Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Методы и алгоритмы цветовой коррекции цифровых изображений на основе параметрической идентификации моделей

ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Основные результаты, связанные с разработкой методов и алгоритмов цветовой коррекции, докладывались на следующих конференциях: VII Международная конференция «Математическое моделирование физических, экономических, технических, социальных систем и процессов» (2−5 февраля 2009, Ульяновск) — VI Всероссийская научная конференция с международным участием «Математическое моделирование и краевые задачи… Читать ещё >

Содержание

  • ГЛАВА 1. ИНФОРМАЦИОННАЯ ТЕХНОЛОГИЯ ЦВЕТОВОЙ КОРРЕКЦИИ ЦИФРОВЫХ ИЗОБРАЖЕНИЙ НА ОСНОВЕ ПАРАМЕТРИЧЕСКОЙ ИДЕНТИФИКАЦИИ МОДЕЛЕЙ
    • 1. 1. Введение в теорию цвета
    • 1. 2. Проблемы цветовой коррекции цифровых изображений
    • 1. 3. Общая модель искажений и цветовой коррекции
    • 1. 4. Общая схема цветовой коррекции на основе параметрической идентификации моделей
    • 1. 5. Конкретизация задач исследования
  • Выводы к главе 1
  • ГЛАВА 2. ПОСТРОЕНИЕ АЛГОРИТМОВ ИДЕНТИФИКАЦИИ
    • 2. 1. Постановка задачи идентификации
    • 2. 2. Построение робастных оценок на основе метода наименьших модулей
    • 2. 3. Согласованная идентификация с полным перебором
    • 2. 4. Метод последовательного формирования согласованных оценок
    • 2. 5. Сравнение последовательного алгоритма согласованной идентификации и алгоритма с полным перебором
  • Выводы к Главе 2
  • ГЛАВА 3. АЛГОРИТМЫ И МОДЕЛИ ЦВЕТОВОЙ КОРРЕКЦИИ ЦИФРОВЫХ ИЗОБРАЖЕНИЙ
    • 3. 1. Цветовая коррекция с использованием полиномиальной модели
    • 3. 2. Цветовая коррекция на основе трингуляции Делоне
    • 3. 2. Методы и алгоритмы устранения бликов
    • 3. 3. Коррекция теневых искажений на цифровых изображениях
  • Выводы к Главе 3
  • ГЛАВА 4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ И ИСПЫТАНИЯ РАЗРАБОТАННЫХ МЕТОДОВ И АЛГОРИТМОВ ЦВЕТОВОЙ КОРРЕКЦИИ
    • 4. 1. Описание программного комплекса
    • 4. 2. Цветовая коррекция на основе идентификации функций преобразования компонент и триангуляции Делоне
    • 4. 2. Примеры устранения бликов
    • 4. 3. Цветовая коррекция теневых искажений
  • Выводы к Главе 4

Методы и алгоритмы цветовой коррекции цифровых изображений на основе параметрической идентификации моделей (реферат, курсовая, диплом, контрольная)

Актуальность.

Задача цветовой коррекции цифровых изображений является одной из наиболее популярных и востребованных. Перечень приложений, в которых необходима цветовая коррекция очень широкий: создание художественных сюжетов видео, системы и технологии многокрасочной печати, обработка данных мониторинга, системы технического зрения, восстановление уникальных изображений и др.

К сожалению, математические модели и технологии цветовой коррекции, полностью удовлетворяющие пользователей, отсутствуют. Связано это, с одной стороны, с недостаточной изученностью физики процессов (Херш Р.Д. и др. 60]), с другой стороны, — со сложностью реализации известных моделей.

