Помощь в написании студенческих работ
Антистрессовый сервис

Разработка методов построения многооткликовых моделей для коррекции цвета компьютерных изображений и моделирование процессов выцветания физических изображений

ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Выполнен сравнительный анализ точности цветовоспроизведения профессиональных и полупрофессиональных цветных планшетных сканеров. Разработана методика и проведен эксперимент по анализу ковариационной матрицы ошибок наблюдений «внутри цвета», «между цветами» и «между сканированиями» для различных марок сканеров. Получены средневзвешенные ковариационные матрицы «эффекта сканирования» и показано, что… Читать ещё >

Разработка методов построения многооткликовых моделей для коррекции цвета компьютерных изображений и моделирование процессов выцветания физических изображений (реферат, курсовая, диплом, контрольная)

Содержание

  • Глава 1. Цветовые модели как методы количественного описания цвета и анализ Ошибок наблюдения цветовых координат
    • 1. 1. Колориметрические параметры описания цвета
      • 1. 1. 1. Основы количественного описания цвета
      • 1. 1. 2. Параметры цветового зрения
      • 1. 1. 3. Цветовое соответствие
      • 1. 1. 4. МКО стандартные излучения
      • 1. 1. 5. Стандартные колориметрические системы
    • 1. 2. Цветовые различия и однородные цветовые пространства
      • 1. 2. 1. Равноконтрастная система и цветовой контраст
      • 1. 2. 2. Цветовое пространство CIELab
    • 1. 3. Модели описания цвета в персональных компьютерах
      • 1. 3. 1. Модель RGB
      • 1. 3. 2. Модель Lab
    • 1. 4. Методы оценивания точности воспроизведения цвета
      • 1. 4. 1. Основы оценивания различия цветов
      • 1. 4. 2. Анализ распределения ошибок воспроизведения цвета
      • 1. 4. 3. Интерпретация ошибок в равноконтрастной системе цветовых координат
    • 1. 5. Исследование точности цветовоспроизведения при сжатии файлов изображений
      • 1. 5. 1. Использование гистограмм яркости
      • 1. 5. 2. Типы исследуемых изображений
      • 1. 5. 3. Оценивание параметров распределения ошибок наблюдения
      • 1. 5. 4. Определение допустимого уровня сжатия файлов. ф
    • 1. 6. Выводы
  • Глава 2. Разработка методик коррекции цвета и тона компьютерных изображений с использованием тональных кривых и методы автоматизации построения корректирующей функции
    • 2. 1. Методы получения исходных файлов изображений
      • 2. 1. 1. Настройка процесса сканирования
      • 2. 1. 2. Использование гистограмм яркости для оценивания качества сканирования
      • 2. 1. 3. Сканирование фотопленок
      • 2. 1. 4. Цифровые фотокамеры
    • 2. 2. Принципы коррекции цвета и тона
      • 2. 2. 1. Система зон и коррекция тонов
      • 2. 2. 2. Установка белой и черной точек изображения
      • 2. 2. 3. Установка средних тонов
    • 2. 3. Методы коррекции тональных диапазонов
      • 2. 3. 1. Настроечная кривая
      • 2. 3. 2. Коррекция черно-белых изображений
      • 2. 3. 3. Коррекция цветового баланса
      • 2. 3. 4. Коррекция изображений, не содержащих явно выраженных черной щ или белой точки
    • 2. 4. Комплексная коррекция цветных изображений
      • 2. 4. 1. Настройка тональных кривых
      • 2. 4. 2. Использование настроечных кривых в модели Lab
    • 2. 5. Коррекция изображений с помощью образцов цветов
    • 2. 6. Автоматизация процесса построения тональной кривой
      • 2. 6. 1. Интерполяция настроечной кривой с помощью сплайнов
      • 2. 6. 2. Программа построения корректирующей функции
      • 2. 6. 3. Результаты коррекции в автоматизированном режиме
    • 2. 7. Выводы
  • Глава 3. Анализ и разработка алгоритмов построения многооткликовых регрессионных моделей коррекции цвета компьютерных изображений
    • 3. 1. Метод максимального правдоподобия для оценивания коэффициентов многооткликовых моделей
      • 3. 1. 1. Нелинейная модель
      • 3. 1. 2. Линейная модель
      • 3. 1. 3. Постоянная ковариационная матрица
      • 3. 1. 4. Известная диагональная ковариационная матрица
      • 3. 1. 5. Неизвестная диагональная ковариационная матрица
      • 3. 1. 6. Неизвестная недиагональная ковариационная матрица
      • 3. 1. 7. Целевая функция
    • 3. 2. Анализ методов оптимизации для оценивания коэффициентов многооткликовой модели
      • 3. 2. 1. Постановка задачи оптимизации
      • 3. 2. 2. Задачи максимального правдоподобия
      • 3. 2. 3. Метод наискорейшего спуска
      • 3. 2. 4. Метод Ньютона-Рафсона
      • 3. 2. 5. Метод Марквардта
      • 3. 2. 6. Метод Гаусса
      • 3. 2. 7. Методы переменной метрики
      • 3. 2. 8. Размер шага
      • 3. 2. 9. Критерии останова
      • 3. 2. 10. Начальные приближения
      • 3. 2. 11. Сравнительный анализ методов оптимизации
    • 3. 3. Ковариационная матрица оценок коэффициентов
      • 3. 3. 1. Разложение целевой функции
      • 3. 3. 2. Линеаризация модели
    • 3. 4. Выбор типа модели и критерии проверки адекватности
      • 3. 4. 1. Методика выбора типа модели
      • 3. 4. 2. Критерии проверки адекватности
      • 3. 4. 3. Проверка на нулевое среднее
      • 3. 4. 4. Проверка ковариационных матриц на однородность
      • 3. 4. 5. Проверка гипотезы о равенстве математических ожиданий между группами
      • 3. 4. 6. Проверка некоррелированности ошибок наблюдений
    • 3. 5. Предсказание по модели
      • 3. 5. 1. Прогнозирование отклика
      • 3. 5. 2. Обратное прогнозирование
    • 3. 6. Выводы
  • Глава 4. Анализ ковариационных матриц ошибок наблюдений цветовых координат и методы построения многооткликовых моделей для коррекции цвета
    • 4. 1. Традиционные подходы к решению проблемы коррекции цвета
    • 4. 2. Методика построения многооткликовой модели коррекции цветных изображений
      • 4. 2. 1. Представление модели коррекции цветовых координат в виде многооткликовой регрессионной модели
      • 4. 2. 2. Расчет коэффициентов модели для группированных данных
    • 4. 3. Дискриминация моделей
      • 4. 3. 1. Процедура дискриминации моделей
      • 4. 3. 2. Логарифм функции правдоподобия при дублировании наблюдений
      • 4. 3. 3. Расчет дисперсии логарифма функции правдоподобия
      • 4. 3. 4. Расчет критерия дискриминации по всему изображению
      • 4. 3. 5. Проверка адекватности хМодели
    • 4. 4. Расчет скорректированных значений цветовых координат
    • 4. 5. Цветовые мишени
      • 4. 5. 1. Система цветов цветовых мишеней
      • 4. 5. 2. Цветовые координаты Lab исследуемой цветовой мишени
    • 4. 6. Анализ ковариационной матрицы ошибок наблюдений
      • 4. 6. 1. Группировка цветовых координат
      • 4. 6. 2. Расчет элементов ковариационных матриц
      • 4. 6. 3. Выявление выбросов
      • 4. 6. 4. Проверка однородности дисперсий
      • 4. 6. 5. Проверка значимости оценок ковариаций
    • 4. 7. Проверка нормальности распределения ошибок наблюдений
      • 4. 7. 1. Пример двумерной гистограммы
      • 4. 7. 2. Использование модифицированного критерия Пирсона для проверки гипотезы о нормальности
    • 4. 8. Построение модели реставрации черно-белых изображений
      • 4. 8. 1. Вид модели для коррекции черно-белых изображений
      • 4. 8. 2. Расчет оценок коэффициентов многооткликовой однофакторной модели
      • 4. 8. 3. Расчет скорректированных значений цветовых координат черно-белых изображений
    • 4. 9. Выводы
  • Глава 5. Построение колориметрических моделей цветовой коррекции сканеров и анализ ее результатов
    • 5. 1. Обзор технических параметров современных сканеров среднего класса
    • 5. 2. Расчет элементов ковариационной матрицы ошибок наблюдений цветовых координат
      • 5. 2. 1. Методика проведения эксперимента
      • 5. 2. 2. Проверка нормальности распределения цветовых координат
    • 5. 3. Анализ эффектов цвета и эффектов сканирования
      • 5. 3. 1. Методика анализа и сканирования цветовой мишени
      • 5. 3. 2. Результаты эксперимента
    • 5. 4. Моделирование неоднородности ковариационных матриц
    • 5. 5. Построение колористических моделей Lab — RGB — Lab
      • 5. 5. 1. Факторы, влияющие на вид модели
      • 5. 5. 2. Линеаризация цветовых координат
      • 5. 5. 3. Построение модели цветовой коррекции сканеров
    • 5. 6. Выводы
  • Глава 6. Построение и использование моделей коррекции цвета цифровых фотографий
    • 6. 1. Технические характеристики современных цифровых фотокамер
    • 6. 2. Анализ ковариационных матриц ошибок наблюдений
    • 6. 3. Получение точных цифровых репродукций
      • 6. 3. 1. Выбор оптимального количества цветовых образцов и их размера
      • 6. 3. 2. Определение оптимального плана эксперимента
    • 6. 4. Разработка метода коррекции цифровых фотографий
      • 6. 4. 1. Референтные цвета
      • 6. 4. 2. Оценивание коэффициентов взвешенным методом максимального правдоподобия
      • 6. 4. 3. Байесовский метод построения модели цветовой коррекции
      • 6. 4. 4. Результаты эксперимента по коррекции цвета фотографий
    • 6. 5. Выводы
  • Глава 7. Построение моделей выцветания и прогнозирование срока службы физических изображений
    • 7. 1. Старение цветных фотографий
    • 7. 2. Матрица выцветания
    • 7. 3. Многооткликовая регрессионно-временная модель
    • 7. 4. Индивидуальное прогнозирование срока службы
    • 7. 5. Групповое прогнозирование срока службы
      • 7. 5. 1. Оценивание параметров действительного распределения срока службы по результатам индивидуального прогнозирования
      • 7. 5. 2. Проверка гипотезы о виде закона распределения по малой выборке методом вкладов
    • 7. 6. Построение регрессионно-временной модели для переменного режима испытаний
    • 7. 7. Методика проведения и результаты испытаний
      • 7. 7. 1. Методика испытаний в переменном режиме
      • 7. 7. 2. Выбор вида модели и проверка ее адекватности
      • 7. 7. 3. Аппроксимация зависимости ковариационной матрицы ошибок наблюдений от времени
      • 7. 7. 4. Прогнозирование срока службы
      • 7. 7. 5. Проверка прогнозирующей способности модели
    • 7. 8. Выводы
  • Глава 8. Билингвальные терминологические основы компьютерной графики и разработка толкового словаря терминов
    • 8. 1. Проблемы преподавания процессов компьютерной графики
      • 8. 1. 1. Динамичность и инвариантность компьютерной графики
      • 8. 1. 2. Локализация программных продуктов
      • 8. 1. 3. Методы русификации экранного диалога
      • 8. 1. 4. Актуальность билингвальных терминологических основ компьютерной графики
    • 8. 2. Энциклопедический иллюстрированный словарь по компьютерной графике в сети Интернет
      • 8. 2. 1. Структура энциклопедического словаря
      • 8. 2. 2. Основные достоинства словаря
    • 8. 3. Несколько примеров характерных словарных статей
    • 8. 4. Выводы

