Band 80, Heft 10

In natural water bodies, images taken under water are mostly characterized by poor visibility conditions. To evaluate the content of such images visually, an image restoration is essential. In this contribution, a concept for the automated restoration of images taken under water is presented. The concept is based on a distance estimation using turbidity indicators, a subsequent color restoration, a model-based deconvolution approach and a concluding image fusion. The restoration is fully based on physical foundations and thus complies with the requirement of an objective enhancement of the image content.

Image sensors come with a spatial inhomogeneity, known as Fixed Pattern Noise, that degrades the image quality. In this paper a known maximum likelihood estimation method is extended in a way that it allows to estimate the two parameters DSNU and PRNU of a sensor’s fixed pattern noise. The method’s input are the averaged sensor responses and the corresponding pairwise sensor covariances. First results show a significant performance increase compared to related methods. Zusammenfassung Bildsensoren besitzen eine räumliche Inhomogenität, auch als Fixed Pattern Noise bekannt, das die Bildqualität herabsetzt. In diesem Paper wird eine bekannte Maximum-Likelihood-Methode erweitert, so dass eine kombinierte Schätzung der beiden Parameter DSNU und PRNU des Fixed Pattern Noise möglich ist. Die neue Methode benutzt die gemittelten Sensor-Antworten und die dazugehörigen paarweisen Sensor-Kovarianzen. Erste Ergebnisse zeigen eine signifikante Performancesteigerung gegenüber vergleichbaren Methoden.

Various applications require a compact and efficient data representation by curves. Arc splines are curves consisting of piecewise smoothly joined arcs and line segments. From a practical point of view, they stand out due to their efficient descriptiveness. The SMAP approach guarantees an arc spline with a minimal number of segments for any given user-specified tolerance. For instance, to satisfy the requirements for generating digital maps, we introduce an extension which integrates line segments into the solution curve at appropriate positions.

A method for markerless articulated human motion capturing by means of an evolutionary algorithm is presented. Building on the Interacting Simulated Annealing particle filter (ISA), simulated annealing is employed to help searching for the optimal pose. The proposed method is evaluated in comparison to the well known ISA by using video recordings from four different perspectives. Furthermore, for tracking with fewer cameras available, the use of a dynamic model is examined which eliminates ambiguities in the case of self-occluding body parts.

We present a computational imaging approach to estimate the depth from a single image using axial chromatic aberrations. It includes a co-design of optics and digital processing to select the optimal parameters of a lens such as focal length, f -number, and chromatic focal shift according to the performance of a depth estimation algorithm on the digital side. A simulation framework evaluates the complete systems performance in different imaging conditions including optimal axial chromatic lens aberration. A low-complexity algorithm estimates the depth map of real scenes. Experiments on real and synthetic scenes show the feasibility of the proposed system for depth estimation. In the case of relatively broadband object spectra and a lens with focal length of 4 mm, depth is estimated with an RMS error of 6-10%. Zusammenfassung In diesem Beitrag stellen wir einen neuartigen Ansatz vor, der es ermöglicht, die Tiefe aus einer einzigen Aufnahme anhand chromatischer Aberrationen zu bestimmen. Ferner wird ein optisches Designverfahren zur Auffindung der bestmöglichen optischen Parameter, wie die Brennweite, die Blendenzahl und die axiale chromatische Aberration in Abstimmung mit der Leistung des Algorithmus für die Tiefenschätzung auf digitaler Seite beschrieben. Für verschiedene Aufnahmebedingungen wird die Leistung des Gesamtsystems in einer Simulationsumgebung unter der Annahme einer optimal vorliegenden chromatischen Aberration untersucht. Ein Algorithmus geringer Komplexität schätzt die Tiefenkarte für reale Aufnahmen. Untersuchungen an realen Szenen zeigen die Machbarkeit des hier vorgestellten Systems zur Tiefenschätzung. Im Falle relativ breitbandiger Objektspektren und einer Linse mit einer Brennweite von 4mm wird die Tiefe mit einem RMS-Fehler von 6-10% geschätzt.