Knowledge base: Warsaw University of Technology

Settings and your account

Back

Adaptive methods of sharpening and denoising images. Deconvolution with the use of CUDA library

Weronika Zatorska

Abstract

The following graduation work is based on image processing algorithms focused on sharpening, deblurring and denoising, implemented with the use of the CUDA framework. The chosed methods will be implemented with the focus on optimalization and fully utilizing the capabilities of graphic processors. The GPU architecture will be discussed. The Wiener deconvolution, main method presented in this work, will be implemented in two variants. In the first one, the PSF will be assumed to be known. Subsequently, an cepstrum analysis based algorithm will be implemented to determine the PSF of the blurred image - a function describing the direction, length and shape of the blur’s vector. In this work the PSF under consideration will be a one dimensional function. Then, the estimated PSF is used in the previously implemented Wiener deconvolution, in order to test effectiveness of the algorithm that generated it. The tests executed afterwords include the measurement of the running time of the algorithms as well as the quality of the final image and it’s similarity to the original image.
Diploma type
Engineer's / Bachelor of Science
Diploma type
Engineer's thesis
Author
Weronika Zatorska (FEIT/MO) Weronika Zatorska,, The Institute of Microelectronics and Optoelectronics (FEIT/MO)Faculty of Electronics and Information Technology (FEIT)
Title in Polish
Adaptacyjne metody wyostrzania i odszumiania obrazów. Dekonwolucja z wykorzystaniem biblioteki CUDA
Supervisor
Piotr Garbat (FEIT/MO) Piotr Garbat,, The Institute of Microelectronics and Optoelectronics (FEIT/MO)Faculty of Electronics and Information Technology (FEIT)
Certifying unit
Faculty of Electronics and Information Technology (FEIT)
Affiliation unit
The Institute of Microelectronics and Optoelectronics (FEIT/MO)
Study subject / specialization
, Elektronika (Elektronics)
Language
(pl) Polish
Status
Finished
Defense Date
14-02-2019
Issue date (year)
2019
Reviewers
Piotr Garbat (FEIT/MO) Piotr Garbat,, The Institute of Microelectronics and Optoelectronics (FEIT/MO)Faculty of Electronics and Information Technology (FEIT) Sławomir Szostak (FEIT/MO) Sławomir Szostak,, The Institute of Microelectronics and Optoelectronics (FEIT/MO)Faculty of Electronics and Information Technology (FEIT)
Keywords in Polish
CUDA, przetwarzanie obrazu, dekonwolucja
Keywords in English
CUDA, image processing, deconvolution
Abstract in Polish
W niniejszej pracy dyplomowej zaprezentowany jest proces implementacji metod wyostrzania i odszumiania obrazów z wykorzystaniem technologii CUDA. Wybrane metody zaimplementowane zostaną z uwagą na optymalizację kodu oraz maksymalne wykorzystanie mocy obliczeniowej procesorów graficznych. Zostanie również omówiona architektura procesorów graficznych Nvidia. Dekonwolucja Wienera, metoda prezentowana w niniejszej pracy, zostanie zaimplementowana w dwóch wariantach; pierwszym, ze znaną PSF, ang. Point spread function, tj. funckją określającą kierunek, długość oraz kształt wektoru rozmycia obrazu, w tym przypadku w jednym wymiarze oraz drugim, z nieznaną PSF. Podstawą tak zaprojektowanej ślepej dekonwolucji będzie analiza cepstralna zaburzonego obrazu. Testy obejmą pomiar czasu wykonywania się podstawowego algorytmu oraz algorytmu ślepej dekonwolucji opartego na analizie cepstrum przy różnych rozmiarach obrazu, a także poprawę jakości końcowego obrazu względem obrazu zaburzonego oraz podobieństwo do obrazu oryginalnego.
File
  • File: 1
    1102853.pdf
Request a WCAG compliant version
Local fields
Identyfikator pracy APD: 32009

Uniform Resource Identifier
https://repo.pw.edu.pl/info/bachelor/WUT78396c775cc3493d916e76dfb8a0b73c/
URN
urn:pw-repo:WUT78396c775cc3493d916e76dfb8a0b73c

Confirmation
Are you sure?
Report incorrect data on this page