Современный рынок цветных изображений в значительной степени расширился за счет использования таких изображений не только в таких традиционных сферах, как телевидение, полиграфия и фотография, но и в профессиональных целях в научных исследованиях, на производстве, в медицине, в архивном деле. В некоторых приложениях требования к качеству отображаемого цвета весьма высоки. Художникам требуется точное воспроизведение цвета, цвет должен точно воспроизводится в изображениях экспонатов археологов, при получении репродукций картин известных художников, цвет играет очень важную роль в текстильной промышленности, автомобильной, в дизайне и архитектуре. Цветные изображения передаются по компьютерным сетям и широко распространяются в сети Интернет. В связи с этим вопросы точного воспроизведения цвета и оценки качества изображений приобретают первостепенное значение. Задача цветовой коррекции состоит в устранении искажений цвета, возникающих не только при проведении репродукционного процесса, но и искажений, возникающих из-за разных условий рассматривания изображения и оригинала. Актуальной является и задача исследования процесса выцвегания фотографий, цветных изображений, полученных с помощью принтеров, полиграфических изображений и других подвергающихся старению цветных изображений и оценивание их срока службы.

В основе синтеза цветов лежит трехкомпонентная теория цветового зрения, основные положения которой были высказаны в XVIII веке Ломоносовым и получили развитие в работах Максвелла и Геймгольца во второй половине XIX века. В начале 40-х годов многочисленные исследования в области цветного репродуцирования подытожил в своем труде Н. Д. Нюберг [ 1]. Он выделил три возможных типа постановки задачи цветного репродуцирования, итогом которых является физически точная, физиологически точная и психологически точная репродукция.

Физически точной является такая репродукция, при которой имеется совпадение абсолютных распределений энергий для любых двух соответствующих точек оригинала и репродукции.

Физиологически точная репродукция полностью совпадает с оригиналом в колориметрическом смысле.

Случай, когда большинством наблюдателей признается соответствие репродукции оригиналу при заведомом несоблюдении физиологической точности, вошел в науку под названием психологической точности.

Цветовая коррекция, основанная на колориметрической точности и проводимая с установкой на равенство визуальных впечатлений, представляется весьма перспективной вследствие неоспоримой оптимальности достигаемых результатов.

Основы методов оценивания качества цветовоспроизведения и цветовой коррекции, заложенные Н. Д. Нюбергом, были развиты в работах М. М. Гуревича [2], Р. Ханта (RJIant) [3], Ю. Н. Гороховского [4], В. Д. Глезера и И. И. Цукермана [5], JI.A. Артюшина [6].

Для проведения с изображениями любых оценочных действий необходимы методы получения объективных количественных оценок характеристик цвета и цветовых различий. Подобные методы (они называются колориметрическими) делятся на два типа:

• методы, в которых цвета предметов сопоставляют с цветовым эталоном, взятым из стандартной системы образцов;

• методы, основанные на трехцветной теории зрения.

Цветовые эталонные образцы — это чаще всего оттиски, полученные типовыми красками на разных видах бумаги. Из них составляют различного рода цветовые шкалы. Эти методы позволяют судить о степени визуального совпадения цвета на отпечатке с цветом образца, но сами по себе не дают количественную характеристику воздействиям на глаз цветов различных излучений. Для объективной количественной характеристики цвета обычно используются методы второго типа, позволяющие производить количественные сравнения качества воспроизведения цвета на основе определения цветовых координат.

Методы коррекции цвета фактически получили свое развитие только после появления персональных компьютеров с развитыми графическими возможностями. Вместо трудоемкой работы по экспериментальному определению цветовых искажений и вычислению параметров маскирования современные методы компьютерной обработки цифровых изображений позволяют поставить задачу по устранению искажений цвета на научную основу и использовать для этой цели методы математического моделирования.

Для получения цифровых изображений, изображения реального мира, аналоговые, непрерывные в пространстве, должны быть оцифрованы. Технология приобретения цифровых изображений в последние годы была существенно усовершенствована, а цены соответствующего оборудования значительно уменьшились. Традиционные аналоговые изображения быстро теряют свою долю рынка. Однако в этой сфере остается несколько сложных нерешенных проблем, в частности обеспечение колориметрической (цветометрической) точности и достоверности.

