Most image deblurring algorithms assume that the blurred image has a linear
relationship with the observed scene radiance. The vast majority of cameras,
however, output images using a nonlinear response function.
In this thesis, we investigate the role that nonlinear camera response functions
(CRFs) have on image deblurring. In particular, we show how nonlinear
CRFs can cause spatially invariant blur to behave as a spatially varying blur.
This can result in noticeable ringing artifacts when deconvolution is applied
even with a known point spread function (PSF). In addition, we show how CRFs
can adversely affect PSF estimation algorithms in the case of blind deconvolution.
To help counter these effects, we introduce two methods to estimate the
CRF based on the edge profiles when the PSF is known or unknown.
While not as accurate as conventional CRF estimation algorithms
based on multiple exposures or calibration patterns, our approach is still
quite effective in improving deblurring results in situations
where the CRF is unknown.
대부분의 흔들린 이미지 보정 알고리즘은 흔들린 이미지와
실제로 측정된 장면의 밝기가 선형 관계를 갖고 있다고 가정한다.
그러나 대다수의 카메라는 비선형 카메라 응답 함수를 사용하여 이미지를
생성해 내기 때문에, 흔들린 이미지 보정 결과가 정확하지 않다.
이 논문에서는 비선형 카메라 응답 함수(camera response functions, CRFs)
가 흔들린 이미지 보정에 미치는 영향을 분석한다.
특히 어떻게 비선형 카메라 응답 함수가 공간적으로 불변하는 흔들림에 대해서
공간적으로 다양하게 흔들리는 것과 같은 효과를 야기하는지에 대해 자세히 살펴본다.
이런 효과는 이미 점 확산 함수(point spread function, PSF) 를 알고 있을 때 조차도
디컨볼루션(deconvolution, 이미지에서 점 확산 함수의 효과를 없애고 이미지를 복원) 시에 원형의
인공적인 모양(rining artifacts)을 야기한다. 또한 이 논문에서는
암묵 디컨볼루션(blind deconvolution)의 경우에 카메라 응답 함수가
점 확산 함수를 추정하는 알고리즘에 어떤 부정적인 영향을 미치는지 보여준다.
이런 여러 부정적인 효과를 해결하기 위해서, 이 논문에서는 모서리 프로필(edge profile)을
기반으로 하여, 점 확산 함수를 아는 경우와 모르는 경우, 두 가지 경우에 대해 카메라 응답 함수를
추정하는 방법을 제시한다. 다중 노출 혹은 교정(calibration) 패턴을 기반으로 한
카메라 응답 함수 추정 알고리즘만큼 정확하지는 않지만, 이 논문에 제시한 알고리즘은
카메라 응답 함수를 모르는 경우, 흔들린 이미지 보정 결과를 개선하는데 있어서
상당히 효과적이다.
