Способы и алгоритмы трансформации цифровых изображений на основе анализа и обработки метаданных при подготовке к фотопечати тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Толстая, Екатерина Витальевна

• Толстая, Екатерина Витальевна
• кандидат технических наук
• 0

Оглавление диссертации кандидат технических наук Толстая, Екатерина Витальевна

ВВЕДЕНИЕ.

1. ОБЗОР СУЩЕСТВУЮЩИХ МЕТОДОВ, СПОСОБОВ И АЛГОРИТМОВ ОБРАБОТКИ ЦИФРОВЫХ ФОТОСНИМКОВ ПРИ ПОДГОТОВКЕ К ПЕЧАТИ.

2. РАЗРАБОТКА СПОСОБОВ И АЛГОРИТМОВ ОБРАБОТКИ МЕТАДАННЫХ И ТРАНСФОРМАЦИИ ЕДИНИЧНОГО ФОТОСНИМКА.

2.1. Анализ метаинформации.

2.1.1. Нарушения экспозиции.

2.1.2. Шум.

2.1.3. Цветовые искажения.

2.1.4. Размытые фотографии.

2.1.5. JPEG артефакты.

2.1.6. Эффект красных глаз.

2.2. Автоматическое определение поворота изображения.

2.2.1. Существующие методы распознавания поворота изображения.

2.3. Выявление и коррекция JPEG-артефактов.

2.3.1. Обнаружение JPEG артефактов звона.

2.3.2. Обнаружение блочных артефактов.

2.3.1. Коррекция артефактов.

2.4. Интерполяция и согласование сторон цифрового снимка.

2.4.1. Способ согласования отношения ширины снимка к высоте.

2.4.2. Способ интерполяции изображений.

2.4.3. Предложенный способ.

2.4.1. Тональное отображение.

2.4.2. Оценка сложности.

3. СПОСОБЫ И АЛГОРИТМЫ ФОРМИРОВАНИЯ ИЗОБРАЖЕНИЙ ИЗ СЕРИИ ФОТОСНИМКОВ.

3.1. Формирование изображения сцены с большим динамическим диапазоном.

3.1.1. Формирование изображений с большим динамическим диапазоном.

3.1.2. Комплексирование изображений, снятых с разной выдержкой.

3.1.3. Преобразование яркости.

3.1.4. Преобразование цвета.

3.2. Бесшовное комбинирование серии перекрывающихся изображений.

3.2.1. Совмещение перекрывающихся изображений на основе поиска особых точек.

• ' * !

4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ АЛГОРИТМОВ ТРАНСФОРМАЦИИ ЦИФРОВЫХ ФОТОСНИМКОВ В РАМКАХ ЕДИНОЙ ТЕХНОЛОГИИ ПОДГОТОВКИ К ФОТОПЕЧАТИ.

4.1. Исследование быстродействия модуля интерполяции изображений.

4.2. Исследование быстродействия модуля обнаружения и коррекции JPEG артефактов.

4.3. Исследование эффективности модуля для комбинирования серии цифровых изображений.

4.4. Исследование эффективности модуля автоматического определения ориентации изображения.

4.5. Реализация модуля сшивки перекрывающихся изображений с помощью параллельных вычислений.

Введение диссертации (часть автореферата) на тему «Способы и алгоритмы трансформации цифровых изображений на основе анализа и обработки метаданных при подготовке к фотопечати»

Актуальность темы. В настоящее время цифровые фотоаппараты практически полностью вытеснили традиционные «плёночные» фотоаппараты, кроме того, почти все устройства мобильной связи (телефоны, КПК, смартфоны и т.п.) оснащены цифровыми видеосенсорами. Печать фотографий на основе полученных цифровых снимков осуществляется как в специализированных фотолабораториях, так и на бытовых струйных или сублимационных фотопринтерах.

С другой стороны, многообразие форм печатной фотопродукции (фотографии, фотоальбомы, фотокниги, фотостенды, фотосувениры и т.п.) приводит к необходимости решать специфические задачи подготовки цифровых фотоснимков к печати. Увеличение количества цифровых фотоснимков неизбежно ведет к увеличению количества печатаемых фотографий, что обусловливает,, автоматизацию процесса л подготовки > изображений к печати, то есть разработку новых, специализированных : технологий. Подобные технологии подготовки цифровых фотоснимков к' печати должны содержать наборы инструментальных программных средств, созданных на основе способов и алгоритмов анализа и обработки цифровых изображений, которые решают задачи улучшения качества печатаемого изображения, его масштабирования, поворота и интерполяции с учетом характеристик устройств фотопечати, генерации различного рода фотоколлажей, комбинирования серии фотоизображений, снятых в режиме «экспозиционной вилки», и т.п.