Первые результаты, связанные с изучением моделей цветообразования, получены И. Ньютоном, Т. Янгом, X. Гюйгенсом, Г. Гельмгольцем и Дж. Максвеллом [18, 37]. В течение ряда последующих десятилетий велись интенсивные исследования как отечественными (Сеченов" И.М., Лачинов Д. А. и др.), так и зарубежными (Дж. Гилд, Д. Райт [57, 83]) учеными. Важным итогом этих работ явилось принятие в 1931 году Международной Комиссией по Освещению стандартных цветовых пространств (RGB, XYZ), создание цветного телевидения, введение равноконтрастных цветовых пространств Lab, использование которых позволило решить ряд задач колориметрии и цветовоспроизведения.

В последние десятилетия большой вклад в развитие теории цвета и создание методов и алгоритмов цветовой коррекции внесли отечественные ученые (Попов А., Шашлов Б. [37]), а также зарубежные (Джадд Д., Вышецки Г., Форсит Д., Финлейсон-Дж., Фунт Б. и др [64, 47−52]). В 1971' г. Лэндом предложен подход к представлению цвета — ретинекс, получивший"* широкое применение в распознавании образов и анализе изображений. Наряду с этим активно развивались теории цветового постоянства (Малони Л., Вандел Б. и др. [70, 71]), цветовых инвариантов (Финлейсон Дж., Фунт Б., Хили Дж. и др. [47, 52, 59]) и «серого мира» (Финлейсон Дж.).

Тем не менее, задача цветовой коррекции во многих приложениях до сих пор остается искусством, доступным узкому кругу специалистов. Примером такого приложения является предпечатная подготовка цифровых изображений репродукций произведений живописи. В процессе регистрации картин возникают следующие основные виды искажений: матовые блики (из-за неравномерности освещения поля картины), теневые полосы у кромок боковых рамок и множественные точечные блики (вследствие отражения света от мазков масляной краски). Устранение указанных артефактов выполняется специалистами высокой квалификации, обычно, с использованием системы Adobe Photoshop. При этом коррекция цветных изображений средних размеров (от 10 до 30 Мп) может занимать до 10 часов.

Попытки автоматизировать процесс цветовой коррекции, например, в рамках подхода ретинекс или в рамках других известных подходов, к сожалению, наталкиваются на трудности задания параметров алгоритма, которые обычно приходится подбирать путем многократных проб и корректировок.

Наиболее свободным от указанного недостатка является подход, основанный на идентификации моделей по тестовым изображения [25], использовавшийся для решения близкой задачи цветовоспроизведения. Основной довод для применения этого подхода к задаче цветовой коррекции — возможность высокой степени автоматизации технологии. В данном случае от пользователя не требуется знаний в области теории цвета, для построения модели достаточно указать лишь желаемые цвета на нескольких фрагментах.

Вместе с тем, использование алгоритмов идентификации в задаче цветовой коррекции имеет некоторые специфические особенности, требующие разработки новых методов. Теория идентификации получила развитие благодаря работам отечественных (Цыпкин ЯЗ., Перельман И. И., Поляк Б. Т., Пытьев Ю. П., Юсупов P.M., Теряев Е. Д., Шамриков Б. М, Жданов А.И.) и зарубежных (Калман P.E., Гроп Д., Эйкхофф П., Льюнг Д., Ли Р., Сейдж Э. П., Мелса Дж.) ученых. В даном случае трудность состоит в том, что для идентификации модели обычно может быть задано лишь небольшое число тестовых фрагментов изображения, притом некоторые могут содержать грубые ошибки, связанные с субъективностью восприятия цвета.

Известен подход, позволяющий в значительной степени преодолеть указанные трудности, — это так называемая согласованная идентификация. К сожалению, этот метод основан на прямом переборе вариантов, что требует значительного объема вычислений. Поэтому актуальной явяется задача развития методов согласованной идентификации моделей цветовой коррекции в направлении снижения вычислительной сложности алгоритмов без снижения точности определения параметров.

Таким образом, в настоящей работе ставится и решается актуальная задача разработки методов и информационной технологии цветовой коррекции цифровых изображений, обеспечивающих существенное сокращение времени обработки изображений за счет применения методов параметрической идентификации моделей, допускающих высокую степень автоматизации процессов цветовой коррекции.

Цель и задачи исследований.