Основы подхода к коррекции цвета цифровых изображений заложены в книге «Digital Image Restoration» X. Андрюса (Я. С. Andrews) и Б. Ханта (В. Hunt) [7], опубликованной в 1977 году. Дальнейшее развитие методов коррекции во многом зависело от развития соответствующих технических и программных средств вычислительной техники. Всего лишь несколько лет назад системы компьютерной графики, воспроизводящие 256 различных цветов вполне удовлетворяли пользователей компьютеров. Современные графические возможности компьютеров позволяют отображать 16 миллионов цветов (это формальное число, количество же реально получаемых цветовых оттенков на экране монитора составляет около 1 миллиона), что обеспечивает так называемый естественный цвет {true color). За последние двадцать лет редактирование цифровых цветных изображений превратилось из чисто научной области в одну из главных задач компьютерной техники. Цифровые изображения приходят из разных источников — из сети Интернет, получаются сканированием или цифровой фотокамерой, захватом кадров телевидения. После обработки изображение обычно сжимается и передается для просмотра, редактирования или печати. В этом процессе одним из главных моментов является обеспечение цветового соответствия. Каждый сканнер, цифровая фотокамера, монитор, принтер или другое цветовоспроизодящее оборудование регистрирует или отображает цвет своим собственным приборно-зависимым образом. Для обеспечения правильного обмена изображениями эти устройства должны быть откалиброваны в процессах приобретения и воспроизведения цветных изображений в соответствии с приборно-независимым цветовым пространством.

Основным средством работы с цифровыми изображениями являются коммерчески доступные графические программы, которые представляют одно из наиболее интенсивно развиваемых в настоящее время направлений программных средств персональных компьютеров (ПК). Программы векторной графики обладают фундаментальными возможностями выбора и редактирования отдельных объектов изображения, идеально гладкое масштабирование, гибкая и разветвленная система инструментов рисования и преобразования графических объектов и мощные средства обработки текстов, не уступающие по возможностям издательским системам. Однако такие программы не предназначены для тонкой коррекции тона и цвета фотореалистических изображений.

Растровая графика предназначена в первую очередь для обработки компьютерных изображений, которые получаются сканированием реальных фотографий или получены с помощью цифровой фотокамеры. Существенное возрастание спроса на графические программы обусловлен бурным развитием относительно дешевой цифровой фотографии (фотоаппараты дешевле $ 100). К растровой графике относится большое количество таких программ, как PhotoShop, Corel PhotoPaint, Photo Finish, PhotoStyler, PhotoDeluxe и т. п. Программа компьютерной графики PhotoShop фирмы Adobe, играет доминирующую роль среди профессиональных программ улучшения / обработки / редактирования изображений (pro image enhancement / manipulating / editing software). Выпущенная в 1995 г. версия Photoshop 3.0, через год четвертая версия, а затем пятая и шестая привлекли специалистов широчайшим спектром инструментов, не имевшихся ранее в аналогичных программах. Программа Photoshop специально разработана для обработки фотографических изображений. На смену традиционным грифелям, скребкам, кисточкам, прозрачным и кроющим краскам, различным химикатам, растушевкам и тампонам пришли компьютерные модели, которые позволяют делать аналогичную pa6oiy с цифровыми изображениями и при этом предоставляют возможность неограниченно варьировать их параметры. Одной из главных проблем при работе с растровыми изображениями являются вопросы правильного отображения цвета и вопросы цветовой и тоновой коррекции изображений.

Несмотря на обилие графических программ, в настоящее время недостаточно разработаны методики коррекции цвета в среде этих пакетов. Графические пакеты ориентированы на визуальный, субъективный контроль качества цветовоспроизведения, они не позволяют решать задачу коррекции цвета и тона изображений на основе использования количественных критериев и не дают инструментов сравнения качества изображений, отредактированных различными способами. Не разработаны процедуры использования средств автоматизации для целей цветокоррекции, таких как язык программирования Corel Visual Basic for Applications с графическими возможностями. Поэтому в настоящее время актуальной является проблема разработки методик и программ коррекции цвета и тона в коммерчески доступных графических пакетах.

Несмотря на развитые средства редактирования изображений, коммерческие графические программы не имеют возможностей выполнения глубокого редактирования растровых изображений с изменением цвета каждого пикселя в отдельности, но заданному закону.

Подобную возможность, однако, предоставляют современные языки программирования, имеющие средства обработки изображений, как например язык.

Visual Basic. Такие языки дают возможность использования различных алгоритмов цифровой обработки изображений на основе определенных критериев оптимизации.

Большой вклад в разработку алгоритмов цифровой обработки изображений внесла научная школа, возглавляемая академиком Российской Академии Наук Ю. И. Журавлевым и отечественные ученые Института систем обработки изображений РАН В. А. Сойфер, В. В. Мясников, С. Б. Попов, В. В. Сергеев и другие. Важную роль в развитии науки об анализе изображений играет Российская общественная организация «Ассоциация распознавания образов и анализа изображений».

Актуальность проблемы анализа и обработки изображений в настоящее время нашла отражение в утвержденном Президентом Российской Федерации В. В. Путиным весной 2002 года фундаментальном документе: «Основы политики Российской Федерации в области развития науки и технологий на период до 2010 года и дальнейшую перспективу». В приложении к этому документу утверждены «Приоритетные направления науки, технологий и техники Российской Федерации», которые включают в качестве отдельных технологий такие направления, как «Компьютерное моделирование» и «Распознавание образов и анализ изображений».

Несмотря на большую работу, проводимую в направлении разработки алгоритмов анализа изображений, и полученные положительные результаты, проблемы анализа и коррекции цвета компьютерных изображений остаются исследованы недостаточно, фактически отсутствуют практически реализованные методы коррекции цвета и тона. С другой стороны потребность в таких методах определенно имеется и постоянно возрастает.

Весьма актуальной поэтому является проблема построения и анализа математических моделей цветовой коррекции, которые могут быть реализованы программно. Математические модели могут использоваться и для анализа и исследования процессов деградации цветных изображений, таких как фотографические, полиграфические и изображения, полученные на цветных принтерах. Подобные модели позволили бы разработать методы объективного оценивания срока службы таких физических изображений и сравнить различные материалы по этому критерию.

Процесс широкого внедрения средств редактирования цветных изображений в различные области компьютерной техники и их развитие в различных графических программных продуктах выдвигают на передний план еще одну проблему, связанную с технологическими процессами управления цветом. Этой проблемой является терминологическая среда. Анализ и изучение терминологии (англоязычной и русскоязычной) компьютерной графики фактически дает базовые знания этой области, без которых практически невозможно полноценное изучение и освоение процессов и методов управления цветом и использование соответствующих программных продуктов. Проблема эта в настоящее время широко обсуждается в литературе и одним из ее решений предлагается использование терминологических словарей по компьютерной графике. Большой вклад в решение этого вопроса вносят Э. М. Пройдаков и JI.A. Теплицкий [8]. Существенным недостатком имеющихся подобных словарей является то, что все они не являются специализированными и дают лишь краткий перевод соответствующего термина, не представляя его широкого толкования, что часто является необходимым для понимания смысла данного понятия. Поэтому представляется весьма актуальным создание толкового словаря по терминам компьютерной графики, содержащего расширенное толкование терминов с примерами и иллюстрациями. Особенно полезной для пользователей является on-line версия такого словаря.

Целью настоящей работы является повышение качества воспроизведения цвета в процессах получения компьютерных изображений методами сканирования и при фотографировании обычными и цифровыми фотокамерами, а также моделирование процессов старения физических изображений и оценивание их сохраняемости. Для достижения поставленной цели в диссертационной работе решены следующие основные задачи:

1. Проведен анализ цветовых моделей и предложен метод оценивания различия цветных изображений. Показано, как предложенный метод может быть использован для анализа ошибок воспроизведения цвета на примере ошибок, возникающих при сжатии графических файлов. Разработана программа построения настроечной кривой с помощью интерполяции кубическим сплайном, что обеспечивает лучшие результаты коррекции, чем стандартное сглаживание.

2. Теоретически исследованы методы построения и анализа многооткликовых моделей и возможности их использования для коррекции цвета компьютерных изображений.

3. Разработана методика анализа ковариационной матрицы ошибок наблюдений цветовых координат с использованием цветовых мишеней и предложен метод аппроксимации зависимости элементов этих. матриц от значений цветовых координат.

4. Разработаны алгоритмы выбора вида многооткликовой модели, разработаны алгоритмы расчета оценок коэффициентов этих моделей и расчета скорректированных значений цветовых координат. Проведен анализ качества воспроизведения цвета профессиональными и полупрофессиональными сканерами и показано, как использование моделей коррекции цвета позволяет значительно повысить точность воспроизведения цвета.