Несмотря на то, что почти каждый производитель цифровых фотоаппаратов и оборудования для фотопечати предлагает какие-то инструментальные программные средства для решения данных задач, разработка новых способов и алгоритмов, обеспечивающих лучшее качество фотопечати и дополнительные потребительские свойства, остается актуальной. Данное обстоятельство подтверждается тем, что большинство известных технологий подготовки цифровых фотоснимков к печати базируется на методах непосредственной пространственной и/или частотной обработки изображений, которые воздействуют на исходные данные фотоснимков и, таким образом, осуществляют первичную обработку. Появившиеся в последнее время работы, решающие вышеуказанные задачи на уровне метаданных, то есть путем вторичной обработки, носят разрозненный характер и не объединяются в рамках единой специализированной технологии.

Цель и задачи диссертации. Целью диссертации является разработка способов, алгоритмов и программного обеспечения трансформации цифровых фотоснимков на основе анализа и обработки их метаданных для технологий фотопечати. Для достижения поставленной цели решаются следующие задачи.

1. Разработка и' исследование способов оценки качества исходного, цифрового фотоснимка по содержащимся в нем метаданным.

2. Разработка и исследование способов и алгоритмов трансформации цифровых изображений при подготовке к фотопечати, в том числе детектирование ориентации изображения по его метаданным, масштабирование, поворот, изменение формы в соответствии с характеристиками устройства фотопечати, согласования размеров цифрового изображения и фотоотпечатка при печати без полей.

3. Разработка и исследование способа и алгоритмов обнаружения и коррекции артефактов в частотной области, возникающих после ХРЕв-кодирования цифровых фотоснимков.

4. Разработка и исследование способов и алгоритмов формирования комбинированных изображений из серии перекрывающихся кадров и кадров, снятых в режиме «экспозиционной вилки».

5. Разработка программного обеспечения, объединяющего полученные алгоритмы трансформации цифровых фотоснимков в рамках единой специализированной технологии подготовки цифровых изображений к фотопечати.

Научная новизна. В диссертационной работе получены следующие новые научные результаты.

1. Предложен способ использования метаданных из файлов, содержащих цифровые фотоснимки, для оценки качества исходного изображения и определения последующих необходимых действий для улучшения г цифрового изображения.

2. Разработаны новые способы и алгоритмы определения ориентации, » у изменения размера, формы и угла поворота цифрового изображения, с Ч^/

Л * * '*•«>*-!/, последующим повышением резкости краев путем сокращения величины^ * ¡\ перепада яркости, а также согласования размеров изображения и < • " * фотоотпечатка при печати без полей путем добавления фрагментов исходного изображения.

3. Предложен и исследован новый способ обнаружения и коррекции блочных артефактов и артефактов, вызванных явлением Гиббса, возникающих после ХРЕО-компрессии фотоснимков, основанный на предварительном анализе метаданных и обнаружении локализаций артефактов с максимальной вероятностью.

4. Предложен способ генерации изображения из кадров, снятых в режиме «экспозиционной вилки», позволяющий получать цветное 8-разрядное изображение с расширенным динамическим диапазоном без необходимости калибровки фотоаппарата и построения изображения увеличенной разрядности. 5. Разработан способ формирования панорамного изображения путем комбинирования перекрывающихся кадров (серии фотоснимков) в одно изображение, который автоматически детектирует перекрывающиеся области кадров и определяет порядок очередности присоединения фотоснимков.

Практическая ценность. Полученные способы и алгоритмы трансформации цифровых фотоснимков составляют функционально законченную технологию их автоматического анализа и коррекции при печати на любых современных устройствах фотопечати. Соответствующее программное обеспечение снабжает конечного пользователя не только < улучшенным качеством печатаемых фотографий, но и новыми функциональными возможностями по работе как с одиночными л/' фотоснимками, так и сериями фотоснимков, относящихся к одному сюжету.'Р''

-----хных^Ж задач использовались методы цифровой обработки изображений, элементы ^" ;:

Методы и достоверность исследования. При решении поставленных^!^ теории вероятностей, математической статистики, нечеткой логики. Для практической реализации алгоритмов применялись численные методы и методы объектно-ориентированного программирования на языке С++.