Целью работы является сокращение времени цветовой коррекции цифровых изображений за счет применения методов параметрической идентификации моделей, допускающих высокую степень автоматизации процессов обработки изображений.

В соответствии с поставленной целью в рамках диссертационной работьь решаются следующие задачи.

1. Разработка информационной технологии цветовой коррекции изображений, основанной на параметрической идентификации моделей цветового преобразования.

2. Развитие теории и методов параметрической идентификации моделей по малому числу наблюдений в условиях априорной неопределенности, разработка модификаций, направленных на снижение вычислительной сложности алгоритмов.

3. Построение параметрических классов моделей цветовой коррекции бликов, разработка допускающих высокую степень автоматизации алгоритмов локализации и устранения бликов различного типа.

4. Разработка устойчивых к неопределенности изменения функции яркости методов локализации тени на цифровом изображении и основанных на параметрической идентификации моделей цветовой коррекции алгоритмов устранения теневых искажений.

5. Создание программного комплекса для автоматизированной обработки цифровых изображений с целью цветовой корекции и устранения артефактов.

Научная новизна работы.

В диссертации получены следующие новые научные результаты.

1. Предложена новая информационная технология цветовой коррекции изображений, основанная на параметрической идентификации моделей, отличающаяся высокой степенью автоматизации.

2. Разработана новая модификация метода согласованной идентификации с последовательным отбором множества согласованных оценок, обеспечивающая существенное снижение вычислительной сложности алгоритма.

3. Построены параметрические классы моделей бликов различного типа на цифровых изображениях и на этой основе разработаны новые автоматизированные методы и алгоритмы их локализации и1 устранения.

4. Разработаны устойчивый к неопределенности изменения функции яркости новый метод локализации тени на изображении и основанная на параметрической идентификации моделей автоматизированная технология цветовой коррекции теневых искажений.

Реализация результатов работы.

Результаты диссертационной работы внедрены и используются в технологическом процессе обработки цветных изображений в издательском доме «Агни» (г. Самара), а, также используются в учебном процессе Самарского государственного аэрокосмического университета им. С. П. Королева и в научных исследованиях Института систем обработки изображений РАН.

Основные результаты получены в рамках следующих проектов:

1. «Разработка теории и методов восстановления, цветовой коррекции и понимания цветных изображений в условиях априорной неопределенности моделей искажений и помех», выполняемый по гранту РФФИ № 09−07−269-а (2009 — 2011 г. г.).

2. «Нучно-образовательный центр математических основ дифракционной оптики и обработки изображений», выполняемый в рамках российско-американской программы «Фундаментальные исследования и высшее образование» (BRHE).

3. «Развитие теории оценивания для решения задач обработки данных в распределенных системах видеонаблюдения» (шифр 04в-Б058−035), выполняемый по заданию Рособразования на проведение научных исследований (темплан).

4. «Разработка сетевых информационных технологий параллельной и распределенной обработки данных, электронного обучения и интернет-телевещания», выполняемый в рамках Федеральной целевой программа «Научные и научно-педагогические кадры инновационной России» на 2009;2013 годы" (ГК П2234 от 11 ноября 2009 г.).

По теме диссертации опубликованы 15 работ, в том числе 3 в изданиях рекомендованных ВАК, 3 работы выполнены автором лично, остальные написаны в соавторстве.

Апробация работы.

Основные результаты, связанные с разработкой методов и алгоритмов цветовой коррекции, докладывались на следующих конференциях: VII Международная конференция «Математическое моделирование физических, экономических, технических, социальных систем и процессов» (2−5 февраля 2009, Ульяновск) — VI Всероссийская научная конференция с международным участием «Математическое моделирование и краевые задачи» (1−4 июня 2009, Самара) — X Всероссийская молодежная научная конференция с международным участием «Королёвские чтения» (6−8 октября 2009, Самара) — III International Workshop on.

