In the field of dynamic capillaroscopy, measurements of the capillary blood cell velocity (CBV) give significant insight into the human body. For instance, diabetes, hypertension and peripheral arterial occlusive disease all affect CBV. However, the videos used to measure CBV – captured with a microscope – are often displaced in relation to the microscope by small motions of the finger or toe. Stabilisation algorithms are commonly used to reduce this problem, in order to carry out measurements such as CBV using the stabilised video. Artificial capillaroscopy videos were used to compare the stabilisation algorithms Mutual information, Single-step DFT, Block matching and Phase correlation in terms of computational time; RMSE, PSNR and MSE; and resistance to blurring effects. Single-step DFT was indicated to be the best suited algorithm in all aforementioned metrics. / Inom dynamisk kapilläroskopi ger mätningar av kapillär blod-cell hastighet (CBV) signifikanta insikter inom den mänskliga kroppen. Till exempel, diabetes, hypertoni och perifer arteriell ocklusiv sjukdom påverkar CBV. Däremot är videorna som används för att mäta CBV – tagna med ett mikroskop – ofta förskjutna i relation till mikroskopet på grund av små rörelser av ett finger eller en tå. Stabiliseringsalgoritmer används vanligen för att reducera detta problemet med avsikt att därefter använda den stabiliserade videon för att mäta viktiga egenskaper, som till exempel CBV. Artificiella kapilläroskopivideor användes för att jämföra stabiliseringsalgorithmerna Mutual information, Single-step DFT, Block matching and Phase correlation inom beräkningstid; RMSE, PSNR och MSE; och resistens mot suddighet. Single-step DFT indikerades som den bäst lämpade algoritmen inom de ovannämnda måtten.

Most mobile video-recording devices of today, e.g. cell phones and music players, make use of a Rolling Shutter camera. The camera captures video by recording every frame line-by-line from top to bottom leading to image distortion when either the target or camera is moving. Capturing video by hand also leads to visible frame-to-frame jitter. This thesis presents algorithms for estimation of camera orientations using accelerometer and gyroscope. These estimates can be used to reduce the image distortion caused by camera motion using image processing. In addition an adaptive low pass filtering algorithm used to produce a smooth camera motion is presented. Using the smooth motion the frame-to-frame jitter can be reduced. The algorithms are implemented on the iPod 4 and two output videos are evaluated in a blind experiment with 30 participants. Here, videos are compared to those of competing video stabilization software. The results indicate that the iPod 4 application performs equal or better than its competitors. Also the iPod 4 accelerometer and gyroscope are compared to high end reference sensors in terms of bias and variance. / Det är vanligt att dagens mobiltelefoner använder en kamera med rullande slutare för videoinspelning. Dessa kameror fångar varje bild rad för rad från topp till botten vilket leder till bilddistorsion när antingen målet eller kameran rör sig. Inspelade videor upplevs även som skakiga eftersom kameran ej är stilla under inspelningen. I detta examensarbete presenteras algoritmer för skattning av kamerans orientering med hjälp av accelerometer och gyroskop. Skattningarna används sedan för att reducera bilddistorsionen som uppstår då kameran rör sig. En adaptiv algoritm för lågpassfiltrering av kamerans rörelse presenteras. Den mjuka rörelsen som produceras används sedan för att reducera skakigheten i filmerna. Algoritmerna implementeras på iPod 4 och de resulterande filmerna utvärderas i ett blindtest med 30 deltagare. Filmerna jämförs med versioner stabiliserade av konkurrerande mjukvara. Resultaten visar att iPod-applikationen producerar ett lika bra eller bättre resultat än konkurrenterna. Accelerometern och gyroskopet på iPod 4 jämförs även med referenssensorer i den högre prisklassen.

Most mobile video-recording devices of today, e.g. cell phones and music players, make use of a rolling shutter camera. A rolling shutter camera captures video by recording every frame line-by-line from top to bottom of the image, leading to image distortions in situations where either the device or the target is moving. Recording video by hand also leads to visible frame-to-frame jitter. In this thesis, methods to decrease distortion caused by the motion of a video-recording device with a rolling shutter camera are presented. The methods are based on estimating the orientation of the camera from gyroscope and accelerometer measurements. The algorithms are implemented on the iPod Touch 4, and the resulting videos are compared to those of competing stabilization software, both commercial and free, in a series of blind experiments. The results from this user study shows that the methods presented in the thesis perform equal to or better than the others. / Mobiltelefoner, mp3-spelare och andra bärbara enheter som kan spela in film har ofta en kamera med rullande slutare. En sådan kamera fångar varje bild rad för rad, från topp till botten. Detta resulterar i distortion i bilden om antingen enheten eller objekt i bilden rör sig. Att filma för hand introducerar också skakighet i filmen. I det här examensarbetet presenteras metoder för att minska den distortion som uppstår till följd av att en enhet med rullande slutare förflyttas under inspelning av en film. Metoderna bygger på estimering av kamerans orientering, utgående från mätdata från gyroskop och accelerometer. Algoritmerna har implementerats på en iPod Touch 4 och de resulterande filmerna har jämförts med de från konkurrerande program i en serie blindtester. Resultaten från denna undersökning visar att metoderna som presenteras i examensarbetet är lika bra eller bättre än de övriga.

Automatic video quality assessment has many potential use cases in today’s video-filledsociety, for example, when trying to find highlights in a video. This thesis studies the possibilityof extracting the best segments from a video automatically based on five selected metrics:sharpness, colorfulness, contrast, stability, and aesthetics. Multiple different methods from eachmetric category were compared against each other using datasets with subjective ratings ofimages from KADID-10k and videos from LIVE-Qualcomm. The best method from eachcategory was combined into a single video quality score. The combination was done through aweighted sum, obtained from a least-square fit on the subjective scores of a training dataset(KonViD-1k). The segment of a video with the highest average quality score was chosen as thehighlight. The video quality score achieved Spearman correlations of 0.67 and 0.7 whenevaluated on two validation datasets (KonViD-150k-B and LIVE-VQC). In conclusion, themetrics work well, but are currently too slow for the intended target platform (mobile devices)and thus future work should focus on improving their performance.