Реализация и внедрение. Предложенные алгоритмы внедрены в Исследовательском центре компании Самсунг (г. Москва) и использованы в программном обеспечении ряда фирменных моделей принтеров, сканеров, многофункциональных устройств (МФУ) для операций сканирования документов и печати фотографий. На 7 выносимых на защиту способов получены патенты РФ.

Апробация работы. Результаты работы докладывались и обсуждались на следующих международных научно-технических конференциях (МНТК):

МНТК по компьютерной графике и машинному зрению «Graphicon-2007» (Россия, г. Москва, 2007 г.), МНТК «Pattern recognition and image analysis: new information technologies» (Россия, г. Нижний Новгород, 2008 г.), симпозиум IS&T/SPIE Electronic Imaging в рамках МНТК «Digital ! Photography V», (США, г. Сан-Хосе, 2009 г.), симпозиум IS&T/SPIE Electronic Imaging в рамках МНТК «Digital Photography VI» (США, г. Сан-Хосе, 2010 г.), IX МНТК «Распознавание» (Россия, г. Курск, 2010 г.), VIII МНТК «Искусственный интеллект. Интеллектуальные системы» (Украина, АР Крым, пгт. Кацивели, 2010 г.).

Публикации. По теме диссертации опубликовано 15 научных работ, из них одна статья в журнале из списка ВАК РФ, 7 тезисов докладов на научных конференциях. По результатам работы подано 11 патентных заявок, на 7 из которых выданы патенты РФ.

Структура диссертации. Диссертация общим объемом 136 с. состоит из ' введения, четырех глав, заключения, содержит 81 с. основного текста,'* ¿ ti i * * , ? f «> )' перечень используемой научно-технической литературы из 98 наименований j. /» t* * t, * > на 12 е., 6 приложений на 6 е., 57 рис. и 8 табл. на 40 с. *

ОСНОВНЫЕ ПОЛОЖЕНИЯ, ВЫНОСИМЫЕ НА ЗАЩИТУ

1. Способ оценки качества исходного цифрового изображения и автоматической выдачи рекомендаций по его улучшению на основе анализа и обработки метаданных.

2. Способы и алгоритмы трансформации цифрового изображения путем определения ориентации, изменения размера, формы, угла поворота, а также согласования размеров изображения и фотоотпечатка при печати без полей.

3. Способ обнаружения и алгоритмы коррекции блочных артефактов и артефактов, вызванных явлением Гиббса, после ХРЕв-кодирования цифрового фотоснимка.

4. Способ формирования комбинированного изображения из серии фотоснимков, сделанных в режиме «экспозиционной вилки».

5. Способ составления панорамного изображения из серии перекрывающихся фотоснимков.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Толстая, Екатерина Витальевна

ЗАКЛЮЧЕНИЕ

В диссертационной работе получены следующие результаты:

1. Проведен сравнительный обзор технологий, способов, методов и алгоритмов подготовки цифровых фотоснимков к печати; показана перспективность применения анализа и обработки метаданных для трансформации и улучшения качества цифровой фотографии в рамках единой специализированной технологии.

2. Разработан не имеющий аналогов способ использования метаданных из файлов, содержащих цифровые фотоснимки, для оценки качества исходного изображения и определения последующих необходимых действий для улучшения цифрового изображения. На основе анализа метаданных о параметрах формирования цифрового изображения оцениваются ошибки экспозиции (по миниатюре), выявляется

1 1 ' Ь 4 необходимость применения фильтрации, увеличения резкости щ коррекции дефекта «красных глаз», определяется наличие артефактов для ХРЕО-кодированных изображений.

3. Разработан способ определения ориентации фотоснимка путем его анализа и попиксельной обработки, который использует комбинацию двух бинарных классификаторов, оперирующих векторами характеристических признаков. В отличие от известных методов разбиение изображения на полосы (вертикальные и горизонтальные) позволяет эффективно находить характеристические признаки.