Image Mining Theory and Applications" (IMTA 2010) in conjunction with VISIGRAPP 2010 (17−21 May 2010, Angers, France) — VII Всероссийская научная конференция с международным участием «Математическое моделирование и краевые задачи» (3−6 июня 2010, Самара) — III International Multi-Conference on «Automation, Control, and Information Technology» (ACIT 2010) (15 — 18 June 2010, Novosibirsk) — International Conference on «Signal Processing and Multimedia Applications» (SIGMAP 2010) (26 — 28 July 2010, Athens, Greece) — Международная Конференция с элементами научной школы для молодежи «Перспективные информационные технологии для авиации и космоса» (ПИТ-2010) (29 сентября — 1 октября 2010, Самара).

Результаты, связанные с разработкой программного комплекса, докладывались на следующих конференциях: XVI Всероссийская научно-методическая конференция «Телематика 2009» (22 — 25 июня 2009, Санкт-Петербург) — Всероссийская суперкомпьютерная конференция «Научный сервис в сети Интернет: масштабируемость, параллельность, эффективность» (21 — 26 сентября 2009, Новороссийск) — Международная научная конференция «Параллельные вычислительные технологии» (ПаВТ 2010) (29 марта — 2 апреля 2010, Уфа) — Международная конференция «Научный сервис в сети Интернет: суперкомпьютерные центры и задачи» (20 — 25 сентября 2010, Новороссийск).

Основные положения диссертации, выносимые на защиту:

1. Новая информационная технология цветовой коррекции изображений, основанная на параметрической идентификации моделей, отличающаяся высокой степенью автоматизации.

2. Модификация метода согласованной идентификации с последовательным отбором множества согласованных оценок, обеспечивающая существенное снижение вычислительной сложности алгоритма.

3. Параметрические классы моделей бликов различного типа на цифровых изображениях и новые автоматизированные методы и алгоритмы их локализации и устранения.

4. Устойчивый к неопределенности изменения функции яркости новый метод локализации тени на изображении и основанная на параметрической идентификации моделей автоматизированная технология цветовой коррекции теневых искажений.

5. Программный комплекс для автоматизированной обработки цифровых изображений с целью цветовой коррекции и устранения артефактов.

Структура и объем работы.

Диссертация состоит из введения, четырех глав, заключения, списка литературы. Общий объем работы составляет 125 страниц, 38 рисунков, 1 таблица. Библиографический список насчитывает 85 наименований.

Выводы к Главе 4.

1. Предложена архитектура программного комплекса, отвечающая требованиям кроссплатформенности, модульности и универсальности, обеспечивающая возможность декомпозиции по данным и, как следствие, высокое быстродействие обработки цифровых изображений как в режиме интеграции с инструментальной системой Adobe Fotoshop, так и в автономном режиме.

2. Метод покомпонентной цветовой коррекции, основанный на идентификации полиномиальной модели функции преобразования цветовых координат, успешно апробирован как при обработке изображения в целом, так и при цветовой коррекции локальных областей.

3. Получены результаты цветовой коррекции в локальных областях цветового пространства с использованием триангуляции Делоне, иллюстрирующие возможность получения качества, превосходящего результаты работы существующих систем автоматической цветовой коррекции.

4. Проведено тестирование разработанного программного обеспечения на реальных изображениях, в ходе которого определены параметры алгоритмов, обеспечивающие получение результатов цветовой коррекции, не требующий ручной «доводки», в 80% случаев.

5. Проведены испытания разработанного программного обеспечения в процессе предпечатной подготовки реальных цифровых изображений репродукций произведений живописи в издательском доме «Агни» (г. Самара). Обработано более 1,5 тысяч изображений. На подготовку такого количества изображений по традиционной технологии требуется около 3,5 тысяч часов. С использованием разработанного программного комплекса обработка была проведена менее чем за 150 часов .

ЗАКЛЮЧЕНИЕ

.

В ходе исследований, проведенных в настоящей работе, получены следующие результаты.

