Введение 3
Постановка задачи 6
Глава 1. Обзор литературы 7
1.1. Методы устранения шума 7
1.2. Детектирование 8
1.3. Обработка царапин. Алгоритмы интерполяции 9
1.4. Обработка царапин. Методы на основе нейронных сетей 13
Глава 2. Методы интерполяции 15
2.1. Метод Телеа 15
2.2. Метод Навье-Стокса 16
2.3. Метод Криминиси 18
Глава 3. Нейронные сети 20
Глава 4. Сравнение методов 23
Список литературы 27
Задача компьютерной графики состоит в обработке информации, связанной с изображениями. Она разделяется на три основных направления: визуализация, обработка изображений и распознавание изображений.
Обработка изображений — любая форма обработки информации, для которой входные данные представлены изображением и результат - тоже изображением.
Задачей обработки может быть как улучшение изображения по какому- либо определенному критерию, так и преобразование, кардинально меняющее изображение. Разные методы применяются для оцифрованных изображе- ний(фотографий, видео) и изображений, полученных при помощи компьютерной визуализации. В случае оцифровки можно заметить шум на изображении.
Важной и актуальной проблемой до сих пор является восстановление фотографий после их оцифровки, то есть еще есть необходимость в удалении различного рода шумов, царапин и других дефектов. Задача восстановления изображения заключается в том, чтобы по наблюдаемому изображению найти более полные характеристики исходного объекта. К сожалению, нет такого универсального метода, который решал бы эту задачу, и выбор методов для её решения напрямую зависит от того, что именно будет входить в задачу обработки.
В данной работе рассматриваются и сравниваются различные подходы в устранении дефектов архивных фотографий. Как правило, на таких фотографиях присутствуют царапины, образовавшиеся со временем в результате неправильного хранения, неаккуратного обращения. Современные же фотографии в основном хранятся на электронных носителях и такой проблемы не возникает. Но также к дефектам такого рода фотографий как правило относятся чрезмерная затемненность или наоборот осветленность, выцветание (если фотография цветная), шумы, перегибы и оборванные углы. Цифровая реставрация с помощью специальных программ - это довольно трудоемкий процесс, зачастую требующий много времени. Часть работы, которую приходится делать дизайнеру, можно было бы автоматизировать.
Главная задача заключается в рассмотрении методов устранения царапин при использовании методов аналитической аппроксимации, а также рассматривается возможность применения нейронных сетей и сравнение этих методов. Методы, которые сравниваются между собой:
• A.Telea (PDE),
• Navier-Stokes (PDE),
• Bertalmio (PDE),
• A. Criminisi (EBM),
• Oliveira (Texture synthesis)
Критериев для сравнения существует несколько. Но классическое сравнение, которое использовано в данной работе основано на моделировании шума и царапин: берется изображение хорошего качества, добавляется шум и царапины, и затем рассматривается изображение, восстановленное каждым из методов.
Нейронная сеть — это достаточно примечательный инструмент и представляет собой последовательность нейронов, соединенных между собой синапсами. Благодаря такой структуре, машина обретает способность анализировать и даже запоминать различную информацию. Нейронные сети также способны не только анализировать входящую информацию, но и воспроизводить ее из своей памяти. Стоит заметить, что уже существует на тему реконструкции изображений работы с нейронными сети, которые показывают довольно хорошие результаты.
В дополнение проводится краткий обзор для устранения шумов основных фильтров, таких как фильтры Винера, медианные, ранжирующие. Однако сравнение фильтров по устранению шумов уже проводилось в работе [5].
Изучены различные подходы, применяемые для устранения дефектов, встречающихся в архивных фотографиях.
Проведён их сравнительный анализ. Методы, использующие дифференциальные уравнения, оказались эффективными в ситуациях, когда размеры изъянов значительно меньше размера восстанавливаемого изображения. Алгоритмы, основанные на искусственных нейронных сетях, меняют изображение целиком, поэтому хорошо справляются с дефектами большого размера.
