Современные информационные технологии

(2. Вычислительная техника и программирова­ние)

Студ Сизякин Р.А., к.т.н Воронин В.В., д.т.н Марчук В.И., студ Гапон Н.В.

ФГБОУ ВПО «Южно-Российский государственный университет экономики и сервиса» (ФГБОУ ВПО «ЮРГУЭС»)

Исследование метода обнаружения дефектных пикселей на архивных видеозаписях

В настоящее время постепенно происходит оцифровка аналоговых видеозаписей [1]. К сожалению, большинство исторических событий хранится на аналоговых носителях и со временем информация, записанная, не них ухудшается, что приводит к появлению царапин, пятен и других различных дефектов [2,3]. Восстановление таких дефектов в большинстве случаев осуществляется путем ручной по кадровой обработки, что затрудняет восстановление архивных видеозаписей, документальных и художественных фильмов. В связи с чем, является актуальной задача автоматизированной реставрации архивных видеозаписей [4].

Цель данной работе является исследование метода обнаружения дефектных пикселей на архивных видеозаписях.

В случае динамического изображения рассматривается упрощенная модель, которая представляет собой двумерную дискретную последовательность   вида:

, ,

где  – кадр видеосигнала,  – оригинальный (неискаженный) кадр видеосигнала, – бинарная маска области с искаженными значениями (1 – соответствует искаженным пикселям, 0 – соответствует не искаженным пикселям),  – искаженные значения пикселей -го кадра видеосигнала.

Предлагается подход к обнаружению дефектов на видеосигналах, основанный на анализе разностных кадров. На первом шаге из видеосигнала выделяется три соседних кадра схематично представленные на рисунке 1. На рисунке 1а представлен  -ый кадр из видеосигнала, на рисунке 1б  -ый кадр из видеосигнала, на рисунке 1в  -ый кадр из видеосигнала,  - область изображения с отсутствующими или искаженными пикселями.

man1      man2     man3

Рис. 1. Модель смежных кадров ,   и 

Далее вычисляется разность между кадрами  и , которая позволяет определить различие между смежными кадрами видеосигнала. Так как динамические изображения инерционны, то смена сцены и движение объектов для пары смежных кадров будет изменяться незначительно. Дефекты видеосигнала в виде групп пикселей, на уровне белого и черного, присутствуют в большинстве случаев только на одном кадре. Разностные массивы   и  кроме дефектов содержат также шлейф от движения объектов (рис. 2).

Рис. 2. Разностное изображение

Для обнаружения дефектов массивы  и  бинаризуются. Каждой изолированной области в массивах  и  присваивается порядковый номер. Далее для каждой из локализованных областей применяется операция поиска похожих областей на соседних кадрах с помощью вычисления евклидовой метрики. Если предполагаемый дефект образован шлейфом от движения, то на смежных кадрах будут найдены похожие области, которые будут приняты за ложное срабатывание детектора и исключены из предполагаемой маски дефектов. Если на соседних кадрах не найдены похожие области, то принимается решение о том, что маска содержит дефект (рис. 3). Данное предположение основано на том, что, как правило, дефект находится только на одном кадре, а остальные объекты присутствуют на соседних кадрах. 

             

             а)                                         б)

Рис. 3. Поиск похожих областей

В результате данной операции формируется новый массив , в котором единичные элементы присваиваются только для тех областей, которые не имеют похожих областей на двух соседних кадрах  или .

Для исследования эффективности предложенного метода в качестве тестового взят кадр из фильма «Инженер Прончатов» (рис.4а).  В качестве сравнения с предложенным методом выбран ROD детектор, так как он наиболее широко распространен, показывает высокую эффективность и имеет большое количество модификаций. На рисунке 4а имеется один значительный дефект, который обнаруживает предложенный метод (рис. 4б). Анализ масок, полученных с помощью ROD детектора, показывает, что ROD детектор имеет фиксированный, априорно заданный порог, который не всегда подходит для обнаружения некоторых дефектов (рис.4в). К тому же ROD  детектор на результирующей маске имеет некоторое количество ложных срабатываний, так как не учитывается перемещение объекта (руки) в пределах кадра (рис.4в).

 

  

а)                                  б)                                    в)

Рис.4. Результат обработки тестовых кадров

В заключении можно сделать следующий вывод:

В работе предлагается метод обнаружения дефектов на архивных видеозаписях, основанный на поиске и анализе похожих областей на смежных кадрах. Представлены результаты обработки кадра тестового видеосигнала. Анализ результатов обработки показывает, что предлагаемый метод обладает рядом преимуществ в сравнении с известным методом, связанных с отсутствием ложных детектирований при движении объектов в кадре.

Литература

1. Гонсалес, Р. Цифровая обработка изображений/ Р. Гонсалес, Р. Вудс. – М.: Техносфера. – 2005. – 1072 с.

2. Методы компьютерной обработки изображений/ под. ред. В.А. Сойфера. – 2-е изд., исправленное. – М.: ФИЗМАТЛИТ. –  2003.–784 с.

3. Яне Б. Цифровая обработка изображений. Москва: Техносфера. – 2007.–584с.

4. Van Roosmalen, J. Biemond, and R. L. Lagendijk, “Restoration and storage of film and video archive material,” Signal Processing for Multimedia. – 1999.