1. Предложена новая информационная технология цветовой коррекции технологических искажений цифровых изображений, основанная на идее параметрической идентификации моделей по малому числу тестовых фрагментов, задаваемых на искаженном изображении.

2. Рассмотрена общая модель технологических искажений и показано, что общая задача цветовой корррекции может быть «расщеплена» на задачи идентификации собственно модели цветовых преобразований и определения параметров весовой функции цветовых искажений.

3. Показано, что в рамках предложенной информационной технологии цветовой коррекции и общей модели технологических искажений центральными являются проблемы построения алгоритмов параметрической идентификации и формирования параметрических классов моделей цветовой коррекции.

4. Выявлены основные проблемы идентификации моделей в условиях априорной неопределенности, связанной с малым числом доступных для решения задачи тестовых фрагментов изображений, конкретизированы связанные с этим задачи исследовния.

5. Сформулированы проблемы идентификации моделей цветовой коррекции по малому числу наблюдений, рассмотрены некоторые известные схемы робастизации оценок, обосновано применение метода согласованной идентификации.

6. Предложена последовательная схема формирования согласованных оценок и выявлено условие, при выполнении которого множество согласованных оценок совпадает с оценками, полученными полным перебором.

7. Получено условие, при выполнении которого в методе последовательного формирования согласованных оценок гарантируется попадание начальной оценки в множество согласованных оценок, что является необходимым условием высокой точности предложенного метода.

8. Проведены многочисленные эксперименты, подтверждающие высокую точность согласованных оценок, получаемых методом последовательного отбора как по сравнению с МНК, так и согласованной идентификацией с полным перебором.

9. Разработаны методы покомпонентной цветовой коррекции, основанные на идентификации моделей в виде отрезка ряда Тейлора и триангуляции Делоне, которые применимы как для решения задачи цветовой коррекции по всему полю изображения, так и для цветовой коррекции локальных областей.

10. Предложены новые параметрические классы моделей технологических искажений типа матовых и множественных точечных бликов, обеспечивающие возможность реализации автоматизированных процедур цветовой корррекции изображений.

11. Разработаны основанный на использовании так называемой функции контраста устойчивый к локальным изменениям функции яркости новый метод и алгоритм определения границ тени, а также основанный на параметрической идентификации моделей цветовых преобразований метод цветовой корекции теневых искажений.

12. Предложена архитектура программного комплекса, отвечающая требованиям кроссплатформенности, модульности и универсальности, обеспечивающая возможность декомпозиции по данным и, как следствие, высокое быстродействие обработки цифровых изображений как в режиме интеграции с инструментальной системой Adobe Fotoshop, так и в автономном режиме.

13. Метод покомпонентной цветовой коррекции, основанный на идентификации полиномиальной модели функции преобразования цветовых координат, успешноапробирован как при обработке изображения в целом, так и при цветовой коррекции локальных областей.

14. Получены результаты цветовой коррекции в локальных областях цветового пространства с использованием триангуляции Делоне, иллюстрирующие возможность получения качества, превосходящего результаты работы существующих систем автоматической цветовой коррекции.

15. Проведено тестирование разработанного программного обеспечения на реальных изображениях, в ходе которого определены параметры алгоритмов, позволяющие получать результаты цветовой коррекции, не требующие ручной «доводки», в 80% случаев.

16. Проведены испытания разработанного программного обеспечения в процессе предпечатной подготовки реальных цифровых изображений репродукций произведений живописи в издательском доме «Агни» (г. Самара). Обработано более 1,5 тысяч изображений. На подготовку такого количества изображений по традиционной технологии требуется около 3,5 тысяч часов. С использованием разработанного программного комплекса обработка была проведена менее чем за 150 часов.

На защиту выносятся следующие основные положения:

1. Новая информационная технология цветовой коррекции изображений, основанная на параметрической идентификации моделей, отличающаяся высокой степенью автоматизации.

2. Модификация метода согласованной идентификации с последовательным отбором множества согласованных оценок, обеспечивающая существенное снижение вычислительной сложности алгоритма.

