Dijital Görüntü Dengeleme Yöntemlerinin Kıyaslanması

Akkaya A. E., Talu M. F.

International Artificial Intelligence and Data Processing Symposium (IDAP 16), Malatya, Türkiye, 17 - 18 Eylül 2016, ss.352-355

  • Yayın Türü: Bildiri / Tam Metin Bildiri
  • Basıldığı Şehir: Malatya
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.352-355
  • İnönü Üniversitesi Adresli: Evet

Özet

Farklı el tipi video kayıt veya havadan görüntüleme cihazlarından elde edilen görüntülerde insan kaynaklı el titremesi veya rüzgâr gibi faktörlerden dolayı küçük çaplı istenmeyen hareketler oluşmaktadır. Bu tür hareketler videonun izlenme kalitesini düşürmekte, video üzerinde çalıştırılacak nesne takip ve mozaikleme gibi görüntü işleme yöntemlerinin hatalı sonuçlar vermesine neden olmaktadır. Video içerisindeki istenmeyen hareketlerin en aza indirgenebilmesi için dengeleme tekniklerine ihtiyaç duyulmaktadır. Bu çalışmada dengeleme yöntemlerinin farklı öznitelik çıkarma teknikleriyle birlikte kullanımı incelenmiştir. Genel olarak bu teknikler üç adımdan oluşmaktadır: hareket tahmini; yörünge yumuşatma ve hareket düzeltme. Hareket tahmini aşamasında farklı özellik tespit yöntemleri (FAST, SURF ve Harris) kullanılarak yörünge hareket yörüngesi hesaplanmıştır. Gürültüler barındıran yörünge kayan pencere yöntemiyle yumuşatılmıştır. Son olarak her bir yöntemin zaman ve hata oranı sonuçları tablo halinde sunulmuştur.

Due to factors such as human induced hand shake or wind, undesired small movements occur in images obtained from different hand-held cameras or aerial imaging devices. These type movements reduces the video monitoring quality and also cause to give incorrect results of image processing methods like mosaicing and object tracking. Stabilization methods are needed to minimize these undesired movements in a video. In this study, stabilization methods with different type of feature extraction methods have been investigated. Overall these methods consist of three steps: motion estimation; trajectory smoothing and motion compensation. In motion estimation stage, using different feature detection methods (FAST, SURF and Harris), movement trajectory has been calculated. Movement trajectory consists of noises has been smoothed by a sliding window approach. Finally, results obtained different methods are compared in terms of time and error rate presented in the table.