4. Предложен способ изменения размера, формы, угла поворота цифрового фотоснимка для согласования размеров изображения и его фотоотпечатка при печати без полей. В отличие от существующих способов изображение дополняется с одной или двух сторон фрагментами, взятыми из самого исходного изображения, причем предложенный способ отличается высоким быстродействием.

5. Для автоматического определения цифровых фотоснимков, к которым применимы вышеуказанные операции трансформации, разработан и исследован оригинальный классификатор, ошибки классификации которого не превосходят 5%.

6. Разработан способ обнаружения и алгоритмы коррекции блочных артефактов и артефактов звона, возникающих после 1РЕО-кодирования изображений с относительно высокими степенями сжатия. От известных методов способ отличается быстродействием (в 2-2,5 раза) при поиске блоков коэффициентов ДКП, содержащих артефакты, и способностью алгоритмов коррекции «точечно» удалять артефакты. Другая отличительная особенность разработанного способа и алгоритмов коррекции - нет дополнительных искажений в подготовленных к печати изображениях после обработки цифровых у"" ' ' I, фотоснимков высокого качества. '

7. Разработан способ формирования 8-разрядного изображения с расширенным динамическим диапазоном из серии фотоснимков, полученных с помощью цифрового фотоаппарата в режиме «экспозиционной вилки». В отличие от существующих способов данный способ позволяет получать цветное изображение без необходимости калибровки фотоаппарата и построения изображения увеличенной разрядности.

8. Разработан способ формирования панорамного изображения (сшивки) из серии перекрывающихся фотоснимков. В отличие от известных методов сшивки изображений, предложенный способ не вносит в результирующее изображение артефакты, заметные человеческим глазом.

9. Разработанные способы реализованы в виде быстрых алгоритмов и запрограммированы на языке высокого уровня в виде 111111, имеющего модульную структуру. Проведены экспериментальные исследования модулей 111111, подтвердившие правильность теоретических и эмпирических предположений и выводов диссертации.

10.Отдельные модули пакета внедрены в драйверы для принтеров, сканеров, многофункциональных устройств, а также в специализированные 111111, которые поставляются на рынок либо как фирменное программное обеспечение устройств фотопечати, либо как самостоятельные приложения, предназначенные для работы с цифровыми фотоснимками.

Список литературы диссертационного исследования кандидат технических наук Толстая, Екатерина Витальевна, 0 год

1. Вежневец А., Вежневец В. Boosting Усиление простых классификаторов // Компьютерная графика и мультимедиа. — Выпуск №4(2) —2006.

2. Патент РФ №2400815 МПК G06T5/00 (2006.01), G06K9/40 (2006.01), Способ повышения качества цифрового фотоизображения / Рычагов М. Н., Сафонов И. В., Толстая Е. В. и др.; Опубликовано: 27.09.2010, Бюл. № 27; Приоритет 09.10.2006.

3. Вороновский Г. К., Махотило К. В., Петрашев С. Н., Сергеев С. А. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности, — М.: ОСНОВА — 1997 112 с.

4. Патент РФ № 329535 МПК G06K9/34 (2006.01), H04N1/38 (2006.01), G06T3/00 (2006.01); Способ автоматического кадрирования фотографий / Нефедов А. В. Ефимов С. В., Шакенов А. К.; Опубликовано: 20.07.2008 Бюл. № 20; Приоритет 24.05.2006.

5. Официальный сайт Лаборатории компьютерной графики и мультимедиа, Факультет вычислительной математики и кибернетики Московского государственного университета http://research.graphicon.ru/.

6. Бехтин, Ю. С., Толстая Е. В. Коррекция артефактов звона при ХРЕО-кодировании изображений // Цифровая обработка сигналов. — N 4. — С. 22-27 — 2010.

7. Толстая Е. В., Бехтин Ю. С. Оценка артефактов сжатия в частотной области при ХРЕО-кодировании изображений // Доклады международной научно-технической конференции «Искусственный интеллект. Интеллектуальные системы. ИИ-2010» — 2010.

8. Толстая Е. В., Бехтин Ю. С. Оценка блочных искажений в частотной области при ХРЕО-кодировании изображений // Доклады IX Международной научно-технической конференции «Распознавание — 2010» —2010.