3. Параметрические классы моделей бликов различного типа на цифровых изображениях и новые автоматизированные методы и алгоритмы их локализации и устранения.

4. Устойчивый к неопределенности изменения функции яркости новый метод локализации тени на изображении и основанная на параметрической идентификации моделей автоматизированная технология цветовой коррекции теневых искажений.

5. Программный комплекс для автоматизированной обработки цифровых изображений с целью цветовой коррекции и устранения артефактов.

Показать весь текст

Список литературы

  1. , Ю.И. О практической ценности теории оценок Текст. / Ю. И. Алимов // Автоматика. 1981. — № 2. — С. 84−94.
  2. , A.B. Основы работы с технологией CUDA Текст. / A.B. Боресков,
  3. A.A. Харламов. М.: ДМК Пресс, 2010. — 232с.
  4. , В.В. Вычислительные основы линейной алгебры Текст. /
  5. B.В. Воеводин. М.: Наука, 1977. — 303с.
  6. , Е.З. Линейная и нелинейная регрессия Текст. / Е. З. Демиденко. -М.: Финансы и статистика, 1981. 302с.
  7. , Д. Цвет в науке и технике Текст. / Д. Джадц, Г. Вышецки. М.: Мир. — 1978.-580 с.
  8. , P.E. Идентификация систем с шумами Текст. / P.E. Калман // Успехи математических наук. 1985. — Т.40. Вып. 4 (244). — С.27−41.
  9. , A.B. Математические методы обработки неопределенных данных Текст. / A.B. Крянев, Г. В. Лукин. М.: Физматлит, 2003. — 216с.
  10. Методы компьютерной обработки изображений Текст. / под ред. В. А. Сойфера. М.: Физматлит, 2003. — 784 с.
  11. , В.И. Методы обработки измерений Текст. / В. И. Мудров, В. Л. Кушко. М.: Сов. Радио, 1976. — 192с.
  12. , Д.М. Метод автоматизированной сегментации изображений цитологических препаратов на основе модели активного контура Текст. / Д. М. Мурашов // ТРУДЫ МФТИ. 2009. — Т.1, № 1. — С. 80−89.
  13. , A.B. Распределенная вычислительная среда коррекции цветных изображений Текст. / A.B. Никоноров, В. А. Фурсов // Труды XV
  14. Всероссийской научно-методической конференции «Телематика 2008», С. Петербург, 23−26 июня, 2008. С. 88−89.
  15. Официальный сайт программного продукта «Kodak ROC Pro» Электронный ресурс.
  16. Режим доступа: http ://asf.com/products/plugins/rocpro/pluginROCPRO/, свободный, дата доступа: июнь 2010.
  17. Официальный сайт программного продукта «Pictocolor iCorrect EditLab Pro» Электронный ресурс.
  18. Режим доступа: http. V/www.pictocolor.com/editlabpro.htm, свободный дата доступа: июнь 2010.
  19. , С.Б. Кластерная технология формирования и параллельной фильтрации больших изображений Текст. / С. Б. Попов, В. А. Сойфер, A.A. Тараканов, В. А. Фурсов // Компьютерная оптика. Самара-Москва, 2002. — Т.23 № 3. — С.75−83.
  20. Стандарты освещения CIE Электронный ресурс. Режим доступа -http://www.cie.co.at/main/freepubs.html, дата доступа: июнь 2010.
  21. , А.Н. Методы решения некорректных задач Текст. / А. Н. Тихонов. -М.:Наука, 1974.-223 с.
  22. , В.А. Идентификация моделей систем формирования изображений по малому числу наблюдений Текст. /В.А. Фурсов Самара: ИПО СГАУ, 1998. -218с.
  23. , В.А. Проблемы вычисления оценок по малому числу наблюдений Текст. / В. А. Фурсов // Лекция в трудах молодежной школы «Математическое моделирование 2001″, Самара, 13−16 июня 2001. С. 56−63.
  24. Цифровая версия атласа Манселла Электронный ресурс.
