Разработка программы восстановления цветности полутоновых изображений Разработка программы восстановления цветности полутоновых изображений А.А. Баранов, - презентация

1 Разработка программы восстановления цветности полутоновых изображений 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

2 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 , Владимирская обл., г. Муром, ул. Орловская, 23, Для вопросов и пожеланий: 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.

3 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 восстановлен ия синей компоненты на полутоновом изображении Обучающие выборки для восстановлен ия красной и зеленой компонент на полутоновом изображении получаются аналогично

4 Конструирование алгоритма восстановления цвета полутонового изображения 4 Обучающая выборка для восстановления красной компоненты на полутоновом изображении Обучающая выборка для восстановления зеленой компоненты на полутоновом изображении Обучающая выборка для восстановления синей компоненты на полутоновом изображении Нейронная сеть Алгоритмы формирования изображений локальных признаков Алгоритм восстановления красной составляющей изображения Алгоритм восстановления зеленой составляющей изображения Алгоритм восстановления синей составляющей изображения Алгоритм восстановления цвета полутонового изображения

5 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.

6 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..

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

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

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

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

11 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.