9. И. Патент РФ № 2402070, МПК С06К9/40 (2006.01), Способ удаления искажений на цифровых изображениях / Толстая Е. В.; Опубликовано: 20.10.2010 Бюл. № 29; Приоритет 22.08.2008.

10. Патент РФ № 2365994 МПК в06К 9/40 (2006.01), Н04Ы 1/409 (2006.01), Способ выявления искажений, вызванных эффектом Гиббса при jpeg-кодировании / Толстая Е. В., Опубликовано: 27.08.2009, Бюл. № 24; Приоритет 05.02.2008.

11. Патент РФ № 2 345415, МПК в06К 9/40 (2006.01), Н04Ы 1/409 (2006.01) Способ выявления блочных искажений при jpeg-кoдиpoвaнии / Толстая Е. В.; Опубликовано: 27.01.2009, Бюл. № 3; Приоритет 22.01.2008.

12. Вудс Р., Гонсалес Р., Цифровая обработка изображений — М.: Техносфера — 2005

13. Патент РФ № 2310911, МПК G06T 3/00 (2006.01), G06K 9/36 (2006.01), Способ интерполяции изображений / Толстая Е. В.; Опубликовано: 20.11.2007, Бюл. № 32; Приоритет 14.06.2006.

14. Ю. Б. Блохинов, Д. А. Грибов, А. С. Чернявский, «Задача привязки изображений для некоторых случаев ракурсной фотосъемки» // Известия РАН. Теория и системы управления — N6 — с. 129-143 — 2008

15. Патент РФ №2421814, МПК G06T 7/00 (2006.01), G06K 9/44 (2006.01), Способ формирования составного изображения / Толстая Е. В., Опубликовано: 20.06.2011, Бюл. № 17; Приоритет 20.02.2009.

16. Shawe-Taylor J., Cristianini N., Kernel Methods for Pattern Analysis, Cambridge University Press — 2004.

17. Exif Version 2.2, Japan Electronics and Information Technology Industries Association — 2002

18. Safonov I.V. Automatic correction of amateur photos damaged by backlighting // Proceedings of 16th Conf. on Computer Graphics GraphiCon — 2006.

19. Efimov S., Nefyodov A., Rychagov M., Block-based image exposure assessment and indoor/outdoor classification // Proceedings of 17th Conf. on Computer Graphics GraphiCon — 2007.

20. Safonov I.V., Rychagov M.N., Kang K.M., Kim S.H. Adaptive sharpening of photos // Proceedings of SPIE — Vol. 6807 — 2008.

21. Safonov I.V., Rychagov M.N., Kang K.M., Kim S.H. Automatic red eye correction and its quality metric // Proceedings of SPIE — Vol. 6807 — 2008.

22. Wang Y., Zhang H. Content-Based Image Orientation Detection with Support Vector Machines // Proceedings of IEEE Workshop on Content-based Access of Image and Video Libraries — P. 17-23 — 2001

23. Tolstaya E. Content-based image orientation recognition // Proceedings of 17th International Conference on Computer Graphics and Vision GRAPHICON-2007 — 2007.

24. Wang Y., and Zhang H. Detecting image orientation based on low-level visual content // Computer Vision and Image Understanding — P. 328-3462004

25. Vailaya A., Zhang H., Yang C., Liu F. and Jain A. K. Automatic image orientation detection // IEEE Transactions On Image Proceedings — V. 11 — No. 7 —2002

26. Luo J. and M. Boutell Automatic Image Orientation Detection via Confidence-Based Integration of Low-Level and Semantic Cues // IEEE Transactions On Pattern Analysis and Machine Intelligence — V. 27 — N. 52005

27. Baluja S.; Rowley H. A. Large scale performance measurement of content-based automated image-orientation detection // Proceedings of IEEE International Conference on Image Processing — V. 2 — P. 514-517 — 2005

28. Szummer M. and Picard R. Indoor-Outdoor Image Classification // Proceedings of IEEE International Workshop in Content-Based Access to Image and Video Databases — 1998.

29. Luo J. and Savakis A. Indoor vs. Outdoor Classification of Consumer Photographs // International Conference on Image Processing ICIP'01 — 2001.

30. Zhang L, Li M., Zhang H. Boosting Image Orientation Detection with Indoor vs. Outdoor Classification // Proceedings of Workshop on Applications of Computer Vision — 2002.