  25. Режим доступа: http://irtel.uni-mannheim.de/colsys/MunsellAO.pdf, дата доступа май 2010.
  26. , JI. Компьютерное зрение Текст. / Шапиро Л., Стокман Дж.: Пер. с англ. М.: БИНОМ. Лаборатория знаний, 2006. 752 с.
  27. , Б.А. Цвет и цветовоспроизведение Текст. / Б. А. Шашлов. -М.: Мир книги. 1995. — 316 с.
  28. Blake, A. Boundary conditions for lightness computation in Mondrain world Text. / A. Blake // Сотр. Vision, Graphics, and Image Proc. 1985. — V. 32. — P. 314−327.
  29. Bushbaum, G. Color signal coding: Color vision and color television Text. / G. Bushbaum // Color research and application. 1987. — V. 12. — P. 266−269.
  30. Chan, T.F. Active contours without edges Text. / T.F. Chan, L.A. Vese // Image Processing, IEEE Transactions on. 2001. — V. 10, Iss. 2. — P. 266−277.
  31. Cheng, L. Removing shadows from color images Text. / L. Cheng // PhD Thesis -Simon Fraser University, 2006. 155 p.
  32. Cohen, J. Dependancy of the spectral reflectance curves of the Munsel color chips Text. / J. Cohen // Psychonomic Science. 1964. — V. 1 — P. 369−370.
  33. CUDA Zone Электронный ресурс. Режим доступа: http://www.nvidia.ru/object/cudahomenewru.html, свободный дата доступа: июнь 2010. — Загл. с экрана.
  34. Finlayson, G.D. Color angle invariants for object recognition Text. / G.D. Finlayson, S.S. Chattrjee, B.V. Funt // 3rd Color Imaging Conference: Color, Science and Applications. 1995. — P. 44−47.
  35. Finlayson, G.D. Color by correlation: A simple, unifying framework for color constancy Text. / G.D. Finlayson, S.D. Hordley, P.M.Hubel // IEEE Transaction on Pattern Analisys and Machine inteligence. 2001. — V.23(l 1). — P. 1209−1221.
  36. Finlayson, G.D. Non-interative comprehensive normalization Text. / G.D. Finlayson, RuiXia Xu // First European Conference on Color in Graphics, Image and Vision. 2002. — P. 134−139.
  37. Finlayson, G.D. Retinex viewed as a gamut mapping theory of color constancy Text. / G.D. Finlayson // Proceedings of AIC International Color Association Color 97. Kyoto, Japan, 1997. — V. 2. — P. 527−530.
  38. Forsyth, D.A. A novel approach to color constancy Text. / D.A. Forsyth // Int. Conf. on Computer Vision'88. 1988. — P. 9−18.
  39. Funt, B.V. Color costant color indexing Text. / B.V. Funt G.D. Finlayson // IEEE PAMI. 1995. — V.17. — P.522−529.
  40. Fursov, V.A. Estimates Conformity Principle in the Problems of Identification. Computational Science ICCS 2003 Text. / V.A. Fursov // Proc. of International Conference Melbourne, Australia and St.-Petersburg, Russia. June 2003. — P.2. — P. 463−470.
  41. Gevers, T. Color-based object recognition Text. / T. Gevers, A.W.M. Smeuiders // Patt.Rec. 1999. — V.32. — P.453−464.
  42. Guild, J. The colorimetric properties of the spectrum Text. / John Guild // Philosophical Transactions of the Royal Society of London. Series A, Containing Papers of a Mathematical or Physical Character. The Royal Society. — 1932. -V. 230-P. 149−187.
  43. Healey, G. Global color constancy: Recognition» of object by use of illumination invariant properties of color distribution Text. / G. Healey, D. Slater // JOSA A. -1994. V.ll.-P. 3003−3010.
  44. Horn, B.K.P. Determining-lightness from an image Text. / B.K.P. Horn // Comp. Vision, Graphics, and Image Proc. 1974. — V.3. — P. 277−299.