5. Предложен метод коррекции цвета для цифровых фотокамер и экспериментально показано, как применение этого метода позволяет повысить точность цветопередачи при получении репродукций.

6. Предложен метод построения и использования многооткликовых моделей для моделирования процессов выцветания физических изображений. Разработан метод оценивания срока службы физических изображений с учетом переменных условий эксплуатации. Проведены эксперименты по оцениванию срока службы различных физических изображений по результатам сокращенных испытаний в переменных условиях эксплуатации. Полученные результаты позволяют сравнить срок службы изображений, полученных с помощью различных технологий.

7. Разработан и размещен в Интернет иллюстрированный энциклопедический словарь по компьютерной графике {http://niac.natm.ni/graphinfd). Этот толковый словарь, созданный при поддержке фонда Сороса, включает как концепции и основополагающие термины, относящиеся к технологиям компьютерной графики и к информационным технологиям, так и постоянно возникающие новые термины и определения (на английском и на русском языках).

Практическая ценность и реализация работы состоят в следующем.

1. Разработана методика и комплекс соответствующих программы на языке Visual Basic построения многооткликовой модели коррекции цвета сканеров и цифровых фотокахМер с помощью цветовой мишени с учетом группировки данных.

2. Разработана методика и программы коррекции цвета изображений, полученных обычными и цифровыми фотокамерами на основании калиброванных цветовых образцов. Разработана процедура определения числа и размера таких образцов, а также приведены алгоритмы выбора оптимального состава референтных цветов.

3. Разработана методика оценивания срока службы физических изображений в переменном режиме эксплуатации на основании многооткликовой регрессионно-временной модели. Эта методика была использована для моделирования испытаний в переменном режиме эксплуатации, результаты которого подтверждают адекватность предложенной модели.

4. Опубликован ряд учебных изданий в центральной печати и учебных пособий, направленных на обучение и преподавание современных технологий компьютерной графики. С целью обеспечения дистанционного преподавания процедур цветовой коррекции разработан энциклопедический иллюстрированный словарь терминов компьютерной графики, включающий основы методов цветовой коррекции.

Результаты работы внедрены на ряде предприятий и организаций и используются в учебном процессе. Основные положения и результаты работы докладывались и обсуждались на 16-ти Всероссийских и международных конференциях. По теме диссертации всего опубликовано 51 научная и научно-методическая работа. В их числе В монографий (в том числе 6 монографий издано в центральной печати), 30 статей, 2 учебных пособия (в том числе одно учебное пособие издано с грифом министерства образования РФ).

На защиту выносятся следующие научные положения.

1. Объективной основой для сравнения компьютерных изображений служит распределение вероятности ошибки АЕаЪ, представляющей разность двух изображений в однородном цветовом пространстве Lab. В качестве количественных критериев разности изображений используются параметры этого распределения.

2. Методы построения многооткликовых регрессионных моделей в цветовых пространствах Lab-RGB-Lab представляют методическую базу для целей цветовой коррекции компьютерных изображений и обеспечивают построение моделей коррекции цвета изображений различных типов.

3. Использование многооткликовых моделей цветовой коррекции для калибровки сканеров и цифровых фотокамер обеспечивает высокую точность воспроизведения цвета получаемых изображений и позволяет объективно сравнивать величины систематических и стохастических ошибок цветовоспроизведения для различного оборудования.

4. Использование многооткликовых моделей для коррекции цвета фотографий, получаемых пленочными и цифровыми фотокамерами, позволяет выполнять индивидуальную цветовую коррекцию изображений с использованием небольшого количества референтных цветов в изображении с учетом их психологической значимости.

5. Многооткликовые модели коррекции цвета позволяют моделировать результаты испытаний физических изображений в переменном режиме эксплуатации и прогнозировать срок службы изображений, полученных на основании различных технологических процессов.

6. Представление основ технологий компьютерной графики, в том числе и цветовой коррекции, в форме интерактивного иллюстрированного словаря, разработанного на базе HTML технологии и размещенного в Интернет, позволяет сократить время и повысить качество овладения технологиями компьютерной графики.

8.4. Выводы.

1. На основе опыта преподавания дисциплин компьютерной графики и подготовки учебных материалов для пользователей различных уровней выделен базовый, инвариантный базис компьютерной графики, обеспечивающий фундаментальную подготовку в области компьютерной графики и работы с графическими программами. Определено содержание этого базиса, включающего пользовательский интерфейс, базовые понятия о цвете и цветовых моделях, основы растровой и векторной графики и принципы работы с текстом. Показано, что одной из наиболее важных проблем обучения компьютерной графике является языковый барьер.

2. Выполнен анализ методов русификации программных продуктов. Показано, что необходимым элементом изучения и преподавания информационных технологий и, в частности, компьютерной графики является изучение и систематизация англорусских терминов информационных технологий. Особенно важно изучать англоязычные термины, которые, в отличие от русскоязычных терминов, не изменяются от одной версии программы к другой версии и для них существует единообразие для программ векторной и растровой графики. Это профессиональный язык становится обязательной составной частью подготовки специалистов по информационным технологиям, в частности, по компьютерной графике.

3. В качестве инструмента, реализующего как инвариантную образовательную составляющую методики изучения и преподавания компьютерной графики, так и учитывающего динамичность развития информационных технологий, разработан иллюстрированный энциклопедический словарь по компьютерной графике, анимации, мультимедиа и САПР в сети Интернет (http://niac.natm.ru/graphinfo). Словарь включает около 500 тематических иллюстрированных статей и предназначен как для обучения по соответствующим темам, так и для изучения терминологии и для целей перевода. Весь этот материал практически невозможно адекватно представить традиционными образовательными методиками и инструментами, поскольку в этом случае необходима большая степень его интеграции, реализуемая на основании HTML технологии.

ЗАКЛЮЧЕНИЕ

.

В процессе выполнения работы были получены следующие научные, научнометодические и экспериментальные результаты.

1. Разработан метод оценивания различия цветных изображений и показано, как предложенный метод может быть использован для анализа ошибок воспроизведения цвета. Приводится метод расчета параметров распределения ошибок наблюдений цвета для каждого цветового канала и расчета распределения общей ошибки цветовоспроизведения. Квантили распределения этих ошибок рассчитываются методом статистического моделирования. Разработанный мегод количественного оценивания величины ошибки цветовоспроизведения использовался для оценивания качества цветовоспроизведения изображений, файлы которых подвергались сжатию с потерями с различной степенью сжатия и с помощью различных алгоритмов сжатия: JPEG и WI. Для анализа использовались три типа изображений: стандартные фотографические и синтетические, а также изображения настенных фресок, для которых определялся допустимый уровень сжатия графических файлов. Результаты расчетов показывают, что алгоритм сжатия JPEG лучше работает при низких уровнях сжатия фотографических изображений, а алгоритм WI — при высоких уровнях сжатия для этих изображений. Для синтетических изображений качество обоих алгоритмов приблизительно одинаково. Для этих же типов изображений было выполнено исследование ошибки цветовоспроизведения при редуцировании цвета. Из рассмотренных моделей наибольшую точность обеспечивают палитры Adaptive и Optimized, но и эти палитры не обеспечивает необходимой точности цветовоспроизведения фотографических изображений. Даны рекомендации по выбору коэффициента сжатия для различных типов изображений. Изображения настенных фресок фактически ведут себя как естественные фотографические изображения. При допустимой ошибке цветовоспроизведения.

ДЕаЪ = 6 для таких изображений рекомендуется коэффициент сжатия не более 10 при использовании алгоритма сжатия JPEG. Для получения изображений без искажений (AEab < 1), сжатие вообще не допускается.

2. Систематически изложены принципы коррекции тона и цвета цифровых изображений и показано, как для настройки тонов используются тональные диапазоны. Выработаны рекомендации по анализу содержания изображения, по настройке белой и черной точек и средних тонов изображения с помощью настроечных кривых. Выработаны рекомендации для настройки цветового баланса путем регулирования настроечных кривых для каждого канала в отдельности как в режиме RGB, так и в режиме Lab. Использование режима Lab рекомендуется для коррекции сильных цветовых искажений. Предложена методика цветовой коррекции с помощью образцов цветов, что позволяет существенно повысить точности и достоверность изображений. Разработана программа на языке CorelScript, позволяющая автоматизировать процесс цветовой коррекции с использованием до 300 референтных цветов. Разработанная программа позволяет автоматизировать все операции по построению корректирующей тональной кривой на основе кубического сплайна. Изложены методические основы коррекции черно-белых изображений. Показано, что для коррекции таких изображений при сканировании необходимо использовать цветной режим, а цветовая коррекция для черно-белых изображений выполняется также, как и для цветных. Использование разработанной программы цветокоррекции обеспечивает уменьшение ошибки АЕаЬ в среднем на 28%.