31. Luo J., Crandall D., Singhal A., Boutell M. and Gray R. T. Psychophysical study of image orientation perception // Spatial Vision — V. 16 — N. 5 — P. 429-457 — 2003

32. Siwei L. Automatic Image Orientation Determination with Natural Image Statistics // Proceedings of the 13th annual ACM International Conference on Multimedia — P. 491 494 — 2005

33. Wang L., Liu X., Xia L., Xu G., Bruckstein A. Image orientation detection with integrated human perception cues (or which way is up) // Proceedings of International Conference on Image Processing — V. 3 — P 539-542 — 2003

34. Адрес официального сайта для метода JPEG в Интернет: http://www.jpeg.org

35. Feng X., Allebach J. P. Measurement of ringing artifacts in JPEG images // Proceedings of SPIE 6076 — P. 74-83 — 2006.

36. Oguz S.H., Hu Y.H., Nguyen T.Q. Image coding ringing artifact reduction using morphological post-filtering // Proceedings of IEEE 2nd Workshop on Multimedia Signal Processing — P. 628-633 — 1998.

37. Chang Y. W. and Chen Y. Y. Alleviating ringing artifact filter using voting scheme // ICGST International Journal Graphics Vision and Image Processing: Special Issue on Applicable Image Processing Techniques — V. 6 —P. 9-14 — 2006.

38. Marziliano P., Dufaux F., Winkler S., Ebrahimi T. Perceptual Blur and Ringing Metrics: Application to JPEG2000 // Signal Processing: Image Communications — 19(2) — P. 163-172 — 2004.

39. Vo D. Т., Nguyen T. Q., Yea S., Vetro A. Adaptive Fuzzy Filtering for Artifact Reduction in Compressed Images and Videos // IEEE Transactions on Image Processing — 18(6) — P. 1166-1178 — 2009.

40. List P., Joch A., Lainema J., Bjontegaard G., Karczewicz, M. Adaptive Deblocking Filter // IEEE Transactions on Circuits Systems and Video Technology —V. 13 (7) —P. 614- 619, 2003.

41. Kuo C. J., and Hsieh R. J. Adaptive postprocessor for block encoded images // IEEE Transactions of Circuits Systems and Video Technology —V. 5 — 298-304 —1995.

42. Paek H., Kim R. C. and Lee S. U. A DCT-Based Spatially Adaptive PostProcessing Technique to Reduce the Blocking Artifacts in Transform Coded Images // IEEE Transactions on Circuits Systems and Video Technology —V. 10(1) —36-41—2000.

43. Triantafyllidis G.A., Tzovaras D., Strintzis M.G, Blocking artifact detection and reduction in compressed data // IEEE Transactions on Circuits Systems and Video Technology — V. 12(10) — P. 877 890 — 2002.

44. Tolstaya E., Rychagov M., Kim S. H., Choi D. C. Removal of blocking and ringing artifacts in JPEG-coded images // Proceedings of 2010 IS&T/SPIE Electronic Imaging — V. 7537 753700 — 2010

45. Chou C., and Li Y., A perceptually tuned subband image coder based on the measure of just-noticeable distortion profile // IEEE Transactions on Circuits Systems and Video Technology — V. 5(6) — P. 467-476 — 1995.

46. Yang S., Hu Y., Nguyen T. Q., and Tull D. L. Maximum-likelihood parameter estimation for image ringing-artifact removal // IEEE Transactions on Circuits Systems and Video Technology — V. 11(8) — P. 963-973 — 2001.

47. Friedman J., Hastie T., Tibshirani R. Additive logistic regression: A statistical view of boosting // The Annals of Statistics — V. 38(2) — P. 337374 — 2000

48. Freund Y., Schapire R A decision-theoretic generalization of on-line learning and an application to boosting Source // Proceedings of the Second European Conference on Computational Learning Theory — P. 23 37 — 1995

49. Freund Y., Schapire R. Experiments with a new boosting algorithm // International conference on Machine Learning — 1996

50. Wang Z., and Simoncelli E. P. Reduced-reference image quality assessment using a wavelet-domain natural image statistic model // Proceedings of SPIE Human Vision and Electronic Imaging 5666 — P. 149-159 — 2005.

