Schardt, Pascal (2015)
Ghosting- und Poppingdetektor für Image Based Rendering-Sequenzen.
Technische Universität Darmstadt
Masterarbeit, Bibliographie

Kurzbeschreibung (Abstract)

Image Based Rendering-Videosequenzen finden in einer steigenden Anzahl von Bereichen Verwendung, wie in virtuellen Führungen, virtuellen Erkundungen oder TV-Sportübertragungen. Bei der Erstellung solcher Videosequenzen kann es aufgrund verschiedener Ursachen zu Bildartefakten kommen. Diese Artefakte können bisher kaum automatisiert erkannt und deren Störfaktor für menschliche Betrachter ermittelt werden und müssen daher mühsam per Hand gesucht und bewertet werden. Diese Arbeit beschäftigt sich damit, die am häufigsten vorkommenden und störendsten Artefakte "Popping" und "Ghosting" maschinell zu detektieren und die Qualität gefundener Artefakte für einen menschlichen Betrachter anzugeben. Dazu werden unter Berücksichtigung bisheriger, verwandter Arbeiten Algorithmen zur Detektion der beiden genannten Artefaktarten untersucht und weiterentwickelt. Da diese Detektoren keine Ergebnisse der gewünschte Qualität liefern beziehungsweise es für einen Artefakttyp noch keine veröffentlichte Detektionsmöglichkeit gibt, werden neue, eigene Ansätze verfolgt, um Detektionsalgorithmen mit zufriedenstellenderen Resultaten zu implementieren. Um festzustellen, wie stark die gefundenen Artefakte einem menschlichen Betrachter auffallen, werden für beide Detektoren Qualitätsmetriken aufgestellt, die sich an der menschlichen Wahrnehmung orientieren. Im Zuge der Überprüfung der Güte dieser Qualitätsmetriken wird eine Nutzerstudie durchgeführt, um deren Vergleichbarkeiten mit dem menschlichen visuellen System zu validieren. Das Ergebnis dieser Arbeit ist ein Detektionsverfahren für Bildartefakte in Image Based Rendering-Videosequenzen, das es erlaubt, solche Sequenzen automatisiert zu verarbeiten. Damit wäre es möglich zum Beispiel eine Aussage zu treffen, ob Teile einer Videosequenz als sehr störend empfunden werden und man versuchen sollte, dieses Video durch erneutes Rendern mit genaueren Tiefenkarten, die durch mehr Eingabebilder erreicht werden können, qualitativ zu verbessern. Image-based rendering video sequences are used in a growing number of applications like virtual guidances, virtual explorations or TV sports broadcasts. In the process of creating such video sequences, image artifacts may occur by various causes. Those artifacts are hard to detect by now and have to be recognized laboriously by hand. An automatic detection and quality rating of these artifacts does barely exist. This thesis about automatically detecting the most common types of artifacts called ghosting and popping. Additionally, the severity of the artifacts found will be rated referring to human vision. Therefore, algorithms for both types of artifacts are enhanced considering related work. Since none of the existing detection algorithms perform in the desired way or there is no detection algorithm for a certain artefact type, new strategies are pursued. This way more satisfying results can be achieved. To get a comparison with the perceptual salience of artifacts found, a quality metric estimating the severity of those artifacts concerning the video quality will be established. For verifying the correlation between artifact severity rating and the rating of a human observer, a user study will be run. This works result are algorithms for detecting and rating artifacts in image-based rendering video sequences according to the human visual system. That algorithm allows it process such video sequences automatically. So, for example, it would be possible to make a predition of parts, that could be perceived as disturbing by a human observer. If so, somebody can try to rerender this video sequence using more input images to raise its overall quality through more accurate depth maps.

Frage zum Eintrag

Redaktionelle Details anzeigen