3. Проанализированы подходы к решению задачи точной цветовой коррекции всего изображения в целом и показано, что одним из наиболее перспективных направлений является построение математических моделей, связывающих истинные и наблюдаемые цветовые координаты наблюдаемых цветов. Предложена многооткликовая модель, связывающая вектор цветовых координат исходного изображения и вектор наблюдаемых цветовых координат. Разработана итерационная процедура расчета максимально правдоподобных оценок коэффициентов, основанная на модифицированном методе Гаусса, наиболее эффективная с точки зрения точности и скорости сходимости. Для получения начальных приближений коэффициентов разработана программа расчета этих приближений с помощью метода статистического моделирования. Предложена процедура дискриминации альтернативных моделей цветовой коррекции на основании среднего логарифма отношения правдоподобия и выведены выражения для расчета логарифма функции правдоподобия и его дисперсии для отдельного цветового образца с учетом дублирования наблюдений, получены выражения для расчета скорректированных цветовых координат пикселей на основании построенной модели и ковариационной матрицы этих оценок. Разработан метод анализа ковариационной матрицы ошибок наблюдений, включающий расчет элементов ковариационных матриц с учетом группировки цветовых координат, выявление аномальных значений, проверку значимости оценок коэффициентов корреляций и их корректирование. Предложен метод проверки нормальности распределения ошибок наблюдений на основании модифицированного критерия Пирсона, в котором количество интервалов равно широте выборки, проведен численный анализ его точности и даны рекомендации по его использованию. На основании многоткликовой модели разработаны алгоритмы расчета скорректированных значений цветовых координат и их ковариационной матрицы для цветных и черно-белых изображений.

4. Выполнен сравнительный анализ точности цветовоспроизведения профессиональных и полупрофессиональных цветных планшетных сканеров. Разработана методика и проведен эксперимент по анализу ковариационной матрицы ошибок наблюдений «внутри цвета», «между цветами» и «между сканированиями» для различных марок сканеров. Получены средневзвешенные ковариационные матрицы «эффекта сканирования» и показано, что эффект сканирования можно считать незначительным, что позволяет выполнять калибровку сканера один раз на определенный период времени. Ковариационные матрицы ошибок наблюдений «внутри цвета» оказываются неоднородными для различных цветов. Для учета неоднородности этих ковариационных матриц зависимость величин их элементов от значений цветовых координат представлена в виде квадратичной шестиоткликовой модели, коэффициенты которой рассчитаны на основании процедуры шаговой регрессии с убыванием числа коэффициентов. Эта модель далее используется для расчета оценок коэффициентов калибровочной модели. Проанализированы возможные механизмы нелинейности сканирования, предложен набор соответствующих нелинейных функций и проведен выбор наиболее правдоподобной модели, описывающей эту нелинейность. Калибровочная модель, связывающая сканированные RGB цветовые координаты и цветовые координаты Lab калиброванной цветовой мишени строилась на основании полного трехоткликового полинома третьей степени с дальнейшим применением процедуры шаговой регрессии с убыванием числа членов. Применение шаговой процедуры позволяет снизить число коэффициентов калибровочной модели до 32−39. После расчета оценок коэффициентов калибровочной модели, для каждого цвета изображения методом обратного прогнозирования выполнялся пересчет RGB цветовых координат сканированного изображения в скорректированные цветовые координаты Lab. Показано, что использование поставляемых программ цветокоррекции дает примерно такие же результаты, как и процедура, разработанная во второй главе для тоновых кривых вида Smooth style 2 (тоновые кривые типа Strait line segments дают во всех случаях худшие результаты), и обеспечивает уменьшение ошибки АЕаЬ в среднем на 30%. Использование в качестве модели коррекции трех одномерных моделей в виде полного полинома третьей степени обеспечивает уменьшение ошибки ДЕаЬ в среднем на 43,4%. Использование многооткликовых моделей с линеаризацией позволяет уменьшить эту ошибку в среднем на 75,8% до величин 11,5 при максимальной ошибке не более 2,85. Эти результаты доказывают высокую точность коррекции по сравнению с результатами, опубликованными в литературе.

5. Выполнен анализ ковариационных матриц ошибок наблюдений цвета «внутри цвета», «между цветами» и «между съемками» для двух марок высококачественных цифровых фотокамер, доступных на Российском рынке. Подтверждена нормальность распределения ошибок наблюдений и однородность ковариационных матриц «между цветами». В то же время обнаружена значимость ковариационной матрицы «между съемками» и показано, что эта матрица имеет диагональную структуру. В соответствии с разработанной методикой коррекции цвега, были построены соответствующие модели, выполнена коррекция цвета и получена оценка ее точности на основании трехоткликовой модели в виде неполного полинома третьей степени с предварительной линеаризацией. Показана высокая точность разработанной процедуры коррекции цвета фотоизображений. Показано, что для исследуемых фотокамер элементы ковариационных матриц «между съемками» существенно больше, чем соответствующие элементы ковариационных матриц «между сканированиями» для сканеров. Это означает, для получения точных репродукций, необходимо выполнять коррекцию цвета для каждого отдельного изображения, а не выполнять калибровку один раз в течение некоторого периода времени, как это возможно при использовании сканеров. Разработан метод определения оптимального количества цветовых образцов и их размера. Показано, что оптимальное число цветовых образцов для естественных изображений лежит в пределах приблизительно от 78 до 118, а для синтезированных изображений — от 66 до 106 при числе пикселей цветового образца равном 100. Предложена процедура построения точных дискретных D-оптимальных планов контрольных точек на основании палитры цветов PANTONE содержащей 1019 стандартных образцов. В целом использование предложенной процедуры планирования повышает точность построения модели, но сравнению с равномерным планом в 3 — 4 раза. Такие планы могут быть получены для любого заданного количества точек контроля. Разработана методика коррекции цифровых фотографий на основании психологических референтных цветов изображения. Предложены алгоритмы расчета оценок коэффициентов модели при малом количестве референтных цветов на основе взвешенного метода максимального правдоподобия и на основе байесовского метода. Разработаны процедуры расчета оценок коэффициентов модели методами максимума апостериорного распределения и методом минимального риска, основанных на методе статистических испытаний. Проведено сравнение точности коррекции цвета при использовании различных методов расчета оценок коэффициентов корректирующей модели. Эти расчеты показали, что метод максимального правдоподобия обеспечивает высокую точность коррекции при числе точек контроля не менее 60 — 80. При меньшем количестве референтных цветов более предпочтительным является метод минимального риска, который может быть использован для количества точек контроля до 12 -16. При этом средняя ошибка воспроизведения цвета находится в диапазоне 3−6, что является допустимой ошибкой, а максимальная ошибка лежит около 10 единиц, что соответствует лучшим опубликованным результатам для значительно большего количества наблюдений.

6. Проанализированы опубликованные в литературе модели деградации цветных фотографий и показано, что все они основаны на цветовой модели CMY, использование которой обосновывается наличием трех соответствующих физических красителей. В качестве допустимого предела изменения цвета предлагается величина относительного изменения цветовых координат, а в качестве модели выцветания используется матрица выцветания (7.1). Однако модель С MY является неоднородной моделью. Кроме того, матрица выцветания строится без учета статистических свойств ошибок наблюдений цветовых координат.

