การเบลอภาพใบหน้าขนาดใหญ่อย่างมีมิติ ด้วยความคล้ายคลึงของโครงสร้างภาพ
Article Sidebar
Main Article Content
บทคัดย่อ
การปกปิดใบหน้าถูกใช้อย่างแพร่หลายในสื่อสิ่งพิมพ์ สื่อดิจิทัลและภาพออนไลน์ต่าง ๆ เพื่อคุ้มครองสิทธิส่วนบุคคล โดยงานวิจัยนี้ได้นำเสนอวิธีการเบลอภาพใบหน้าบุคคล ที่มุ่งเน้นพัฒนาการเบลอภาพใบหน้าขนาดใหญ่ โดยเฉพาะอย่างยิ่งในภาพที่มีขนาดใหญ่ ที่มักได้รับผลกระทบจากระดับความเบลอมากเพื่อทำให้ภาพมีความพร่ามัวเพียงพอจนไม่สามารถระบุตัวตนได้ จึงทำให้ใบหน้ามีความแบนหรือราบเรียบสูง ขาดมิติของภาพ งานวิจัยนี้จึงได้นำค่าความคล้ายคลึงของโครงสร้างภาพระหว่างภาพเบลอมากกับภาพปกติ มากรองด้วยตัวกรองแบบเกาส์เซียน และปรับค่าความแตกต่างระหว่างความสว่างและความมืด (Contrast) สร้างเป็นแผนที่ความทึบแสง (Opacity Map) เพื่อใช้เบลอองค์ประกอบภายในใบหน้าอย่างละมุนและเหมาะสม ทำให้บริเวณรายละเอียดของส่วนประกอบหลักมีความพร่ามัวมาก ยากต่อการรับรู้อัตลักษณ์บุคคล ในขณะที่ส่วนอื่น ๆ ของใบหน้ามีความเบลอน้อยกว่า ซึ่งความแตกต่างของระดับความเบลอภายในองค์ประกอบของใบหน้าเหล่านี้ ช่วยเพิ่มมิติให้กับภาพและช่วยในการมองเห็นภาพบุคคลให้มีความเป็นธรรมชาติมากยิ่งขึ้น ดังจะเห็นได้จากค่าเฉลี่ยความคล้ายคลึงของโครงสร้างภาพกับภาพต้นฉบับมีค่าสูงขึ้น โดยสามารถนำไปประยุกต์ต่อยอดกับการเซ็นเซอร์ (Censor) ภาพอย่างมีศิลปะได้อีกด้วย
Article Details
นโยบายการรับบทความ
กองบรรณาธิการวารสารสถาบันเทคโนโลยีไทย-ญี่ปุ่น มีความยินดีรับบทความจากอาจารย์ประจำ และผู้ทรงคุณวุฒิในสาขาวิศวกรรมศาสตร์และเทคโนโลยี ที่เขียนเป็นภาษาไทยหรือภาษาอังกฤษ ซึ่งผลงานวิชาการที่ส่งมาขอตีพิมพ์ต้องไม่เคยเผยแพร่ในสิ่งพิมพ์อื่นใดมาก่อน และต้องไม่อยู่ในระหว่างการพิจารณาของวารสารอื่นที่นำส่ง ดังนั้นผู้สนใจที่จะร่วมเผยแพร่ผลงานและความรู้ที่ศึกษามาสามารถนำส่งบทความได้ที่กองบรรณาธิการเพื่อเสนอต่อคณะกรรมการกลั่นกรองบทความพิจารณาจัดพิมพ์ในวารสารต่อไป ทั้งนี้บทความที่สามารถเผยแพร่ได้ประกอบด้วยบทความวิจัย ผู้สนใจสามารถศึกษาและจัดเตรียมบทความจากคำแนะนำสำหรับผู้เขียนบทความ
การละเมิดลิขสิทธิ์ถือเป็นความรับผิดชอบของผู้ส่งบทความโดยตรง บทความที่ได้รับการตีพิมพ์ต้องผ่านการพิจารณากลั่นกรองคุณภาพจากผู้ทรงคุณวุฒิและได้รับความเห็นชอบจากกองบรรณาธิการ
ข้อความที่ปรากฏภายในบทความของแต่ละบทความที่ตีพิมพ์ในวารสารวิชาการเล่มนี้ เป็น ความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่าน ไม่เกี่ยวข้องกับสถาบันเทคโนโลยีไทย-ญี่ปุ่น และคณาจารย์ท่านอื่น ๆ ในสถาบัน แต่อย่างใด ความรับผิดชอบด้านเนื้อหาและการตรวจร่างบทความแต่ละบทความเป็นของผู้เขียนแต่ละท่าน หากมีความผิดพลาดใด ๆ ผู้เขียนแต่ละท่านจะต้องรับผิดชอบบทความของตนเองแต่ผู้เดียว
กองบรรณาธิการขอสงวนสิทธิ์มิให้นำเนื้อหา ทัศนะ หรือข้อคิดเห็นใด ๆ ของบทความในวารสารสถาบันเทคโนโลยีไทย-ญี่ปุ่น ไปเผยแพร่ก่อนได้รับอนุญาตจากผู้นิพนธ์ อย่างเป็นลายลักษณ์อักษร ผลงานที่ได้รับการตีพิมพ์ถือเป็นลิขสิทธิ์ของวารสารสถาบันเทคโนโลยีไทย-ญี่ปุ่น
ผู้ประสงค์จะส่งบทความเพื่อตีพิมพ์ในวารสารวิชาการ สถาบันเทคโนโลยีไทย-ญี่ปุ่น สามารถส่ง Online ที่ https://www.tci-thaijo.org/index.php/TNIJournal/ โปรดสมัครสมาชิก (Register) โดยกรอกรายละเอียดให้ครบถ้วนหากต้องการสอบถามข้อมูลเพิ่มเติมที่
- กองบรรณาธิการ วารสารสถาบันเทคโนโลยีไทย-ญี่ปุ่น
- ฝ่ายวิจัยและนวัตกรรม สถาบันเทคโนโลยีไทย-ญี่ปุ่น
เลขที่ 1771/1 สถาบันเทคโนโลยีไทย-ญี่ปุ่น ซอยพัฒนาการ 37-39 ถนนพัฒนาการ แขวงสวนหลวง เขตสวนหลวง กรุงเทพมหานคร 10250 ติดต่อกับคุณพิมพ์รต พิพัฒนกุล (02) 763-2752 , คุณจุฑามาศ ประสพสันติ์ (02) 763-2600 Ext. 2402 Fax. (02) 763-2754 หรือ E-mail: JEDT@tni.ac.th
References
M. Gawron and U. Boryczka, “Heterogeneous fog generated with the effect of light scattering and blur,” JACS, vol. 26, no. 2, pp. 31-44, Oct. 2019.
