Публикация отозвана 30.08.2021

Ретракция.

Дата ретракции: 30.08.2021

Причина ретракции:

Дублирование публикации в нескольких изданиях

Дополнительная информация о причинах ретракции:

Причина ретракции: статья является дубликатом изданной ранее в другом журнале статьи тех же авторов:

А.В. Алексеев, Ю.А. Орлова, В.Л. Розалиев, А.В. Заболеева-Зотова Тестирование алгоритмов детектирования размытых изображений // Известия Юго-Западного государственного университета.

Серия: Управление, вычислительная техника, информатика.

Медицинское приборостроение. 2020. т.10. №1. с.67-77. 

 

  

Работа направлена на развитие средств автоматического выделения и фильтрации размытых изображений. Описывается метод генерации размытых изображений, в основе которого лежит алгоритм определения функции рассеяния точки. Тройка изображений сцен состоит из четкого, расфокусированного и смазанного в движении изображений. Построена модельная база фотографий различных сцен, предназначенная для настройки и оценки качества работы методов и алгоритмов детектирования размытых изображений. Предложенный метод генерации размытых изображений может быть использован в методах автоматической обработки изображений и машинного обучения.

Ключевые слова: 

обработка изображений, детектирование размытых изображений, генерация размытых изображений.

Стр. 90-95.

DOI 10.14357/20718632200408

 

Полная версия статьи в формате pdf. 

 

Литература

1. Alekseev A.V., Rozaliev V.L., Orlova Y.A. Automatic coloring of grayscale images based on intelligent scene analysis // Pattern Recognition and Image Analysis (Advances in Mathematical Theory and Applications). 2015. Vol.25. No.1. P.10-21.

2. Mavridaki E., Mezaris V. No-Reference blur assessment in natural images using Fourier transform and spatial pyramids // Proceedings of the IEEE International Conference on Image Processing. 2014.

3. Jianping Shi, Li Xu, Jiaya Jia. Discriminative blur detection features // Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. 2014.

4. Drutsa A., Farafonova V., Fedorova V., Megorskaya O., Zerminova E., Zhilinskaya O. Practice of efficient data collection via crowdsourcing at large-scale. 2019. https://arxiv.org/abs/1912.04444.

5. Alekseev A.V., Rozaliev V.L., Orlova Y.A., Zaboleeva-Zotova A.V. Context-sensitive image analysis for coloring nature images // Advances in Intelligent Systems and Computing. 2016. Vol. 451. P.133-141. Springer International Publishing.

6. Alekseev A.V., Orlova Y.A., Rozaliev V.L., Zaboleeva-Zotova A.V. Two-stage segmentation method for context-sensitive image analysis // Communications in Computer and Information Science. 2014. Vol.466. P.331-340. Springer International Publishing.

7. Kupyn O., Budzan V., Mykhailych M., Mishkin D., Matas J. DeblurGAN: Blind motion deblurring using conditional adversarial networks // Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. 2018. P.8183–8192. https://doi.org/10.1109/CVPR.2018.00854.

8. Bansal R., Raj G., Choudhury T. Blur image detection using Laplacian operator and Open-CV // International Conference System Modeling Advancement in Research Trends. 2016. P.63–67. https://doi.org/10.1109/SYSMART.2016.7894491.

9. Li L., Pan J., Lai W.S., Gao C., Sang N., Yang M.H. Blind image deblurring via deep discriminative priors // International Journal of Computer Vision. 2018. https://doi.org/10.1007/s11263-018-01146-0.

10. Zhang J., Pan J., Ren J., Song Y., Bao L., Lau W.H., Yang M.H. Dynamic scene deblurring using spatially variant recurrent neural networks // Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. 2018. P.2521–2529. https://doi.org/10.1109/CVPR.2018.00267.