7. Разработаны научно-методические основы прогнозирования срока службы фотографий и изображений, полученных на цветных принтерах, с помощью построения модели выцветания в форме многооткликовой модели в однородном цветовом пространстве Lab. Такое прогнозирование выполняется на основе многооткликовых регрессионно-временных моделей. Разработан метод индивидуального прогнозирования срока службы конкретного изображения, основанный на многооткликовой регрессионно-временной модели, построенной, но результатам относительно кратковременных испытаний. Разработан метод расчета оценки действительного распределения срока службы изображений по партии объектов на основании индивидуального прогнозирования срока службы. Показано, как рассчитываются параметры группового распределения и их ковариационная матрица, если известен вид этого распределения, например в виде распределения Вейбулла. Предложен усовершенствованный метод проверки гипотезы о виде закона распределения для малых выборок, основанный на построении эмпирической плотности распределения методом вкладов. Получены аппроксимации эмпирических коэффициентов метода вкладов, обеспечивающие наибольшую точность и инвариантность в виду априорного распределения. Предлагаемое усовершенствование дает возможность использовать метод вкладов для проверки гипотезы о виде распределения при малом числе наблюдений «=10−30. Разработан метод использования многооткликовых регрессионно-временных моделей для прогнозирования срока службы в переменных условиях эксплуатации. Основываясь на принципе расходования ресурса, получено выражение для многооткликовой регрессионно-временной модели в ступенчатом режиме эксплуатации. Оценки коэффициентов модели рассчитываются на этапе обучения модели по результатам сокращенных испытаний, после чего эту модель можно использовать для прогнозирования индивидуального срока службы в любом заданном режиме испытаний. После этого выполняется прогнозирование показателей срока службы по партии изображений. Проведенная экспериментальная проверка прогнозирующей способности модели показала удовлетворительную точность индивидуального прогнозирования срока службы изображения. Проведены сокращенные испытания на срок службы различных видов цветных изображений, по результатам которых получены оценки срока службы подобных изображений в нормальных условиях эксплуатации. По результатам индивидуального прогнозирования рассчитаны оценки плотности распределения действительного срока службы по партии объектов. Полученные результаты показали, что разработанный метод оценивания срока службы на основании индивидуального прогнозирования по результатам относительно кратковременных испытаний дает достаточно точные оценки, что подтверждает практическую ценность такой методики.

8. На основании накопленного опыта выполнения научных исследований в области компьютерной графики, подготовки научных и учебных материалов для пользователей различных уровней и преподавания соответствующих дисциплин сформирован базовый, инвариантный базис компьютерной графики, составляющий фундаментальную основу для работы с компьютерной графикой и графическими программами. Определено содержание этого базиса, включающего пользовательский интерфейс, базовые понятия о цвете и цветовых моделях, основы растровой и векторной графики и принципы работы с текстом. Показано, что одной из наиболее важных проблем при работе с компьютерной графикой является терминологический барьер. Выполнен анализ методов русификации программных продуктов и показано, что необходимым элементом изучения и преподавания информационных технологий и, в частности, компьютерной графики является изучение и систематизация англо-русских билингвальных терминов информационных технологий. Особенно важно изучать англоязычные термины, которые, в отличие от русскоязычных терминов, не изменяются от одной версии программы к другой версии и для них существует единообразие для программ векторной и растровой графики. Это профессиональный язык становится обязательной составной частью подготовки специалистов по информационным технологиям. В качестве инструмента, реализующего как инвариантную образовательную составляющую методики изучения и преподавания компьютерной графики, так и учитывающего динамичность развития информационных технологий и компьютерной графики, разработан иллюстрированный энциклопедический словарь по компьютерной графике, анимации, мультимедиа и САПР в сети Интернет (http://niac.natm ru/graphinfo). Словарь включает около 500 тематических иллюстрированных статей и предназначен как для обучения по соответствующим темам, так и для изучения терминологии и для целей перевода. Весь этот материал практически невозможно адекватно представить традиционными образовательными методиками и инструментами, поскольку в этом случае необходима большая степень его интеграции, реализуемая на основании HTML технологии.