G. Mather, “The use of image blur as a depth cue,” Perception, vol. 26, no. 9, pp. 1147-1158, Sep. 1997.
J. D. Pfautz, “Depth perception in computer graphics,” Computer Laboratory, University of Cambridge, Cambridge, United Kingdom, Tech. Rep. UCAM-CL-TR-546, Sep. 2002.
S. A. Cholewiak, G. D. Love, and M. S. Banks, “Creating correct blur and its effect on accommodation,” Journal of Vision, vol. 18, no. 9, pp. 1-29, Sep. 2018.
B. Ham, M. Cho, and J. Ponce, “Robust guided image filtering using nonconvex potentials,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 40, no. 1, pp. 291-207, Jan. 2018, doi: 10.1109/TPAMI.2017.2669034.
L. Bao, Y. Song, Q. Yang, H. Yuan, and G. Wang, “Tree filtering: Efficient structure-preserving smoothing with a minimum spanning tree,” IEEE Transactions on Image Processing, vol. 23, no. 2, pp. 555-569, Feb. 2014, doi: 10.1109/TIP.2013.2291328.
Q. Liu, B. Xiong, and M. Zhang, “Adaptive sparse norm and nonlocal total variation methods for image smoothing,” Mathematical Problems in Engineering, vol. 2014, Dec. 2014, Art. no. 426125, doi: 10.1155/2014/426125.
F. Zhu, Z. Liang, X. Jia, L. Zhang, and Y. Yu, “A benchmark for edge-preserving image smoothing,” IEEE Transactions on Image Processing, vol. 28, no. 7, pp. 3556-3570, Jul. 2019, doi: 10.1109/TIP.2019.2908778.
Z. A. Liu, Y. K. Hou, X. T. Zhen, J. Xu, L. Shao, and M. M. Cheng. (2020). Pixel-level non-local image smoothing with objective evaluation [Online]. Available: https://csjunxu.github.io/paper/PNLS.pdf
L. Xu, C. Lu, Y. Xu, and J. Jia, “Image smoothing via L0 gradient minimization,” ACM Transactions on Graphics, vol. 30, no. 6, Dec. 2011, Art. no. 174, doi: 10.1145/2024156.2024208.
X. Pang, S. Zhang, J. Gu, L. Li, B. Liu, and H. Wang, “Improved L0 gradient minimization with L1 fidelity for image smoothing,” Plos One, vol. 10, no. 9, Sep. 2015, doi: 10.1371/journal.pone.0138682.
S. Velusamy, R. Parihar, R. Kini, and A. Rege, “FabSoften: Face beautification via dynamic skin smoothing, guided feathering, and texture restoration,” in Proc. 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), Seattle, WA, USA, 2020, pp. 2248-2256, doi: 10.1109/CVPRW50498.2020.00273.
Adobe. “Adobe Photoshop.” ADOBE.com. https://www.adobe.com/products/photoshop.html (accessed Sep. 26, 2020).
Rubber Duck Labs Inc. “Privacy image editor & anonymizer with face detection.” FACEPIXELIZER.com. https://www.facepixelizer.com (accessed Sep. 26, 2020).
Z. Wang, A. C. Bovik, H. R. Sheikh, and E. P. Simoncelli, “Image quality assessment: From error visibility to structural similarity,” IEEE Transactions on Image Processing, vol. 13, no. 4, pp. 600-612, Apr. 2004, doi: 10.1109/TIP.2003.819861.
K. Zuiderveld, “Contrast limited adaptive histogram equalization,” in Graphic Gems IV. San Diego, CA, USA: Academic Press Professional, 1994, pp. 474-485.
R. Lienhart, A. Kuranov, and V. Pisarevsky “Empirical analysis of detection cascades of boosted classifiers for rapid object detection,” in Proc. of the 25th DAGM Symposium on Pattern Recognition, Magdeburg, Germany, Sep. 2003, pp. 297-304.
P. Viola and M. Jones, “Robust real-time object detection,” International Journal of Computer Vision, vol. 57, pp. 137-154, May 2004.
USC-SIPI image database, University of Southern California, Nov. 2020. [Online]. Available: http://sipi.usc.edu/database
Labeled faces in the wild, University of Massachusetts, Amherst, Nov. 2020. [Online]. Available: http://vis-www.cs.umass.edu/lfw
Shutterstock, Inc.,“Stock images,” SHUTTERSTOCK.com. https://www.shutterstock.com/images (accessed Nov. 1, 2020).