51. Tong H., Li M.; Zhang H. J., Zhang C., He J., Ma W. Y. Learning no-reference quality metric by examples // Proceedings of the 11th International Multimedia Modelling Conference — P. 247 254 — 2005

52. Wang Z., Sheikh H. R., and Bovik A. C. No-reference perceptual quality assessment of JPEG compressed images // Proceedings of IEEE International Conference on Image Processing -— 2002.

53. Foi A., Katkovnik, V., and Egiazarian, K. Pointwise Shape-Adaptive DCT for High-Quality Denoising and Deblocking of Grayscale and Color Images // IEEE Transactions of Image Processing — V. 16(5) — P. 1395-1411 — 2007.

54. Tomasi C., Manduchi R. Bilateral Filtering for Gray and Color Images // Proceedings of IEEE Conference on Computer Vision — P. 839-846 — 1998.

55. Wang Z., Bovik A. C., Sheikh H. R., Simoncelli, E. P. Image quality assessment: From error visibility to structural similarity // IEEE Transactions on Image Processing — V. 13 — N. 4 — P. 600-612 — 2004.

56. Интернет адрес авторов работы 57., где находится матлаб-программа для расчета метрики SSIM: http://www.ece.uwaterloo.ca/~z70wang/research/ssim/

57. Ma M. and Guo J. K. Automatic image cropping for mobile device with built-in camera // Proceedings of Consumer Communications and Networking Conference — P. 710- 711 — 2004

58. Safonov I., Tolstaya E. Matching aspect ratio of digital photo via complementing // 17th International Conference on Computer Graphics and Vision GRAPfflCON-2007 — 2007

59. Parker J.R., Algorithms for Image Processing and Computer Vision — New York, John Wiley & Sons, Inc. — 1997.

60. Zhu X., Lin X., Automatic date imprint extraction from natural images — Proceedings of the ICICS-PCM — P. 518-522 — 2003

61. Wang Y., Yuan B. A novel approach for human face detection from color images under complex background // Pattern Recognition — V. 34 — P. 1983-1992 — 2001

62. Serrano N., Savakis A., Luo J. A computationally efficient approach to indoor/outdoor scene classification // Proceedings of International Conference on Pattern Recognition — P. 146-149 — 2002.

63. Vailaya A., Jain A., Hong J. Z., On image classification: city vs. landscape // Proceedings of IEEE Workshop on Content-Based Access of Image and Video Libraries — P. 3-8 — 1998.

64. Kimmel R. Demosaicing: Image Reconstruction from color CCD Samples // IEEE Transactions on Image Processing — V. 8 — N. 9 — P. 1221-1228 — 1996.

65. Li X., and Orchard M. New edge directed interpolation // IEEE International Conference on Image Processing — 2000

66. Muresan D., and Parks T. W. New image interpolation techniques // IEEE Western New York Image Processing Workshop — 2000

67. Allebach J. and Wong P. Edge-directed interpolation // Proceedings of International Conference on Image Processing — V. 3 — P. 707 710 — 1996

68. Blu T., Thvenaz T. and Unser M. MOMS: Maximal-Order Interpolation of Minimal Support // IEEE Transactions on Image Processing — V. 10 — N. 7 — 2001

69. Blu T., Thvenaz T. and Unser M. Generalized interpolation: higher quality at no additional cost // Proceedings of International Conference on Image Processing — V. Ill — P. 667-671 — 1999

70. Blu T., and Thvenaz P. Interpolation revisited // IEEE Transactions on Medical Imaging — V. 19 — N 7 — P 739-758

71. Quak, E., and Schumaker L. Cubic spline interpolation using data dependent triangulations // Computer Aided Geometry Design — V. 7 — P. 293-301 — 1990

72. Jobson D. J., Rahman Z. and Woodell G. A. A multiscale Retinex for* '•tbridging the gap between color images and the human observation of scenes // IEEE Transactions on Image Processing — V. 6 — N. 7 — P. 965-976 — 1997.

73. Mann S. and Pickard R. W. Being undigital with digital cameras: extending dynamic range by combining differently exposed pictures // Proceedings of IS&T 48th annual conference — P. 422 — 428 — 1995.

