Estimating the blur region of a scene from a single monocular image is a challenging but important research area in modern image processing and computer vision.Early blur identification methods deal with just one type of blur with strong assumptions, which usually limit the wide use in recent computer vision applications. Thus, recent trend in blur estimation has shifted to handling partial blur cases for practical use.Most existing algorithms first classify each patch into either a non-blur or blur region. Thereafter, blur type classification is performed on the blur regions.However, such approaches include potential risk that incorrect blur region identification may affect the following blur-type classification. In this paper, we present a new framework for blur region identification to overcome deficiency of classical methods. We propose a 3-way blur identification method, which devides an image into non-blur, defocus blur, and motion blur regions.To this end, we employ intuitive and powerful features based on specific criteria well-suited for our 3-way classification problem. We also take a coarse-to-fine technique to obtain accurate results.Extensive experiments have been conducted on real images. Our patch-level evaluation results demonstrate that the proposed method remarkably outperforming the recent algorithm both in terms of accuracy and speed. We also provide more subjective and objective evaluation of the proposed method to validate superiority of our algorithm.
하나의 단안 영상에서 장면의 블러 영역을 추정하는 것은 영상처리와 컴퓨터 비젼에서 다루고 있는 어려운 문제이며 활발하게 연구되어 지고 있는 분야 중 하나이다. 초기의 블러 식별 방법들은 한 가지 종류의 블러만 갖는다는 가정을 하였기에 다양한 컴퓨터 비젼 알고리즘에 적용하는데 어려움이 존재하였다.따라서, 블러 식별의 실제적인 사용을 위해 최근 블러 식별 방법들은 영상의 부분만이 블러되어있는 경우를 다루는 형태로 변화되고 있다. 대부분의 기존 알고리즘은 먼저 영상내의 패치를 블러 패치와 선명한 패치로 구분하였다. 그 후, 블러 패치는 해당되는 블러가 어떤 블러인지 판단하는 분류를 수행하게 된다. 그러나, 이러한 접근법은 블러 패치를 정확하게 찾아내지 못할경우, 다음 단계에서 수행해야하는 블러 분류에 심각한 오류를 미칠 수 있다는 위험을 내포하고 있다. 이 연구에서, 우리는 위와 같은 기존 방법이 갖는 오류를 해결하기 위해 새로운 블러 식별 프레임워크를 제안한다. 우리는 블러 패치의 종류를 디포커스 블러 패치, 모션 블러 패치, 선명한 패치 3가지로 정의하며, 이 3가지 종류의 패치를 한번에 식별하는 방법을 제안한다. 이를 위해, 우리는 우리의 블러 분류 문제를 설명하기에 적합한 특정 조건들을 만들었으며, 이에 맞는 직관적이며 강력한 특징들을 사용한다. 또한, 정밀한 최종 블러 식별 결과를 얻기 위해 coarse-to-fine 방법을 사용한다. 우리가 제안하는 알고리즘의 성능을 평가하기 위해 광범위한 실제 영상에 대해 실험을 실시하였다. 패치 분류를 통해 제안하는 알고리즘이 속도와 정확성이라는 측면에서 최근 다른 알고리즘보다 우수한 성능을 보임을 확인하였다. 또한, 정성적, 정량적 평가를 통해 제안하는 알고리즘의 우수성을 확인하였다.