Показать весь текст

Список литературы

  1. Н.Д. Теоретические основы цветной репродукции. М.: Советская наука, 1948.-412 с.
  2. М. М. Цвет и его измерение. M.-JL: Советская наука, 1950. — 356 с.
  3. R.W.G. Hunt, The Reproduction of Colour in Photography, Printing and Television. -Tolworth, England: Fountain Press 1995. 341 p.
  4. Ю.Н. Спектральные исследования фотографического процесса. М.: Физматиздат, 1960.-361 с.
  5. В.Д., Цукерман И. И. Информация и зрение. M.-JL: Изд. АН СССР, 1961. -327 с.
  6. JI.A. Основы воспроизведения цвета в фотографии, кино и полиграфии. М.: Издательство «Искусство», 1966. — 547 с.
  7. С. Andrews and В. R. Hunt, Digital Image Restoration. NJ: Prentice-Hall, 1977. — 4931. P
  8. Э.М., Теплицкий JI.A. Англо-русский словарь терминов и сокращений по ВТ, Интернет и программированию. М.: СК Пресс, 1988. — 288 с.
  9. Wright W. D. The measurement of colour. L., 1964. — 574 p.
  10. Wyszecky G., Stiles W. S., Color science. N. Y., 1967. — 621 p.
  11. M. И., Кустарев А. К. Световые измерения в телевидении. М.: Наука, 1973.-311 с.
  12. .А. Цвет и цветовоспроизведение. М.: Книга, 1995. — 280 с.
  13. Colorimetry. Volume 15.1 of CIE Publications. Vienna, Austria: Central Bureau of the CIE, 1989.-938 p.
  14. International Lighting Vocabulary. Volume 17.4 of CIE Publications. Vienna, Austria: Central Bureau of the CIE, 1989. — 645 p.
  15. D.B. Judd and G. Wyszecki. Color in Business, Science and Industry. N. Y.: John Wiley, 1975.-482 p.
  16. Brown W.R.J. and Mac Adam D.L. // J. Opt. Soc., Amer., 39,808, 1949, p. 32−39
  17. Colorimetry. Volume 15.2 of CIE Publications. Vienna, Austria: Central Bureau of the CIE, 1989.-712 p.
  18. Graphic technology Prepress digital data exchange — Colour targets for input scanner calibration: ISO TC 130 Standard, 12 639 — Vienna, Austria: Central Bureau of the CIE, 1989.-397 p.
  19. Colour measurement and management in multimedia systems and equipment. Part 8: Colour scanners. IEC Committee Draft, 61 966−8. Vienna, Austria: Central Bureau of the CIE, 1989.-290 p.
  20. Continuous-tone colour representation method for facsimile. ITU-T Recommendation. T.42. Vienna, Austria: Central Bureau of the CIE, 1989. — 629 p.
  21. С. A., Петров M. H., Попов С. А. Работа в Photoshop на примерах. М.: Издательство «Бином», 1996.-450 с.
  22. М.Н., Попов С. А. Руководство пользователя CorelDRAW 7. М.: Восточная книжная компания, 1997. — 464 с.
  23. М., Попов С. Adobe Illustrator 7. М.: ЗАО «Издательство Бином», 1998. -560 с.
  24. М., Попов С. CorelDRAW 8. М.: ЗАО Издательство «Бином», 1998. — 484 с.
  25. М., Попов С. CorelDRAW 9.0: Руководство пользователя с примерами и упражнениями. М.: Лаборатория Базовых Знаний, 2000. — 560 с.
  26. ITU-R Recommendation ВТ.709, Basic Parameter Values for the HDTV. Standard for the Studio and for International Programme Exchange, ITU, 1211. Geneva, Switzerland, 1990.-488 p.
  27. Abrardo, A., Cappellini, V., M., and Mecocci, A. Art-work colour calibration using the VASARI scanner // In Proceedings of IS&T and SID’s 4th Color Imaging Conference «Color Science, Systems and Applications». ScOttsdale, Arizona, 1996. — p. 94−97
  28. C.J. // Phot. Sci. Eng. 3, 114, 1959. p. 43−42
  29. C.A., Корчагин А. Ф. Критерий оценивания разности изобраясений. // Сб. Трудов Международной научной конференции «Математические методы в технике и технологиях — ММТТ-12». Том 5. — Великий Новгород: Новг. гос. ун-т., 1999.-с. 62−63.
  30. Крамер. Математические методы статистики. М.: Мир, 1975. — 648 с.
  31. .В., Беляев Ю. К., Соловьев А. Д. Математические методы в теории надежности. М.: Наука, 1965. — 524 с. 32. http://www.colour.org/tc8−02
  32. С.А. Оценка точности изображения при сжатии графических файлов // Вестн. Новг. гос. ун-та. Сер.: Естеств. и техн. науки, № 10, 1998, с. 118−120.
  33. С.А. Коррекция тона и цвета компьютерных изображений // Депонировано в ВИНИТИ N 3825-В97. М., 1997. -124 с.
  34. С. А., Сумряков В. И., Храбров В. JI. К вопросу о сохранении историко-архитектурного наследия // Тезисы докладов научной конференции «Прошлое Новгорода и новгородской земли». Новгород: Новг. гос. ун-т., 1994. -с. 154−155
  35. С.А. Получение исходных файлов изображений // Тезисы докладов VII Всероссийской конференции по компьютерной геометрии и графике «Кограф 97″. Н. Новгород, 1997. — с. 94−95.
  36. С.А., Ефимов А. В. Методы коррекции тона и цвета компьютерных изображений: Учеб. пособие. Великий Новгород: Новг. гос. ун-т., 2002. — 131 с.
  37. С. А., Корчагин А. Ф. Реставрация цветных изображений на основании программы Photoshop 3. О// Сборник докладов конференции „Совершенствование подготовки учащихся и студентов в области графики“. -Саратов, 1996. с. 32−34.
  38. В.В. Решение задач аппроксимации с помощью персональных компьютеров. М.: МИКАП, 1994. — 382 с.
  39. С.А. Об одном классе моделей технологических процессов // Изв. ЛЭТИ. Науч. тр. Ленингр. Электротех. Ин-т им. В. И. Ульянова (Ленина), 1980, вып. 279. Квантовая технология, с. 89−94.
  40. Д.В., Зазонян С. И., Попов С. А. Построение многофакторных моделей работоспособности диодных микросхем при ускоренных испытаниях // Надежность и контроль качества, № 8, 1986, с.25−31
  41. Д. В., Попеначенко В. И., Попов С. А., Шаповалов В. И. Выбор информативных параметров при контроле качества изделий электронной техники. Д.: Издательство Ленинградского дома научно-технической пропаганды, 1979. — 32 с.
  42. Й. Нелинейное оценивание параметров. М.: Статистика, 1979. — 349 с.
  43. В.В. Теория оптимального эксперимента. М.: Наука, 1971. -312 с.
  44. Д. Нелинейное программирование. М.: Мир, 1975. — 534 с.
  45. Т. Андерсон. Введение в многомерный статистический анализ. М.: Физматгиз, 1983.-500 с.
  46. Дж. Вычислительные алгоритмы в прикладной статистике. М.: Финансы и статистика, 1988. — 350 с.
  47. Ш. Теория статистических выводов. М.: Мир, 1975. — 776 с.
  48. С. А. Прогнозирование показателей надежности изделий электронной4техники на основании многомерных моделей деградаций // Депонировано в ЦНИИ „Электроника“, N 7316/81. -М., 1981. 10 с.
  49. Korin В.Р. On the distribution of a statistic used for testing a covariance matrix // Biometrika, № 55, 1968, p. 171−178.
  50. Pearson E.S., and H.O. Hartley. Biometrika Tables for Statisticians. Vol. 2. U.K.: Cambridge University Press, 1972. — 395 p.
  51. Д.В., Зозанян С. И., Попов С. А. Оценка периодичности профилактического обслуживания циклически функционирующих многопараметрических систем // Межвузовский сборник ЛИАП „Надежность и эксплуатация сложных систем“, № 177, 1985, с. 133−137
  52. Gbnter Wyszecki and W.S. Styles, Color Science: Concepts and Methods, Quantitative Data and Formulae. N. Y» John Wiley & Sons, 1982. — 438 p.
  53. LeRoy E. DeMarsh and Edward J. Giorgianni. Color Science for Imaging Systems // Physics Today, № 9, 1989, p. 44−52.
  54. Schreiber F. Fundamentals of Electronic Imaging Systems. N.Y.: Springer-Verlag, 1991.-542 p.
  55. Bruce J. Lindbloom. Accurate Color Reproduction for Computer Graphics Applications //Computer Graphics, Vol. 23, №. 3, 1989, p. 117−126.
  56. William B. Cowan. An Inexpensive Scheme for Calibration of a Colour Monitor in terms of CIE Standard Coordinates // Computer Graphics, Vol. 17, №. 3, 1983, p. 315 321.
  57. С. А. Прогнозирование периода подналадки автоматического оборудования по вектор-наблюдению // Надежность и контроль качества, № 4, 1985, с. 32−34
  58. American National Standard IT8.7/2−1993: Graphic technology Color reflection target for input scanner calibration. — Reston, Virginia: NPES, 1993. — 116 p.
  59. Hung P.-C. Colorimetric calibration for scanners and media // Camera and Input Scanner Systems, vol. 1448 of SPIE Proceedings, 1991, p. 164−174. '
  60. Kang H.R. Color scanner calibration // Journal of Imaging Science and Technology, 36(2), 1992, p. 162−170.
  61. Wandell B.A., and Farrell J.E. Water into wine: Converting scanner RGB intotristimulus XYZ // Device-Independent Color Imaging Systems Integration, vol. 1909 of SPIE Proceedings, 1993, p. 92−101.
  62. Lenz U., Habil D., and Lenz R. Digital camera color calibration and characterization // Proceedings of IS&T and SID’s 4th Color Imaging Conference: «Color Science, Systems and Applications». Scottdale, Arizona, 1996. — p. 23−24.
  63. Johnson T. Methods for characterization colour scanners and digital cameras // Displays, 14(4), 1996, p. 183−191.
  64. Hardeberg Y.Y., Schmitt F., Tastl I., Brettel H., and Crettez J.-P. Color management for color facsimile // Proceedings of IS&T and SID’s 4th Color Imaging Conference: «Color Science, Systems and Applications». Scottdale, Arizona, 1996. — p. 75−86.
  65. S.A. Popov. Multiresponse regression model basics for scanner calibration http://www.admin.novsu.ac.ru/uni/scpapers.nsf (2001)
  66. Popov S. Multiresponse Regression Models for Digital Image Processing // Proc. of the Intl. Conf. Information Networks, Systems and Technologies. Vol. 1 -Minsk, 2001. p.226−230.
  67. C.A. Многооткликовые регрессионные модели для коррекции цвета цифровых изображений // Вестник Новг. гос. ун-та. Сер.: Естеств. и техн. науки. 2001, № 19, с. 175 -179.
  68. А.К. Katsaggelos. Digital Image Restoration: Springer Series in Information Sciences, vol. 23. N.Y.: Springer-Verlag, 1991.-478 p.
  69. P. Galatsanos and R. T. Chin. Digital Restoration of Multichannel Images // IEEE Trans. Acoust., Speech, Signal Processing, vol. ASSP-37, №. 3, 1989, p. 415−421.
  70. M., Стьюарт А. Статистические выводы и связи. М.: Наука, 1973. — 899 с.
  71. В.Н., Дунин-Барковский И.В. Курс теории вероятностей и математической статистики для технических приложений. М.: Изд. «Наука», 1969.-512 с.
  72. Levene. Н. In Contributions to Probability and Statistics: Essays in Honor of Harold Hotelling. L.: Stanford University Press, 1960. — p. 278−292.
  73. C.A. Исследование ошибок цветовоспроизведения и построение моделей коррекции цвета цифровых фотографий // Вести. Новг. гос. ун-та. Сер.: Естеств. и техн. науки, № 23, 2003, с. 100 -108
  74. С.А. Построение многомерных градуировочных зависимостей // В сб. «Вопросы синтеза и обработки сигналов в информационных системах». Депонировано в ВИНИТИ № 6929−83. М., 1983. — 13 с.
  75. С.А. Моделирование процесса деградации цветовых параметров и расчет периода настройки монитора // Научные труды 1-го международного семинара «Актуальные проблемы прочности».- Новгород, 1997. с. 252−257.
  76. И. Кистенев. Профессия сканер // Publish, № 1, 2001, с.21−24
  77. Mark С.К. Yang, David Н. Robinson. Understanding and Learning Statistics by Computer. -N.Y.: World Scientific Publishing, 1986.-204 p.
  78. Rao A.R. Color calibration of a colorimetric scanner using non-linear least squares // Proc. IS&T's 1998 PICS Conference. Portland, OR., 1998. — p. 45−48.
  79. С.А. Многооткликовые модели для калибровки сканеров // Измерительная техника. 2002, № 8, с. 28−34
  80. N. P. Galatsanos and R. Т. Chin. Digital Restoration of Multichannel Images // IEEE Trans. Signal Processing, vol. 39, 1991, №. 10, p. 2237−2252.
  81. В. С. Tom, К. T. Lay, and A. K. Katsaggelos. Multi-Channel Image Identification and Restoration Using the Expectation-Maximization Algorithm // Optical Engineering, № 1, 1996, p. 121−129.
  82. С. А., Корчагин А. Ф. Компьютерная коррекция тонов оттенков в фотоизображении // Тезисы международной конференции по компьютерной геометрии и графике «Кограф 96». Н. Новгород, 1996. — с 53−57.
  83. К. Хартман и др. Планирование эксперимента в исследовании технологических процессов. М.: Мир, 1977. — 552 с.
  84. С. А. Моисеев С.С. Машинные методы построения D-оптимальных планов // В сб. «Автоматизация проектирования и системы управления». Л.: ЛЭТИ-ЛГУ, 1981.-с. 31−36.
  85. Д. В., Попов С. А. Построение экстраполяционных планов для прогнозирования работоспособности изделий электронной техники // Электронная техника, серия 8 «Управление качеством, метрология, стандартизация», вып. 6 (76) 1979, с. 9−13
  86. С. А. Точные планы с ограничением для оценки модели деградаций технических параметров // В кн. «Статистические методы обработкирезультатов наблюдений при контроле качества и надежности машин и приборов». Л.: ЛДНТП, 1979. — с. 53−56.
  87. С.А., Корчагин А. Ф. Использование многооткликовых моделей для расчета параметров электронных приборов // Измерительная техника, № 4, 2003, с. 47−51
  88. С.А., Корчагин А. Ф. Планирование эксперимента для идентификации многооткликовых моделей // Сб. трудов VII Международного семинара «Современные проблемы прочности» им. В. А. Лихачева. В 2-х томах, т 2. -Великий Новгород, 2003.- С. 184 190
  89. Barry Haynes. Photoshop Artistry: A master class for photographers and artists. -Sybex: Wendy Crumpler, 1997. 236 c.
  90. C.A. Реставрация цветов фотоизображений на основе многооткликовых регрессионных моделей // Научные труды V Международного семинара «Современные проблемы прочности».- Новгород: Новгор. гос. ун-т., 2001. с. 234−238.
  91. S. A. Popov and G. М. Emelyanov. Color Correction of Digital Images by Means of Multiresponse Regression Models // Pattern Recognition and Image Analysis, Vol. 12, No. 2, 2002, p. 145−149.
  92. С. А. Байесовский метод прогнозирования надежности // Тезисы докладов первой международной конференции «Актуальные проблемы прочности». Новгород: Новгор. гос. ун-т., 1994. — с. 67.
  93. С.А., Построение корректирующей функции для коррекции цвета изобраясений // Сб. Трудов Международной научной конференции «Математические методы в технике и технологиях ММТТ-12». Том 2. -Великий Новгород: Новгор. гос. ун-т, 1999. — с. 105−108.
  94. С.А., Емельянов Г. М. Коррекция цвета компьютерных изображений // В сб. материалов 6-й международной конференции «Распознавание образов и анализ изображений: новые информационные технологии».- Великий Новгород, 2002. -с.454−458.
  95. С.А., Емельянов Г. М. Процедуры коррекции цвета компьютерных изображений на основании многооткликовых регрессионных моделей // Вестник
  96. Самарского государственного аэрокосмического университета имени академика С. П. Королева. № 1,2003, с. 34−39
  97. С.А. Статистический метод калибровки цифровых фотокамер для улучшения цветовоспроизведения // Автометрия, том 39, № 2, 2003, с. 92−99
  98. S. A. Popov and G. М. Emelyanov. Color Correction of Digital Images // Pattern Recognition and Image Analysis, Vol. 13, №. 2, 2003, p. 329−331
  99. Henry Wilhelm. The Permanence and Care of Color Photographs. Grinnell, Iowa, USA: Preservation Publishing Company, 1993. — 369 p.
  100. Preservation of Photographs. N.Y.: Estman Kodak Company, 1979. — 885 p.
  101. Storage and core of KODAK color material. N.Y.: Estman Kodak Company, 1982. -581 p.
  102. Conservation of photographs.-N.Y.: Estman Kodak Company, 1985.-439 p.
  103. S. Anderson, R. Goetting. Environmental effects on the image stability of photographic products // Journal of imaging technology, № 14, p. 111, 1988, p. 97−105.
  104. K.B. Hendriks. Stability and preservation of recorded images in imaging processes and materials. N.Y.: Van Nostrand, 1989. — 637 p.
  105. R.T. Tuite. Image stability in color photography // Journal of applies photographic engineering, № 5, 1979, p.200.
  106. ISO-Standard 10 977. Photography-processed photographic color films and paper prints methods for measuring image stability. — N.Y., 1993. — 327 p.
  107. F. Frey and R. Gschwind, Mathematical bleaching models for photographic three-color materials // J. of Imaging Science and Technology, № 38(6), 1994, p. 513.
  108. С. А. Прогнозирование периода подналадки автоматического оборудования по векгор-наблюдению // Надежность и контроль качества, № 4, 1985, с. 32−34
  109. С.А. Методика построения многооткликовых регрессионно-временных моделей для прогнозирования показателей надежности // Вестник Новгор. гос. ун-та. Сер.: Естеств. и техн. науки. 2001, № 17, с. 74−81
  110. С. А. Планирование испытаний на надежность при использовании технического прогнозирования //В кн. «Методы построенияалгоритмических моделей сложных процессов», межвузовский тематический научный сборник, выи. 4. Таганрог: ТРТИ, 1979.-е. 153−156
  111. Ф. В., Попов С. А. Практикум по теоретическим основам конструирования, технологии и надежности РЭА: Учебное пособие. JL: Ленинградский Электротехнический институт, Новгородский политехнический институт, 1989.-27 с.
  112. Д.В., Шаповалов В. И. Малая выборка. М.: Статистика, 1978. — 248 с.
  113. С. А., Шаповалов В. И. Оценивание закона распределения по ограниченным данным // Надежность и контроль качества, № 11, 1982, с. 29−32
  114. S. A. Popov and G. М. Emelyanov. Bleaching model construction and lifetime forecasting for physical images // Pattern Recognition and Image Analysis, vol. 12, №. 3, 2002, p. 293−298.
  115. H. Компьютерное образование: неблагоприятный прогноз? // Hard’n’Soft, 1996, № 7, с. 90−92.
  116. Н. Новые технологии образования // Вестник Российского Гуманитарного Научного Фонда, № 1, 1996, с. 154−162.
  117. Англо-русский словарь-справочник пользователя ПК. Сост. О. Н. Знак. Мн.: ИПП «Тивали-Стиль», 1996. — 354 с.
  118. С.А. Проблемы и методы обучения компьютерной графике // Сборник «Технологические и управленческие аспекты образования взрослых в России». -СПб.: ИОВ РАО, 2000, с. 88−94
  119. П. Фигурнов В. О русифицированных программах для IBM PC // Компьютер. № 2(5), 1991, с. 5−9.
  120. С.А., Тарасов Ю. И. Обучающий словарь по компьютерной графике и мультимедиа в сети Интернет // Сб. трудов Всероссийской научной конференции «Научный сервис в сети Интернет». Новороссийск, 1999. — с. 86−88
  121. С.А. Особенности языка информационных технологий // Тезисы второй всероссийской научно-методической конференции «Интернет и современное общество». СПб.: Изд-во С.-Петербур. ун-та, 1999. — с.98.
  122. С. А., Тарасов Ю. И. Graphinfo энциклопедический словарь по компьютерной графике, мультимедиа и САПР // САПР и графика, № 11, 1999, с. 4−5.
  123. Web-сайт в сети Интернет «Энциклопедический словарь по компьютерной графике, мультимедиа, САПР», URL http://www.niac.natm.ru /graphinfo
  124. Э.М., Теплицкий Л. А. Англо-русский словарь терминов и сокращений по ВТ, Интернет и программированию. М.: СК Пресс, 1998. -288 с.
Заполнить форму текущей работой