74. Mann S. and Mann R. Quantigraphic imaging: Estimating the camera response and exposures from differently exposed images // Proceedings of IEEE Conference on Computer Vision and Pattern Recognition — P. 842— 849 — 2001.

75. Debevec P. and Malik J. Recovering high dynamic range radiance maps from photographs // Proceedings of ACM SIGGRAPH — P. 369-378 — 1997.

76. Perez P., Gangnet M. and Blake A. Poisson image editing // ACM Transactions on Graphics — V. 22(3) — P. 313—318 — 2003.

77. Fattal R., Lischinski D. and Werman M. Gradient domain high dynamic range compression // ACM Transactions on Graphics — V. 21(3) — P. 249 -256 — 2002.

78. Raskar R., Ilie A., Yu J. Image fusion for context enhancement // Proceedings of Non-Photorealistic Animation and Rendering — 2004.

79. Ilie A., Raskar R., Yu J. Fixed Camera Surveillance Using Image Fusion // Proceedings of Asian Conference in Computer Vision (ACCV) — 2004.

80. Durand F., and Dorsey J. Fast bilateral filtering for the display of high dynamic range image // Proceedings of ACM SIGGRAPH — P. 257-265 — 2002.

81. Reinhard E., Stark M., Shirley P., and Ferwerda J. Photographic Tone Reproduction for Images // Proceedings of ACM SIGGRAPH — P. 267-276 — 2002.

82. Safonov I. V., Rychagov M. N., Kang K. M., and Kim S. H. Automatic correction of exposure problems in photo printer // IEEE 10th International Symposium on Consumer Electronics — 2006.

83. Akyuz A. O. and Reinhard E. Color Appearance in High Dynamic Range Imaging // SPIE Journal of Electronic Imaging — V. 15 — N. 3 — 2006.

84. Tolstaya E., Rychagov M., Kang K. M., Kim S. H Fusion of high dynamic range scene photos // Proceedings of 2009 IS&T/SPIE Electronic Imaging — V. 7250 72500Y —2009

85. Photomatix software, http://www.hdrsofl.com

86. Artizen HDR, http://www.supportingcomputers.net/

87. Flusser J. and Zitova B. Combined invariants to linear filtering and rotation // International Journal on Pattern Recognition and Artificial Intelligence — V. 13—P. 1123-1136—1999

88. Lowe D. G. Object recognition from local scale-invariant features // Proceedings of the International Conference on Computer Vision — V. 2 — P. 1150-1157 — 1999.

89. Harris C. G., Stephens M. J. Combined corner and edge detector // Proceedings of the Fourth Alvey Vision Conference — P. 147-151 — 1988

90. Rosten E., Porter R. and Drummond T. FASTER and better: A machine learning approach to corner detection // IEEE Transactions on Pattern Analysis and Machine Intelligence — V. 32 — P. 105 119 — 2010.

91. Bay H., Tuytelaars T., Gool L.V. SURF: Speeded Up Robust Features // Proceedings of the ninth European Conference on Computer Vision — 2006

92. Lepetit V. and Fua P. Keypoint Recognition using Randomized Trees // IEEE Transactions on Pattern Analysis and Machine Intelligence — V. 28 — N. 9 — P. 1465-1479 — 2006

93. Ozuysal M., Calonder M., Lepetit V., and Fua P. Fast Keypoint Recognition using Random Ferns // IEEE Transactions on Pattern Analysis and Machine Intelligence — 2010

94. Calonder M., Lepetit V., Strecha C., and Fua P. BRIEF: Binary Robust Independent Elementary Features // Proceedings of the European Conference on Computer Vision — 2010.

95. Leutenegger S., Chli M. and Siegwart R. BRISK: Binary Robust Invariant Scalable Keypoints // Proceedings of the IEEE International Conference on Computer Vision (ICCV) — 2011

96. Fraundorfer F., Winter M., and Bischof H. MSCC: Maximally Stable Corner Clusters // Proceedings of Scandinavian Conference on Image Analysis — Springer LNCS 3540 — P. 45-54.

97. Dijkstra E. W. A note on two problems in connexion with graphs. // Numerische Mathematik — V. 1 — P. 269-271 — (1959)

98. Burt P. J. and Adelson E. H. A multiresolution spline with application to image mosaics // ACM Transactions on Graphics — V. 2 — N. 4 — P. 217236 — 1983