Parametric blind deconvolution of bi-level images with unknown intensity levels

Abstract

바코드, 텍스트 등 영상 획득 장치를 통해 획득된 이진 영상은 물체와 획득 시스템과의 초점이 맞지 않는 문제로 인하여 영상이 흐려지는 블러 (blur) 현상이 발생한다. 블러 현상은 원 영상의 한 픽셀의 밝기가 블러의 정도를 나타내는 점 확산 함수 PSF (Point Spread Function)에 의해 주변 픽셀의 밝기를 왜곡 시키는 현상이다. 블러 영상은 원 영상과 PSF의 컨벌루션 (convolution)으로 모델링될 수 있고, PSF를 알고 있을 경우 블러된 영상으로부터 원 영상을 복원하는 것을 디컨벌루션 (deconvolution)이라 한다. 그러나 일반적으로 블러 영상의 PSF를 아는 것은 어려운 일이므로, PSF에 대한 사전 정보 없이 영상과 PSF를 동시에 추정하는 블라인드 디컨벌루션 (blind deconvolution)이 필요로 하게 된다. 블라인드 디컨벌루션 문제에서, 이진 영상과 같이 영상의 사전 정보를 반영할 수 있는 경우에는 영상의 특성을 반영하여 효율적인 블라인드 디컨벌루션을 수행할 수 있다. 이진 영상의 블라인드 디컨벌루션에 관한 기존의 연구에서는 이진 영상이 두 가지 밝기 값만 갖는 특성을 반영하는 정규화 함수 기반의 블라인드 디컨벌루션이 연구되었다. 그러나 이 기법은 0과 1 두 가지 밝기 값만 갖는 영상에 대해서만 적용이 가능한 한계점이 있다. 따라서 본 논문에서는 이진 영상의 효과적인 복원을 위하여 이진 영상의 특성을 반영한 정규화 함수를 설계하고, 원 영상의 밝기 레벨에 대한 정보 없이도 이진 영상을 복원하는 새로운 파라메트릭 블라인드 디컨벌루션 (parametric blind deconvolution) 기법을 제안한다. 제안한 기법은 결과 영상의 주관적 성능 평가와, BER (Bit Error Rate), COR (Correlation coefficient)의 객관적인 수치로 성능을 평가하였고, 이로부터 제안한 기법이 기존 블라인드 디컨벌루션 기법에 비해 우수한 성능을 보임을 확인하였다.;Blind deconvolution estimates true image and PSF (Point Spread function) from a blurred and noisy image. Since the estimation problem is ill-posed, the regularization using a priori information about true image or PSF is required. For bi-level images such as barcode and text, the information that the image has only two intensity values can be useful. Conventional methods designed regularization functions based on the assumption the two intensity values are known. However, the true image intensity values are unknown in practice. In this paper, we propose a novel parametric blind deconvolution method for bi-level images with unknown intensities. The objective function of the proposed method is based on the normalized correlation coefficient, since the knowledge of exact intensity levels of true image is not required. We use the normalized correlation coefficient are a similarity measure between an observed image and estimated image. In addition, we incorporate a roughness penalty and another penalty function to encourage an estimate image to be bi-level. By minimizing the objective function, the proposed method estimates true image and parameterized PSF. In the simulations and experiments, the proposed method showed better performance compared with a conventional blind deconvolution method in terms of BER (Bit Error Rate) and COR (Correlation coefficient).