  45. Hulbert, A. Formal connections between lightness algorithms Text. / A. Hulbert // J.Opt.Soc.Am.A. 1986. — V.3. — P. 1684−1692.
  46. Judd, D.B. Spectral distribution of typical daylight as a function of correlated color temperature Text.' / D.B. Judd, D.L. MacAdam, G. Wyszecki // In advances, in neural-information-processing systems. 1964. — V. 54. — P. 1031−1040.
  47. Kaiman, R. Noised systems identification Text. / R. Kaiman // Advances of Mathematical sciences. 1985 — V. 40, issue 4(244).
  48. Land, E.H. Lightness and retinex theory Text. / E.H. Land, J.J. McCann // J.OptSoc.Am. 1971.-V.61.-P. 1−11.
  49. Land,' E. Hi Recent advances in retinex theory Text. / E.H. Land // Vision Res. -1986.-V. 26.-P. 7−21.
  50. Lawsen, Ch.L. Solving Least Squares Problems Text. / Ch.L. Lawsen. Prentice-Hall, Inc., Englenood Cliffs, N.J., 1974. — 320 p.
  51. MacAdam, D. Projective transformation of I.C.I. color specifications Text. / D. MacAdam // JOSA. 1937. — V. 27. — P. 294−297.
  52. Maloney, L.T. Color constancy: a method for recovering surface spectral reflectance Text. / L.T. Maloney, B.A. Wandell // JOSA 1986. — V.3. — P. 29−33.
  53. Maloney, L.T. Computational approaches to color constancy Text. / L.T. Maloney // Stanford Applied Psycology Lab, Tech. Re. 1985. — P. 10.
  54. Marimont, D.H. Linear models of surfaces and illuminant spectra Text. / D.H. Marimont, B.A. Wandel // JOSA A. 1992. — P. 1905−1913.
  55. Oppenheim, A.V. Nonlinear filtering of multiplied and convolved signals Text. / A.V. Oppenheim, R.W. Schafer, T.G. Stockham // Proc. of the IEEE. 1968. -V.56, Iss.8. — P. 1264−1291.
  56. Rahman, Z. Multiscale Retinex for Color Image Enhancement Text. / Z. Rahman, D. J. Jobson, G. A. Woodell // International Conference on Image Processing (ICIP) ¦96. 1996. — V.3. — P.1003−1006.
  57. Rahman, Z. Retinex Processing for Automatic Image Enhancement Text. / Z. Rahman, D. J. Jobson, and G. A. Woodell // Journal of Electronic Imaging, January 2004. 2004. — Y. 13. — P. 100−110.
  58. Rosenfeld, A. Edge and Curve Detection: Further Experiments Text. / A. Rosenfeld, M. Thurston, Y.-H. Lee // IEEE Transaction on Computers. 1972. -V. c-21, N.7.
  59. Smart, J. Cross-platform GUI Programming with wxWidgets Text. / J. Smart [et al.]. Prentice Hall, 2000. — 714 p.
  60. Smith, T. The C.I.E. colorimetric standards and their use Text. / Thomas Smith, John Guild //Transactions of the Optical Society. 1931−1932. — V. 33(3). P. 73 134.
  61. Sobel, I.E. Camera Models and Machine Perception. PhD thesis, Stanford University, Palo Alto, CA, 1970.
  62. Vrhel, M.J. The Measurement and Analysis of Object Reflectance Spectra Text. / M.J. Vrhel, R. Gershon, L. Iwan // Color Research and Application. 1994. — V. 19. — P. 4−9.
  63. Wright, W.D. A re-determination of the trichromatic coefficients of the spectral colours / William David Wright // Transactions of the Optical Society. 1928. — V. 30.-P. 141−164.
  64. Zhang, W. Multi-scale blur estimation and edge type classification for scene analysis Text. / W. Zhang, F. Bergholm // International Journal of Computer Vision. 1997. — V. 24, iss. 3. — P. 219−250.
Заполнить форму текущей работой