'

Разработка программы восстановления цветности полутоновых изображений  

Понравилась презентация – покажи это...





Слайд 0

Разработка программы восстановления цветности полутоновых изображений   А.А. Баранов, И.И. Щаднова Научный руководитель: к.т.н., доцент А.Д. Варламов Муромский институт (филиал) ГОУ ВПО «Владимирский государственный университет»   НТТМ - 2010


Слайд 1

Постановка задачи В настоящее время в России и мире проводится большая работа по восстановлению цветности старых черно-белых кинофильмов. Большинство работ по раскрашиванию производится вручную, что делает процесс восстановления цветности дорогим и весьма продолжительным по времени.  2 602264, Владимирская обл., г. Муром, ул. Орловская, 23, www.mivlgu.ru Для вопросов и пожеланий: varlamov_aleks@mail.ru 89200254419 Большинство работ по раскрашиванию производится вручную, что делает процесс восстановления цветности дорогим и весьма продолжительным по времени. Например, 5 больших студий, 600 человек в течение 3 лет раскрашивали фильм “Семнадцать мгновений весны”. В Соединенных Штатах Америки раскрашивание одной минуты черно-белого фильма требует около 3000 долларов. В России затраты примерно в два раза меньше. Поэтому актуальна задача автоматизации приведения полутоновых изображений и видеоматериалов в цветное представление.


Слайд 2

Формирование обучающей выборки 3 Исходное цветное изображение Красная, зеленая и синяя составляющие изображения Разложение на цветовые компоненты Яркостная составляющая Перевод в полутоновый вид Признаки полутонового изображения Вычисление локальных признаков изображения Обучающая выборка для восстановления синей компоненты на полутоновом изображении Обучающие выборки для восстановления красной и зеленой компонент на полутоновом изображении получаются аналогично


Слайд 3

Конструирование алгоритма восстановления цвета полутонового изображения 4


Слайд 4

Алгоритм раскрашивания на основе обученной нейронной сети 5 Алгоритм раскрашивания на основе обученной нейронной сети состоит из следующих шагов: 1. Оператором выбирается тип сцены в соответствии с содержанием исходного полутонового изображения. 2. Строится набор изображений локальных признаков. 3. Формируется красная компонента выходного цветного изображения путем прогона нейронной сети для каждой точки изображения. 4. Аналогично пункту 3 формируются зеленая и синяя компоненты выходного изображения. 5. Из композиции трех полученных составляющих собирается цветное изображение.


Слайд 5

Практические результаты 6 В результате применения подхода был создан прототип системы восстановления цветности (раскрашивания) полутоновых изображений. В качестве базовых используются три типа сцен изображений: “Летний лес”, “Волны” и “Закат солнца”. На данном этапе в практических целях используется дополнительная цветокоррекция изображения и подкраска отдельных деталей, проводимую вручную оператором. Планируется работа по восстановлению цветности цифровых копий архивных тестовых и фотографических документов. .


Слайд 6

Результаты работы 7 Рисунок – раскрашивание изображения с типом сцены “Летний лес” Исходное Автоматически раскрашенное Оригинальное


Слайд 7

Результаты работы 8 Рисунок – раскрашивание изображения с типом сцены “Волны” Исходное Автоматически раскрашенное Оригинальное


Слайд 8

Результаты работы 9 Рисунок – раскрашивание изображения с типом сцены “Летний лес” Исходное Автоматически раскрашенное Оригинальное


Слайд 9

Результаты работы 10 Исходное Автоматически раскрашенное Оригинальное Рисунок – раскрашивание изображения с типом сцены “Закат солнца”


Слайд 10

Перспективы работы 11 В перспективе возможно развитие архитектуры нейронной сети и увеличение числа используемых признаков для получения более качественных результатов раскрашивания и расширения количества используемых типов сцен. Разработанный подход можно развивать в сторону восстановления цветности видеосцен однородного содержания, а затем в направлении раскрашивания черно-белых фильмов.


×

HTML:





Ссылка: