автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Автоматизированная система реставрации изображений архивных фотодокументов

ФЕДЕРАЛЬНОЕ АГЕНСТВО ПО ОБРАЗОВАНИЮ

Государственное образовательное учреждение высшего профессионального образования

"ТВЕРСКОЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ"

ВАРЛАМОВ АЛЕКСЕЙ ДМИТРИЕВИЧ

УДК 069.4:7.025.4:004.932

АВТОМАТИЗИРОВАННАЯ СИСТЕМА РЕСТАВРАЦИИ ИЗОБРАЖЕНИЙ АРХИВНЫХ ФОТОДОКУМЕНТОВ

Специальность:

05.13.10 — Управление в социальных и экономических системах

Автореферат диссертации на соискание ученой степени кандидата технических наук

Р кописи

Тверь 2006

Работа выполнена на кафедре "Информационные системы" Муромского института (филиала) Владимирского государственного университета.

Научный руководитель: Официальные оппоненты:

доктор технических наук, профессор Садыков С. С.

доктор технических наук, профессор Дмитриев Г. Д.

доктор технических наук, профессор Титов B.C.

Ведущая организация: Марийский государственный

технический университет г. Йошкар-Ола

Защита состоится «21» сентября 2006 г. в 16.00 на заседании диссертационного совета Д 212.262.04 при Тверском государственном техническом университете по адресу: 170026, г. Тверь, наб. Аф. Никитина, д. 22 (ауд. Ц-212).

С диссертацией можно ознакомиться в научной библиотеке ТГТУ.

Автореферат разослан «-?/» 2006 г.

Ученый секретарь диссертационного совета доктор технических наук, профессор

В.Н. Михно

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. В настоящее время наблюдается переход музеев на использование электронных коллекций баз видеоданных, где хранятся цифровые копии изображений архивных фотодокументов (ФД). За счет пополнения коллекций количество цифровых копий графических данных постоянно возрастает. Это позволяет обеспечить непосредственный доступ к ним широкой публики без (нежелательного) использования оригинальных документов (создание иллюстрированных каталогов на CD/DVD, размещение изображений в сети Интернет).

Однако, проблемой является плохое качество многих фотоизображений (ФИ), в том числе уникальных, вызванное наличием Дефектов на них.' Традиционные методы реставрации ФД не обеспечивают должного качества его восстановления, кроме того, подвергают риску оригинальный ФД. В связи с этим проводят цифровую реставрацию ФИ.

Цифровая реставрация изображений с использованием существующих систем (программ) является трудоемкой и требует много времени. Большая нагрузка в процессе реставрации ложится на человека-реставратора. Особенно остро это ощущается при необходимости реставрации большого количества ФИ в короткий срок. При этом многие операции,: выполняемые человеком в процессе реставрации, можно автоматизировать.

В связи с этим актуальны задачи автоматизации процессов: анализа изображения на наличие дефектов, выделения дефектов, устранения выделенных дефектов на изображениях архивных ФД. Эти задачи сегодня не решены. Кроме того, известные алгоритмы не могут обеспечить наиболее полное их решение. Поэтому необходима разработка новых алгоритмов и методов, позволяющих проводить цифровую реставрацию ФИ; и разработка на их основе автоматизированной подсистемы реставрации изображений архивных ФД, взаимодействующей непосредственно с архивами электронных коллекций баз видеоданных.

Целью диссертационной работы является разработка и создание автоматизированной системы реставрации изображений архивных фотодокументов.

Исходя из цели работы задачами исследования являются:

1. Анализ проблемы, связанной с сохранением и реставрацией изображений архивных фотодокументов.

2. Анализ методов и алгоритмов цифрового. восстановления изображений.

3. Классификация Дефектов изображений архивных фотодокументов с точки зрения их цифровой реставрации;

4. Разработка и исследование новых алгоритмов, технологии и автоматизированной системы реставрации изображений архивных фотодокументов. :

5. Практическое применение автоматизированной системы реставрации изображений архивных фотодокументов.

Методы исследования. В работе использованы методы дискретной математики, математической логики, основные понятия математического анализа и теории множеств, методы цифровой обработки сигналов и изображений, теория вероятностей и математическая статистика.

Научная новизна. '

В: процессе проведенных исследований получены следующие результаты:

1. Классификация дефектов фотоизображений по методам их устранения в процессе цифровой реставрации.

2. Технология реставрации изображений архивных фотодокументов.

3. Алгоритмы выделения царапин, надрывов, трещин фотослоя, волокон, перегибов, мелких пятеп, площадных дефектов на изображениях архивных фотодокументов.

4. Алгоритм подавления шума на изображениях архивных фотодокументов.

' 5. Автоматизированная система реставрации изображений архивных фотодокументов.

Практическая ценность работы. Результаты диссертационной работы внедрены в Муромском Историко-художественном музее (город Муром).

Результаты работы позволяют решать следующие практические задачи:

1. Сокращать ' время реставрации изображений архивных фотодокументов при использовании разработанной технологии.

2. Качественно выделять дефекты царапин, надрывов, трещин фотослоя, волокон, перегибов* мелких пятен, площадных дефектов на изображениях архивных фотодокументов.

3. Подавлять шум на изображениях архивных фотодокументов.

4. Реставрировать и визуально улучшать качество изображений архивных фотодокументов, имеющих шумы и различные дефекты.

На защиту выносятся следующие результаты работы:

1. Алгоритмы выделения точечных, линейных и площадных дефектов изображений архивных фотодокументов.

2. Алгоритм подавления шума изображений архивных фотодокументов.

3. Результаты экспериментальных исследований разработанных алгоритмов и технология реставрации изображений архивных фотодокументов.

4. Результаты практического применения разработанных алгоритмов и технологии реставрации изображений архивных фотодокументов.

Апробапня работы. Основные результаты диссертационной работы докладывались и обсуждались на международном симпозиуме «Надежность и качество» (г. Пенза, 2004-2005 гг.); на VII всероссийской объединенной конференции «Технологии информационного общества - Интернет и современное общество» (г. Санкт-Петербург, 2004 г.); па между народной конференции EVA (г. Москва, 2004 г.); на международной научно-технической конференции «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций» (г. Рязань, 2004 г.); на всероссийском научно-техническом семинаре «Сети и системы связи» (г. Рязань, 2005 г.); на научно-практическом семинаре «Музейные библиотеки в современном обществе: фонды и их сохранность» (г. Москва, 2005 г.); на VII международной научно-технической конференции "Распознавание-2005" (г. Курск, 2005 г.); на научно-технических конференциях преподавателей и сотрудников Муромского института (филиала) Владимирского государственного университета (г. Муром, 2003-2005 гг.).

Публикации. По теме диссертации опубликовано 12 работ, включая 8 статей, 4 тезиса докладов.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы, имеющего 130 наименований.

Общий объем диссертации 179 е., в том числе 122 с. основного текста, 11с. списка литературы, 46 с. приложений. Таблиц 4, рисунков 108.

Работа выполнена на кафедре "Информационные системы" Муромского института (филиала) Владимирского государственного университета.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы, сформулирована научная проблема, приведена аннотация диссертационной работы.

В первой главе рассмотрены общие вопросы обеспечения сохранности и реставрации архивных фотографических документов; дана оценка современного состояния исторических фотодокументов; представлены причины наличия дефектов на фотоизображениях; рассмотрены общие вопросы цифровой реставрации изображений архивных фотодокументов; проведен обзор систем цифровой реставрации изображений; рассмотрены

известные методы и алгоритмы обработки и анализа изображений, используемых при их реставрации.

Определены цели и задачи диссертационной работы, направленные на разработку технологии реставрации фотоизображений; разработку новых алгоритмов обработки и анализа изображений, необходимых для реализации технологии и создание на ее основе автоматизированной системы реставрации изображений архивных фотодокументов.

1 Во второй главе проведена классификация дефектов архивных фотодокументов: по типам и с точки зрения цифровой реставрации изображений. Представлены новые алгоритмы и технология реставрации изображений архивных фотодокументов.

Классификация дефектов АФД с точки зрения цифровой реставрации изображений показывает, какими методами цифровой обработки изображений можно устранить каждый дефект изображений АФД, и в какой последовательности необходимо использовать эти методы для его устранения.

Технология реставрации изображений АФД состоит из четырех этапов:

1. Получение изображения Р„(х,у) с автоматически удаленными на исходном изображении дефектами;

2. Получение изображения Гг(х,у) с автоматически удаленными на исходном изображении С(.х,у) глобальными дефектами;

3. Восстановление удаленных объектов на изображении, не принадлежащих локальным дефектам и получение изображения /\,(х,у);

4. Удаление дефектов на изображении Р,(Х,У), не устраненных автоматически, с помощью инструментария пользователя и получение отреставрированного изображения.

Согласно технологии, большинство операций по обработке_изображений выполняется автоматически. Автоматически устраняются наиболее часто встречающиеся дефекты фотоизображений. Применение технологии позволяет сократить время реставрации изображения и сосредоточить внимание реставратора только на тех участках изображения, которые не были восстановлены автоматически. Предусматривается устранение всех дефектов изображений архивных фотодокументов.

В алгоритмах выделения дефектов царапин, надрывов, трещин фотослоя, волокон на изображениях архивных фотодокументов используются операции математической морфологии, расширенные на обработку полутоновых изображений; а также обобщенное преобразование Хоха.

Предварительное выделение дефекта на исходном изображении $(х,у) происходит бинаризацией изображения, полученного по формуле (1) для царапин, надрывов, трещин фотослоя и по формуле (2) для волокон.

(1) (2)

где ° г) - полутоновое морфологическое размыкание изображения g(x,y) по примитиву г, являющимся кругом; ^ • г) - полутоновое морфологическое замыкание изображения g(x,y) по примитиву г.

Так как на полученном изображении может быть выделена только часть дефектных точек, а также точки, не принадлежащие дефекту, то, используя априорную информацию о расположении дефектных точек вдоль линейных сегментов, к обработанному изображению применяется обобщенное. преобразование Хоха для окончательного выделения дефекта. Строится параметрическое пространство по следующей формуле:

где 2, - множество точек, составляющих линейный сегмент с ориентацией Вс(т) - бинаризованное с локальным порогом изображение 1с(т1(х,у).

Величина Н(х,уд\ превышающая некоторое значение для любого д, определяет наличие дефекта в точке (х^у). Выделение дефекта происходит не зависимо от его положения и ориентации.

Алгоритм выделения перегибов на изображениях архивных фотодокументов учитывает, что при сканировании различные участки изображения в области - дефекта перегиба освещаются лучом сканера неравномерно из-за наклона этих участков относительно плоскости расположения ФД. Яркость искаженной перегибом точки определяется по формуле:

, , ,, , 1 - /|'00, УШа

д/1+ [//'(>•(*, у))]2 ^ '

где Нху) - расстояние от точки (*,>') до осевой линии дефекта. Угол а в формуле зависит от угла луча сканера и ориентации дефекта.

Таким образом, в срезе яркости перегибы могут иметь вид, отраженный на рисунке 1.

¥{г)

Так как срез яркости вдоль линии, перпендикулярной линии расположения дефекта, представляет собой последовательность импульсов, противоположных по знаку, то перегиб можно считать состоящим из двух частей - светлой и темной. Следовательно, алгоритм выделения дефекта перегибов включает три этапа:

1. выделение светлых протяженных участков дефекта;

2. выделение темных протяженных участков дефекта;

3. объединение темных и светлых участков дефекта н областей между ними при условии их параллельного и близкого расположения.

Этапы 1 и 2 реализуются с помощью алгоритмов выделения дефект о» царапин, надрывов, трещин фотослоя, волокон па изображениях архивных фотодокументов. Объединенные на этапе 3 участки являются выделенным перегибом.

В алгоритме выделения мелких пятен на изображениях архивных фотодокументов по разностным изображениям определяются области предполагаемых пятен; для принятия окончательных решений о наличии пятен в этих областях производится их анализ и анализ окрестностей.

, Мелкие пятна классифицированы следующим образом: точки в один элемент; мелкие пятна размером 3x3 точки; мелкие пятна из окрестности 3*3. Соответственно, пороговой обработкой изображений 7?® и Л], где 1<[{х,у) - абсолютная разность между средней яркостью точек, входящих в квадратную область к'к с центром в точке (х^1) и средней яркостью точек, входящих в квадратную область М с центром в точке (х,у) и не входящих в область к"к, предварительно выделяются мелкие пятна.

Пятно выделяется окончательно, если разность между яркостью предполагаемого пятна в заданной области и яркостью фона больше некоторого порога Г; кроме того, в окрестности пятна нет точек, которые по

яркостному признаку ближе к яркости предварительно выделенного пятна, а не к фону (под яркостью пятна понимается средняя яркость элементов, принадлежащих ему; под яркостью фона понимается средняя яркость элементов, прилегающих к пятну, то есть принадлежащих к некоторой области, окружающей пятно). Алгоритмом исключается возможность выделения объектов, не относящихся к мелким пятнам. •

Алгоритмом выделения точечных и : линейных дефектов на изображениях архивных фотодокументов в однородных локальных областях выделяются дефекты, которые значительно.. мешают восприятию изображения из-за большой разницы между яркостью дефекта и яркостью локальной области (фона).

Если локальная область является однородной, то значение среднеквадратичного отклонения (СКО) в этой области соответствует: СКО шума изображения, которое на изображениях АФД невелико.,А отклонение значений яркости дефектных точек в этой области от средней яркости значительно выше. Это позволяет выделять точечные и линейные дефекты на изображениях АФД в однородных локальных областях.

Алгоритм подавления шума на изображение архивных фотодокументов использует фильтр, сглаживающая способность которого зависит от уровня шума изображения. Точки, принадлежащие и не принадлежащие перепадам яркости, обрабатываются по-разному. Это позволяет избежать смазывания границ объектов и внести наименьшие искажения в изображение.

На первом этапе алгоритма определяется СКО шума изображения. Далее строится изображение контурных точек .?(хл'). С учетом коэффициента одношаговой корреляции ^ автокорреляционной функции изображения и СКО шума определяется двумерная импульсная характеристика а(х:у) фильтра для сглаживания участков изображения, не относящимся к границам объектов, и одномерная импульсная характеристика Ь{1) для сглаживания перепадов яркости. ,

Фильтрация изображения выполняется по формуле:., .

/ /

7(^)=ГГ' .. . /..."," .......... (5)

; 1 (......

■ ■" ■ ■ - '" [(и>еа,(,.л ■ ■"'< ■ : •''■ "г :

Алгоритм выделения площадных дефектов на изображениях архивных фотодокументов основан на формировании совокупности локальных признаков исходного изображения и выделения по ним дефекта.

Параметры алгоритма пбдбйраютея на этапе обучения автоматически по исходным реальным изображениям с предварительно размеченными пользователем дефектными точками. В основе обучения использовались подходы к обработке изображений при помощи генетических алгоритмов.

Целевая функция определения параметров р, на основе которых выделяется дефект, определяется относительной частотой правильной идентификации точки изображения:

„ , , • я^" ,-(б)

ЕМ ¿=1

где7 — количество изображений, участвующих в обучении алгоритма, Х1 х }) -размеры У; — го изображения, Ь,(х,у) - изображение выделенного дефекта при помощи параметров р, Ьл(х,у) - изображение дефекта (полученное от пользователя). . ч , : ,

При максимизации, функции /(/?) определяются наиболее приемлемые параметры р выделения дефекта по признакам.

... .. В .третьей главе даны тестовые изображения; представлены результаты исследований разработанных алгоритмов на тестовых и реальных изображениях; показана эффективность разработанных алгоритмов; представлены , результаты исследования технологии реставрации изображений архивных фотодокументов; дана структура автоматизированной системы реставрации изображений архивных фотодокументов. ..:

Исследование алгоритма выделения точечных и линейных дефектов на изображениях архивных фотодокументов в однородных локальных областях. Алгоритм позволяет выделить точки, входящие в области определения линейных и точечных дефектов; мала вероятность ложного выделения точек дефектных областей; хорошо выделяются дефекты на фоне и плохо вблизи границ объектов изображения. Результаты работы алгоритма представлены на рисунке 2.

При исследовании алгоритмов выделения царапин, надрывов, трещин фотослоя, волокон на изображениях архивных фотодокументов использовались тестовые изображения с дефектами, наблюдаемыми на реальных изображениях АФД: плавный яркостной перепад (рисунок 3 а); ступенчатый перепад яркости (рисунок 3 в, г); многоступенчатый перепад яркости (рисунок 3 б); наличие текстуры изображения (рисунок 3 в); наличие объектов (областей) изображения, по яркости не отличающихся от

дефектных точек (рисунок 3 а, б).

Рисунок 2. Результат работы алгоритма выделения точечных й линейных дефектов на изображениях архивных фотодокументов в однородных локальных областях ,

Результаты работы алгоритма показывают качественное выделение дефекта не зависимо от его. ориентации, наличия объектов и шума на изображении.

а) б) в) г)

Рисунок 3. Результаты выделения линейных дефектов

Исследование алгоритма выделения перегибов на изображениях архивных фотодокументов показывает, что независимо от вида перегиба на фотоизображении, его расположении и ориентации, происходит качественное выделение дефекта. На рисунке 4 на тестовых изображениях

выделялись перегибы различного вида (выпуклые и вогнутые; имеющие и не имеющие кривизну). Заметно, что все дефекты были выделены при незначительном количестве ложно выделенных дефекгпых точек.

а) б) в) г)

Рисунок 4. Результаты выделения перегибов на тестовых изображениях Исследование алгоритма выделения мелких пятен на изображениях архивных фотодокументов показывает, что выделяется подавляющее большинство мелких пятен на изображении (Рисунок 5).

Ш* М.Ииь ' .1

Ш ;

лче*» Ь I „*„ и»,",..,' У-.' а) б)

Рисунок 5. Результаты выделения мелких пятен на тестовых изображениях

Исследование алгоритма подавления шума на изображениях архивных фотодокументов показывает, что алгоритм подавляет шум более эффективно по сравнению с другими алгоритмами. После обработки визуальное качество зашумленного изображения улучшается, смазывания границ объектов не происходит. При сравнении с эталонным изображением объективный критерий качества изображения (СКО) значительно улучшается.

..При исследовании алгоритма выделения площадных . дефектов изображений архивных фотодокументов проведен автоматический анализ

большого количества изображений АФД с локальными дефектами (обучение алгоритма) и получены параметры алгоритма выделения площадных дефектов, которые позволяют с высокой верностью выделять дефектные точки средних непрозрачных пятен и отслоения фотослоя нал фотоизображении. Результат выделения средних непрозрачных пятен • отображен на рисунке 6. ■ : ' •

Рисунок 6. Результаты выделения средних непрозрачных пятен Результаты устранения дефектов на изображениях архивных фотодокументов оценивались совместно с работой разработанных

Рисунок 7. Результаты устранения дефектов на изображениях архивных

фотодокументов

Исследование технологии реставрации изображений архивных фотодокументов показало, что реставрация фотоизображения в соответствии с ней значительно улучшает визуальное качество изображения. Автоматически устраняются все наиболее часто встречающиеся дефекты ФИ, но при этом возможно сохранение следов дефектов, влияющих на качество изображения. Автоматическая обработка изображения не дает наилучшие результаты реставрации, которые могут быть получены с применением всех этапов технологии, включая обработку изображения с участием человека. Реставрация ФИ в соответствии с технологией значительно улучшает его визуальное качество, при этом автоматически устраняются все наиболее часто встречающиеся дефекты. Показано, что наилучшие результаты могут быть получены с применением всех этапов технологии, включая обработку изображения с участием человека.

Структура автоматизированной системы реставрации изображений архивных фотодокументов представлена на рисунке 8.

Система обладает следующими основными функциями: удаление дефектов разработанными и исследованными алгоритмами; перенос участков изображения ("заплаток") реставратором на соседние поврежденные участки для "покрытия" дефекта; работа специальными инструментами (кистью, карандашом, ластиком, выделением локальных областей) на изображении; восстановление (ложно) удаленных дефектов и объектов изображения копированием соответствующих участков с подложки, являющейся исходным изображением; автоматическое устранение дефектов на нескольких изображениях АФД; работа с различными форматами файлов изображений; устранение дефектов изображений непосредственно в программе Adobe Photoshop при помощи специально разработанных для этой среды фильтров с реализацией разработанных алгоритмов.

В четвертой главе приведены результаты практического применения разработанных алгоритмов и технологии в реставрации изображений архивных фотодокументов.

Разработанными алгоритмами устраняется подавляющее большинство линейных и точечных дефектов изображений АФД, практически не оставляя следов их присутствия на исходном изображении. Разработанные алгоритмы выделения и устранения дефектов фотоизображений выполняют наибольшую часть операций в процессе их реставрации, значительно сокращая время реставрации фотоизображений человеком.

Автоматизированная система реставрации изображений дахивных фотодокументов

Модуль параметров реставрации

параметры p«ct«bphwm

Фильтры ДНЯ Photoshop

Модули вьщепения и устранения дефектов

Иоадщнае ЮйЗМЖОТ-Мй

Отреставрированное ЛЮ0[\1*(*<И0

Модуль работы с изображениями и взаимодействия с пользователем

¡Изображение

Модуль I на шатать печати

Копии фотодокументов

^ Матрицы |

изображений

Модуль ввода- Р^^Л вывода фото- и са изображений |

Реотан рироеанн ые фотоизображения

Исходные фотои-юбгтвжзния

Копии фотодокументов

Долгосрочный архив базы видеоданных музея

Изображения е фермате среды

фотоизображения!

i ' ^^естзоэцюван;»!

Photoshop

Данные а '' формате среды

(ротоиэображения Команды

Справочная система

Модуль сканирования

ФОТОДО-гучвнты

Фонд фотофафий

eHjyaiThHtiff ^

Пользоаатель

Модуль взаимодействия со средой Photoshop

Рисунок 8. Структура автоматизированной системы реставрации изображений архивных фотодокументов

Разработанный алгоритм подавления шума на изображении АФД снижает его влияние на зрительное восприятие изображения, не размывая границы объектов и не снижая контраст изображения. При слабом уровне шума качество изображения не изменяется.

Разработанная автоматизированная система реставрации изображений архивных фотодокументов имеет широкие возможности обработки изображений для реставрации фотоизображений в диалоговом и автоматическом режиме с реализацией алгоритмов устранения различных дефектов и оказывает значительную помощь реставратору цифрового изображения архивного фотодокумента.

Рисунок 9. Реставрация изображения архивного фотодокумента

В заключении сформулированы основные результаты диссертационной работы:

1. Проведен обзор и анализ существующих алгоритмов, методов и систем реставрации изображений. Показана необходимость разработки новых и усовершенствования известных алгоритмов обработки и анализа изображений для автоматизированной реставрации изображений архивных фотодокументов.

2. Проведена классификация дефектов архивных фотодокументов по методам их устранения в процессе цифровой реставрации, позволяющая определить какими методами цифровой обработки изображений можно устранить каждый дефект изображений архивных фотодокументов и в какой последовательности необходимо использовать эти методы.

3. Разработаны:

- технология реставрации изображений архивных фотодокументов;

- алгоритмы выделения царапин, надрывов, трещин фотослоя, волокон на изображениях архивных фотодокументов;

- алгоритм выделения перегибов на изображениях архивных фотодокументов;

- алгоритм выделения мелких пятен на изображениях архивных фотодокументов;

-алгоритм выделения точечных и линейных дефектов на изображениях' архивных фотодокументов в однородных локальных областях;

- алгоритм подавления шума на изображениях архивных фотодокументов;

- алгоритм выделения площадных дефектов на изображениях архивных фотодокументов; . .

- автоматизированная система. реставрации изображений архивных фотодокументов. .< ■ .

4. Проведены исследования существующих и разработанных алгоритмов и технологии реставрации на тестовых и реальных изображениях. Исследования показали высокое качество реставрации изображений архивных фотодокументов. ■ , >.. . ,

5. С использованием разработанных алгоритмов и технологии решены практические задачи автоматизированной реставрации изображений архивных фотодокументов.

6. Создана тиражируемая система автоматизированной реставрации изображений архивных фотодокументов, которая может быть использована не только в музеях и архивах, но и в других областях, где требуется качественное визуальное улучшение изображений, имеющих различные шумы и дефекты.

В приложениях приведены документы, подтверждающие, практическое использование результатов исследований; даны дополнительные результаты реставрации изображений архивных фотодокументов. '

Публикации по теме диссертации

1.Д.В. Титов, С.С. Садыков, Л.Д. Варламов. Некоторые вопросы устранения дефектов фотографических изображений // Известия вузов. Приборостроение. Спец. выпуск. Методы и средства обработки изображений и распознавания образов в системах технического зрения. №2, 2005.; С. ,54-58.

2. Варламов А.Д., Садыков С.С. Точечные дефекты фотодокументов и методы их устранения.// Надежность и качество. Тр. между нар. симпоз: /Под ред. Н.К. Юркова. - Пенза: Изд-во ПГУ, 2004.' С. 411-413., . ..,-'■ ;,, ,,

3. Садыков С.С., Варламов А.Д. Улучшение качества фотоизображений,! поврежденных шумами // Надежность и качество. Тр. междунар. ,симп. /Под ред. Н.К. Юркова. -Пенза: Изд-во ПГУ, 2005,- С. 338-340.

4. Варламов А.Д., Аверин P.A. Формирование признаков изображения для выделения дефектов фотодокументов // Методы и системы обработки

информации: Сб. научн. ст. в 2 - х частях. Ч. 1 - М.: Горячая линия -Телеком, 2004. С.29-35.

5. Садыков С.С., Варламов А.Д., Алгоритм поиска и устранения линейных дефектов изображений фотодокументов // Методы и системы обработки информации: Сб. научн. ст. в 2 — х частях. Ч. 1 - М.: Горячая линия - Телеком, 2004. С.35-41.

6. А.Д. Варламов. Технология реставрации фотоизображений // Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации. Распознавание — 2005: сб. матер. 7 Междунар. конф. / ред. кол.: B.C. Титов и др.; Курск, гос. техн. ун-т. Курск, 2005. С. 34-35.

7. Варламов А.Д. Алгоритмы адаптивного повышения контраста фотоизображений // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: Матер. 13-й Междунар. НТК. Рязань: РГРТА, 2004. С. 100.

8. Варламов А.Д. Преобразования Хоха для выделения дефектов фотоизображений II Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: Матер. 13-й Междунар. НТК. - Рязань: РГРТА, 2004. С. 101.

9. А.Д. Варламов, С.С. Садыков. Исследование и классификация дефектов архивных фотодокументов.// Технологии информационного общества — Интернет и современное общество: Тр. VII Всеросс. объедин. конф. - СПб.: Изд-во Филологического ф-та СПбГУ, 2004. С. 119-121.

10. Варламов А.Д. Методы и алгоритмы обработки изображений на основе преобразований Хоха; Муром. Ин-т Владимир, гос. ун-та. - Муром, 2003. - 13 е.: ил. - Библиогр. 5 назв. - Рус. - Деп. в ВИНИТИ 16.05.03, № 970-В2003;

П.Варламов А.Д. Разработка и исследование вероятностного преобразования Хоха; Муром. Ин-т Владимир, гос. ун-та. - Муром, 2003. - 12 е.: ил. - Библиогр. 5 назв. - Рус. - Деп. в ВИНИТИ 16.05.03, № 971-В2003;

12. Варламов А.Д. Формирование тестовых изображений для оценки эффективности алгоритмов реставрации изображений; Муром. Ин-т Владимир, гос. ун-та. - Муром, 2004. — 18 с.: ил. - Библиогр. 2 назв. - Рус. -Деп. в ВИНИТИ 24.02.04, № 303-В2004.

Автореферат диссертации на соискание ученой степени кандидата технических наук

Варламов Алексей Дмитриевич

АВТОМАТИЗИРОВАННАЯ СИСТЕМА РЕСТАВРАЦИИ ИЗОБРАЖЕНИЙ АРХИВНЫХ ФОТОДОКУМЕНТОВ

Подписано в печать 14.08.2006 г. Бума1а офсетная. Усл. печ. л. 0,93. Формат 60x84 1/16. Тираж 100 экз. Заказ № 1011. Отпечатано в полиграфическом отделе Издагельско-политрафического центра Муромского института Владимирского государственного университета Адрес: 602264, Владимирская обл., г. Муром, ул. Орловская, 23

ВВЕДЕНИЕ.

ГЛАВА 1. ОБЗОР АЛГОРИТМОВ, МЕТОДОВ И СИСТЕМ РЕСТАВРАЦИИ АРХИВНЫХ ФОТОДОКУМЕНТОВ.

1.1. Обеспечение сохранности и необходимость реставрации архивных фотографических документов.

1.1.1. Музеи в России и их фонды фотодокументов.

1.1.2. Состояние архивных фотодокументов в музеях.

1.1.3. Причины возникновения искажений, помех и дефектов на изображениях архивных фотодокументов.

1.1.4. Существующие способы классификации дефектов архивных фотодокументов.

1.1.5. Способы реставрации архивных фотодокументов.

1.1.6. Способы обеспечения сохранности архивных фотодокументов.

1.2. Современные способы реставрации изображений архивных фотодокументов.

1.2.1. Целесообразность решения задач реставрации архивных фотодокументов с использованием методов цифровой обработки изображений.

1.2.2. Основные этапы процесса реставрации архивных фотодокументов с использованием методов цифровой обработки изображений и вычислительной техники.

1.2.3. Способы оценки качества изображений архивных фотодокументов.

1.3. Системы цифровой реставрации изображений.

1.4. Методы и алгоритмы цифровой обработки изображений, используемые при реставрации фотоизображений.

1.4.1. Методы и алгоритмы для устранения дефектов фотоизображений

1.4.2. Методы и алгоритмы, уменьшающие воздействие дефектов на зрительное восприятие изображения.

1.4.3. Методы и алгоритмы выделения дефектов изображений архивных фотодокументов.

1.4.4. Методы и алгоритмы устранения выделенных дефектов изображений архивных фотодокументов.

Выводы по главе 1.

Постановка задачи исследования.

ГЛАВА 2. РАЗРАБОТКА ТЕХНОЛОГИИ И АЛГОРИТМОВ РЕСТАВРАЦИИ ИЗОБРАЖЕНИЙ АРХИВНЫХ ФОТОДОКУМЕНТОВ

2.1. Классификация дефектов архивных фотодокументов: по типам и с точки зрения цифровой реставрации изображений.

2.1.1. Классификация дефектов архивных фотодокументов по типам.

2.1.2. Классификация дефектов архивных фотодокументов с точки зрения цифровой реставрации изображений.

2.2. Результаты статистической обработки АФД по относительным частотам появления дефектов на них.

2.3. Задача реставрации изображений архивных фотодокументов.

2.4. Технология реставрации изображений архивных фотодокументов.

2.5. Алгоритмы выделения царапин, надрывов, трещин фотослоя, волокон на изображениях архивных фотодокументов.

2.6. Алгоритм выделения перегибов на изображениях архивных фотодокументов.

2.7. Алгоритм выделения мелких пятен на изображениях архивных фотодокументов.

2.8. Алгоритм выделения точечных и линейных дефектов на изображениях архивных фотодокументов в однородных локальных областях.

2.9. Алгоритм подавления шума на изображениях архивных фотодокументов.

2.10. Алгоритм выделения площадных дефектов на изображениях архивных фотодокументов.

2.11. Устранение дефектов на изображениях архивных фотодокументов на основе предсказания яркостей.

Выводы по главе 2.

ГЛАВА 3. ИССЛЕДОВАНИЕ РАЗРАБОТАННЫХ ТЕХНОЛОГИИ, АЛГОРИТМОВ И СОЗДАНИЕ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ РЕСТАВРАЦИИ ИЗОБРАЖЕНИЙ АРХИВНЫХ ФОТОДОКУМЕНТОВ.

3.1. Формирование и обоснование тестовых изображений.

3.2. Исследование алгоритма выделения точечных и линейных дефектов изображений архивных фотодокументов.

3.3. Исследование алгоритмов выделения царапин, надрывов, трещин фотослоя, волокон на изображениях архивных фотодокументов.

3.4. Исследование алгоритма выделения перегибов на изображениях архивных фотодокументов.

3.5. Исследование алгоритма выделения мелких пятен на изображениях архивных фотодокументов.

3.6. Исследование алгоритма подавления шума на изображениях архивных фотодокументов.

3.7. Исследование алгоритма выделения локальных дефектов изображений архивных фотодокументов.

3.8. Исследование алгоритма устранения выделенных дефектов на изображениях архивных фотодокументов.

3.9. Исследование технологии реставрации изображений архивных фотодокументов.

3.10. Структура автоматизированной системы реставрации изображений архивных фотодокументов.

Выводы по главе 3.

ГЛАВА 4. ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ РЕСТАВРАЦИИ ИЗОБРАЖЕНИЙ АРХИВНЫХ ФОТОДОКУМЕНТОВ

4.1. Предварительный анализ изображений архивных фотодокументов.

4.2. Реставрация изображений архивных фотодокументов, искаженных линейными дефектами.

4.3. Реставрация изображений архивных фотодокументов, искаженных дефектом мелких пятен.

4.4. Реставрация изображений архивных фотодокументов, искаженных шумом.

4.5. Реставрация изображений архивных фотодокументов, искаженных локальными дефектами.

4.6. Улучшение контраста изображений архивных фотодокументов.

4.7. Устранение черных и белых полос на краях изображений архивных фотодокументов.

4.8. Реставрация изображений архивных фотодокументов, искаженных многими дефектами.

4.9. Реставрация сильно испорченных изображений архивных фотодокументов.

Выводы по главе 4.

В настоящее время наблюдается переход музеев на использование электронных коллекций баз видеоданных, где хранятся цифровые копии изображений архивных фотодокументов. За счет пополнения коллекций количество цифровых копий графических данных постоянно возрастает. Это позволяет обеспечить непосредственный доступ к ним широкой публике без (нежелательного) использования оригинальных документов (создание иллюстрированных каталогов на CD/DVD, размещение изображений в сети Интернет).

Однако, проблемой является плохое качество многих изображений архивных фотодокументов, в том числе уникальных. От долгого хранения (часто в несоответствующих требуемым условиях), влияния окружающей среды на фотодокументах появляются дефекты. Традиционные методы реставрации ФД не обеспечивают должного качества его восстановления, кроме того, подвергают риску оригинальный фотодокумент. В связи с этим актуальна цифровая реставрация изображений исторических фотодокументов, позволяющая устранять всевозможные дефекты изображений фотодокументов и сохранять оригинал.

Цифровая реставрация изображений с использованием существующих систем (программ) является трудоемкой и требует много времени,ч Большая нагрузка в процессе реставрации ложится на человека-реставратора. Особенно остро это ощущается при необходимости реставрации большого количества ФИ в короткий срок, например при подготовке к выставке. При этом многие операции, выполняемые человеком в процессе реставрации, можно автоматизировать.

В связи с этим актуальны задачи автоматизации процессов: анализа изображения на наличие дефектов, выделения дефектов, устранения выделенных дефектов на изображениях архивных фотодокументов. Эти задачи сегодня не решены. Кроме того, известные алгоритмы не могут обеспечить наиболее полное их решение. Поэтому необходима разработка новых алгоритмов и методов, позволяющих проводить цифровую реставрацию ФИ; и разработка на их основе автоматизированной подсистемы реставрации изображений архивных ФД.

Целью диссертационной работы является разработка и создание автоматизированной системы реставрации изображений архивных фотодокументов.

Исходя из цели работы задачами исследования являются:

1. Анализ проблемы, связанной с сохранением и реставрацией изображений архивных фотодокументов.

2. Анализ методов и алгоритмов цифрового восстановления изображений.

3. Классификация дефектов изображений архивных фотодокументов с точки зрения их цифровой реставрации;

4. Разработка и исследование новых алгоритмов, технологии и автоматизированной системы реставрации изображений архивных фотодокументов.

5. Практическое применение автоматизированной системы реставрации изображений архивных фотодокументов.

Методы исследования. В работе использованы методы дискретной математики, математической логики, основные понятия математического анализа и теории множеств, методы цифровой обработки сигналов и изображений, теория вероятностей и математическая статистика.

Научная новизна.

В процессе проведенных исследований решены следующие задачи:

- классификация дефектов фотоизображений по методам их устранения в процессе цифровой реставрации;

- разработана технология реставрации изображений архивных фотодокументов;

- разработаны алгоритмы выделения царапин, надрывов, трещин фотослоя, волокон, перегибов, мелких пятен, площадных дефектов на изображениях архивных фотодокументов;

- разработан алгоритм подавления шума на изображениях архивных фотодокументов;

- разработана автоматизированная система реставрации изображений архивных фотодокументов.

Практическая ценность работы. Результаты диссертационной работы внедрены в Муромском Историко-художественном музее (город Муром).

Результаты работы позволяют решать следующие практические задачи:

1. Сокращать время реставрации изображений архивных фотодокументов при использовании разработанной технологии.

2. Качественно выделять дефекты царапин, надрывов, трещин фотослоя, волокон, перегибов, мелких пятен, площадных дефектов на изображениях архивных фотодокументов.

3. Подавлять шум на изображениях архивных фотодокументов.

4. Реставрировать и визуально улучшать качество изображений архивных фотодокументов, имеющих шумы и различные дефекты.

На защиту выносятся следующие результаты работы:

1. Алгоритмы выделения точечных, линейных и площадных дефектов изображений архивных фотодокументов.

2. Алгоритм подавления шума изображений архивных фотодокументов.

3. Результаты экспериментальных исследований разработанных алгоритмов и технология реставрации изображений архивных фотодокументов.

4. Результаты практического применения разработанных алгоритмов и технологии реставрации изображений архивных фотодокументов.

Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались на международном симпозиуме «Надежность и качество» (г. Пенза, 2004-2005 гг.); на VII всероссийской объединенной конференции «Технологии информационного общества - Интернет и современное общество» (г. Санкт-Петербург, 2004 г.); на международной конференции EVA (г. Москва, 2004-2005 гг.); на международной научно-технической конференции «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций» (г. Рязань, 2004 г.); на всероссийском научно-техническом семинаре «Сети и системы связи» (г. Рязань, 2005 г.); на научно-практическом семинаре «Музейные библиотеки в современном обществе: фонды и их сохранность» (г. Москва, 2005 г.); на VII международной научно-технической конференции "Распознавание-2005" (г. Курск, 2005 г.); на научно-технических конференциях преподавателей и сотрудников Муромского института (филиала) Владимирского государственного университета (г. Муром, 2003-2005 гг.).

Публикации. По теме диссертации опубликовано 12 работ, включая 8 статей, 4 тезиса докладов.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы, имеющего 130 наименований.

Выводы по главе 4

1. Разработанными алгоритмами устраняется подавляющее большинство линейных и точечных дефектов фотоизображений, практически не оставляя

• следов их присутствия на исходном изображении.

2. Локальные дефекты фотоизображений хорошо выделяются и устраняются разработанными алгоритмами, значительно улучшая качество.

3. Разработанный алгоритм подавления шума на фотоизображении снижает его влияние на зрительное восприятие изображения, не размывая границы объектов и не снижая контраст изображения. При слабом уровне шума качество изображения не изменяется.

4. Разработанные алгоритмы выделения и устранения дефектов фотоизображений выполняют наибольшую часть операций в процессе их реставрации, значительно сокращая время реставрации фотоизображений человеком.

5. Разработанная автоматизированная система имеет широкие возможности обработки изображений для реставрации фотоизображений в диалоговом и автоматическом режиме с реализацией алгоритмов устранения различных дефектов и оказывает значительную помощь реставратору цифрового изображения архивного фотодокумента.

ЗАКЛЮЧЕНИЕ

1. Проведен обзор и анализ существующих алгоритмов, методов и систем реставрации изображений. Показана необходимость разработки новых и усовершенствования известных алгоритмов обработки и анализа изображений для автоматизированной реставрации изображений архивных фотодокументов.

2. Проведена классификация дефектов архивных фотодокументов по методам их устранения в процессе цифровой реставрации, позволяющая определить какими методами цифровой обработки изображений можно устранить каждый дефект изображений архивных фотодокументов и в какой последовательности необходимо использовать эти методы.

3. Разработаны:

- технология реставрации изображений архивных фотодокументов;

- алгоритмы выделения царапин, надрывов, трещин фотослоя, волокон на изображениях архивных фотодокументов;

- алгоритм выделения перегибов на изображениях архивных фотодокументов;

- алгоритм выделения мелких пятен на изображениях архивных фотодокументов;

- алгоритм выделения точечных и линейных дефектов на изображениях архивных фотодокументов в однородных локальных областях;

- алгоритм подавления шума на изображениях архивных фотодокументов;

- алгоритм выделения площадных дефектов на изображениях архивных фотодокументов;

- автоматизированная система реставрации изображений архивных фотодокументов.

4. Проведены исследования существующих и разработанных алгоритмов и технологии реставрации на тестовых и реальных изображениях. Исследования показали высокое качество реставрации изображений архивных фотодокументов.

5. С использованием разработанных алгоритмов и технологии решены практические задачи автоматизированной реставрации изображений архивных фотодокументов.

6. Создана тиражируемая система автоматизированной реставрации изображений архивных фотодокументов, которая может быть использована не только в музеях и архивах, но и в других областях, где требуется качественное визуальное улучшение изображений, имеющих различные шумы и дефекты.

ПО ТЕМЕ ДИССЕРТАЦИИ ОПУБЛИКОВАНЫ СЛЕДУЮЩИЕ РАБОТЫ:

1. Д.В. Титов, С.С. Садыков, А.Д. Варламов. Некоторые вопросы устранения дефектов фотографических изображений // Известия вузов. Приборостроение. Спец. выпуск. Методы и средства обработки изображений и распознавания образов в системах технического зрения. №2,2005. С. 54-58.

2. Варламов А.Д., Садыков С.С. Точечные дефекты фотодокументов и методы их устранения.// Надежность и качество. Тр. междунар. симпоз. /Под ред. Н.К. Юркова.

- Пенза: Изд-во ПТУ, 2004. С. 411-413.

3. Садыков С.С., Варламов А.Д. Улучшение качества фотоизображений, поврежденных шумами // Надежность и качество. Тр. междунар. симп. /Под ред. Н.К. Юркова. - Пенза: Изд-во ПТУ, 2005.- С. 338-340.

4. Варламов А.Д., Аверин Р.А. Формирование признаков изображения для выделения дефектов фотодокументов // Методы и системы обработки информации: Сб. научн. ст. в 2 - х частях. Ч. 1 - М.: Горячая линия - Телеком, 2004. С.29-35.

5. Садыков С.С., Варламов А.Д., Алгоритм поиска и устранения линейных дефектов изображений фотодокументов // Методы и системы обработки информации: Сб. научн. ст. в 2 - х частях. Ч. 1 - М.: Горячая линия - Телеком, 2004. С.35-41.

6. А.Д. Варламов. Технология реставрации фотоизображений // Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации. Распознавание - 2005: сб. матер. 7 Междунар. конф. / ред. кол.: B.C. Титов и др.; Курск, гос. техн. ун-т. Курск, 2005. С. 34-35.

7. Варламов А.Д. Алгоритмы адаптивного повышения контраста фотоизображений // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: Матер. 13-й Междунар. НТК. Рязань: РГРТА, 2004. С. 100.

8. Варламов А.Д. Преобразования Хоха для выделения дефектов фотоизображений // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: Матер. 13-й Междунар. НТК. - Рязань: РГРТА, 2004. С. 101.

9. А.Д. Варламов, С.С. Садыков. Исследование и классификация дефектов архивных фотодокументов.// Технологии информационного общества - Интернет и современное общество: Тр. VII Всеросс. объедин. конф. - СПб.: Изд-во Филологического ф-та СПбГУ, 2004. С. 119-121.

10. Варламов А.Д. Методы и алгоритмы обработки изображений на основе преобразований Хоха; Муром. Ин-т Владимир, гос. ун-та. - Муром, 2003. - 13 е.: ил.

- Библиогр. 5 назв. - Рус. - Деп. в ВИНИТИ 16.05.03, № 970-В2003;

11. Варламов А.Д. Разработка и исследование вероятностного преобразования Хоха; Муром. Ин-т Владимир, гос. ун-та. - Муром, 2003. - 12 е.: ил. - Библиогр. 5 назв. -Рус. - Деп. в ВИНИТИ 16.05.03, № 971-В2003;

12. Варламов А.Д. Формирование тестовых изображений для оценки эффективности алгоритмов реставрации изображений; Муром. Ин-т Владимир, гос. ун-та. - Муром, 2004. - 18 е.: ил. - Библиогр. 2 назв. - Рус. - Деп. в ВИНИТИ 24.02.04, № 303-В2004.

1. Абламейко С.В., Лагуновский Д.М. Обработка изображений: технология, методы, применение. Учебное пособие. - Мн.: Амалфея, 2004 -304 с.

2. Абрамович М.И., Стародубцев М.Т. Математика. Геометрия и тригонометрические функции. -М.: Высшая школа, 1976.- 300 с.

3. Айсманн К. Ретуширование и обработка изображений в Photoshop: Пер. с англ. -М.: Вильяме, 2004,- 488 с.

4. Алексеенко. Л. Про уродов и людей. Музеи — это не только восковые фигуры и экспонаты кунсткамер //Версия, 2004, №6.- С. 54-56.

5. Архипов А.Е.,. Дегтярев С.В,. Садыков С.С и др. Методы цифровой обработки изображений: Уч. пособ. Ч. 2. Курск: КГТУ, 2002.- 118 с.

6. Асмаков. С. Развитие цифровой фотографии //Компьютер пресс, 2005, №4, С. 185187.

7. Бакут П.А., Колмогоров Г.С., Ворновицкий И.Э. Сегментация изображений: Методы пороговой обработки // Зарубежная радиоэлектроника, №10,1987, С. 6-24.

8. Бакут П.А., Колмогоров Г.С. Сегментация изображений: Методы выделения границ областей // Зарубежная радиоэлектроника, №10. 1987, С. 25-47.

9. Башкир Б.С., Кулаков Е.М., Суворов С.А. Мастер-класс по сохранности фотодокументов // Отечественные архивы, 2003, №6, С. 102-103.

10. Блатнер Д. Сканирование и растрирование изображений / Девид Блатнер, Гленн Флейшман, Стив Рот. М: ЭКОМ, 1999.- 383 с.

11. Бокштейн И.М., Карнаухов В.Н., Мерзляков Н.С., Рубанов Л.И. Разработка баз данных архивных изображений на основе современных технологий их обработки и хранения. Компьютерная оптика. Самара-Москва. Вып. 17,2001, С.116-124.

12. Болотов А.А., Колосова Т.Ю., Придатько П.А. Междунар. конф. "Фотография как документальный источник и предмет исследования" // Отечественные архивы, 2004, №5, С. 122-123.

13. Борилин Б.Л. Исследование и разработка автоматизированного метода реставрации фотодокументов государственных архивов: Автореферат дисс. канд. техн. наук. М., 1982. 42 с.

14. Борилин Б.Л. Квалиметрическая оценка дефектов архивных фотодокументов. М.: Советские архивы, 1981, №3, С. 37-40.

15. Борилин Б.Л., Горшкова Л.К., Крылов Б.В., Ушаков А.Н. Устранение пятен на изображениях архивных фотодокументов с помощью ЭВМ. В кн.: Методы и системы автоматизированной реставрации и консервации архивных документов. -М.: Главархив СССР, 1985. С.

16. Борилин Б.Л. Сергазин Ж.Ф. Экспериментальное исследование дефектов архивных фотодокументов. // Проблемы механизации и автоматизации делопроизводства и архивов. -М, 1981. С. 53-61.

17. Варламов А.Д. Алгоритмы адаптивного повышения контраста фотоизображений // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: Матер. 13-й Междунар. НТК. Рязань: РГРТА, 2004. С. 100.

18. Варламов А.Д. Методы и алгоритмы обработки изображений на основе преобразований Хоха; Муром. Ин-т Владимир, гос. ун-та. Муром, 2003. - 13 е.: ил. - Библиогр. 5 назв. - Рус. - Деп. в ВИНИТИ 16.05.03, № 970-В2003;

19. Варламов А.Д. Преобразования Хоха для выделения дефектов фотоизображений // Проблемы передачи и обработки информации в сетях и системах. телекоммуникаций: Матер. 13-й Междунар. НТК. Рязань: РГРТА, 2004. С. 101.

20. Варламов А.Д. Разработка и исследование вероятностного преобразования Хоха; Муром. Ин-т Владимир, гос. ун-та. Муром, 2003. - 12 е.: ил. - Библиогр. 5 назв. -Рус. - Деп. в ВИНИТИ 16.05.03, № 971-В2003;

21. Варламов А.Д. Формирование тестовых изображений для оценки эффективности алгоритмов реставрации изображений; Муром. Ин-т Владимир, гос. ун-та. Муром, 2004. -18 е.: ил. - Библиогр. 2 назв. - Рус. - Деп. в ВИНИТИ 24.02.04, № 303-В2004.

22. Варламов А.Д., Аверин Р.А. Формирование признаков изображения для выделения дефектов фотодокументов // Методы и системы обработки информации: Сб. научн. ст. в 2 х частях. Ч. 1 - М.: Горячая линия - Телеком, 2004. С.29-35.

23. Варламов А.Д., Садыков С.С. Точечные дефекты фотодокументов и методы их устранения.// Надежность и качество. Тр. междунар. симпоз. /Под ред. Н.К. Юркова. Пенза: Изд-во ПТУ, 2004. С. 411-413.

24. Вартанов А., Луговьер Д. Фотоискусство, фототехника. Под общ. ред. Фомина А.А. М: "Искусство", 1988.- 223 с.

25. Введение в контурный анализ: приложение к обработке изображений и сигналов / Под. ред. Я. А. Фурмана 2-е издание. - М.: ФИЗМАТЛИТ, 2003.- 588 с.

26. Вендровский К.В., Вейцман А.И. Фотографическая структурометрия. -М.: Искусство, 1982.- 150 с.

27. Вильям Арме. Электронные библиотеки. Пер. с англ. М.: ПИК ВИНИТИ, 2001, 273 с.

28. Вопросы кибернетики. Вып. 38. Иконика. Цифровая обработка и фильтрация изображений. Под общ. ред. Д.С. Лебедева. М.: АН СССР, 1978.184 с.

29. Гмурман В.Е. Теория вероятностей и математическая статистика. Учеб. пособие для вузов. Изд. 7-е, стер.- М.: Высш. Шк., 1999.- 479 с.

30. Голоскоков В.В. Восстановление поврежденных водой документов и книг // Отечественные архивы, 2004, №4, С. 54-56.

31. Гонсалес Р., Вудс Р. Цифровая обработка изображений: Пер. с англ. М.: Техносфера, 2005,- 1070 с.

32. Грузман И.С., Киричук B.C. и др. Цифровая обработка изображений в информационных системах. Уч. пособ. Новосибирск: НГТУ, 2000. - 160 с.

33. Гузанов Е.Л., Казакова Н.Н. Комплексный подход к обеспечению сохранности документов в Ярославской области // Отечественные архивы, 2004, №3, С. 24-27.

34. Денисов Д.А., Метлицкий Е.А. Введение в цифровую обработку изображений. Уч. пособие. Ленинград: РИО ЛЭТИ, 1981.- 79 с.

35. Дубовских В.М. Автоматизированный контроль оцифрованных фотодокументов/Автоматизированные системы поиска и системы реставрации архивных документов методами оцифрования: Сб. науч. трудов/ НИЦТД СССР. -М., 1987. С. 30-36.

36. Дуда Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1976. 640 с.

37. Есин С.А., Носов М.Г. Аппаратно-программный комплекс для автоматической реставрации кино- и видеофильмов. Матер. 4-й междунар. научно-практ. конф. "Эхолот 2004".-М. С. 17-20.

38. Иконика. Пространственная фильтрация изображений. Фотографические системы. Отв. ред. Д.С. Лебедев. -М.:"Наука", 1970.133 с.

39. Иконика. Теория и методы обработки изображений. Отв. ред. Д.С. Лебедев, Н.Р. Попова. ИППИ АН СССР. -М.:"Наука", 1983.- 151 с.

40. Иконика. Цифровая голография. Обработка изображений. Сб. ст. ИППИ АН СССР. -М.:"Наука", 1975.- 145 с.

41. Информационно справочная система "НИКА-Музей" - шаг номер два // Мир музея, 2004, №11, С. 20-21.

42. Канунова Е.Е., Смолин Д.И. Вопросы разработки базы видеоданных архивных документов // Обработка информации: системы и методы: Сб. научн. ст. -М.: Горячая линия Телеком. 2003. - С. 13-18.

43. Карский И.М. Некоторые аспекты реставрации фотодокументов. Справочно-информационный фонд Российского государственного архива кинофотодокументов, 2004. 5 с.

44. Кепель А.А., Лившиц М.Г. Фотореставрация текстов архивных документов/Советские архивы. М. №4. 1979, С. 69-71.

45. Киселев А.Я., Виленский Ю.Б. Физические и химические основы цветной фотографии. Справочное пособие. Ленинград: "Химия", 1990.-303 с.

46. Крылов Б.В., Поспелов В.В. Восстановление информации текстовых документов с помощью ЭВМ. В сб. научн. тр. НИЦТД СССР. - М.: Главархив СССР, 1994. С.28-36.

47. Кузьменко Д.В. Исследование параметров искажений, вносимых при формировании цифровых изображений // Прикладная геометрия. М: МАИ, вып. 2, №2.1999-2000, С. 10-15.

48. Лабунец В.Г., Чернина С.Д. Теория и применение преобразования Хо/ Зарубежная радиоэлектроника, №10,1987, С. 48-56.

49. Лагуновский Д.М. Алгоритмы сегментации полутоновых изображений на основе анализа локальных свойств: Автореферат диссертации на соиск. уч. ст. канд. техн. наук -Минск, 1999. -19 с.

50. Методы и средства обработки изображений: Сб. научн. ст. Новосибирск: ИАиЭ СО АН СССР, 1982. 136 с.

51. Методы компьютерной обработки изображений / Под. ред. В.А.Сойфера. 2-е изд., испр. - М.: ФИЗМАТЛИТ, 2003. -784 с.

52. Миркин Л.И., Ярославский Л.П. Способ измерения зашумленности изображений. // Вопросы кибернетики, вып. 38 М.: АН СССР, 1978, С. 97-107.

53. Михайлов О.А. Электронные документы в архивах: Проблемы приема. Обеспечение сохранности и использование: (Аналит. обзор зарубеж. и отеч. опыта) / Федер. арх. служба России и др. 2-е. изд., доп. М.: Диалог-МГУ, 2000. - 325 с.

54. Морозкина Л. Электронные коллекции. Создание и развитие электронных коллекций в музеях // Мир музея, №6 Ноябрь-Декабрь. АНО, редакция журнала "Мир музея", 2003. С. 15-18.

55. Музалевская И.М. Автоматизированные музейные системы Камис и АС Музей./ Ассоциация музейных работников. Тезисы докладов Тула, 2000. С. 56-66.

56. Москинов В.А., Трушин Н.Г. Передача мелких деталей при сканировании и получение копий фотографических изображений // Техника кино и телевидения, 2004, №9, С. 32-34.

57. Мощные автоматические системы для цифровой реставрации архивных киновидеодокументов // Техника кино и телевидения, 2003, №3, С. 48-51.

58. Музей и новые технологии // На пути к музею XXI века/ Сост. и научн. ред. Н. А. Никитин. М.: Прогресс- Традиция, 1999.- 216 с.

59. Новая установка для реставрации архивных кинопленок // Техника кино и телевидения, 2003, №6, С. 42-43.

60. Обработка изображений и цифровая фильтрация / Под. ред. Т.С. Хуанга: Пер. с англ. -М.: Мир, 1979.-122 с.

61. Орлов А.А. Выделение однородных областей на медицинских изображениях / Тр. V междунар. электронной конф. "Современные проблемы информации в непромышленной сфере и экономике" Воронеж: Центрально-Черноземное книжное издательство, - 2000, С. 92-93.

62. Орлов А.А. Методы и алгоритмы обработки и выделения структурных элементов полутоновых изображений на основе преобразования Хоха. Автореф. дисс. на соискание уч. степ, к.т.н. Владимир: ВлГУ. 2001. 20 с.

63. Орлов А. А. Обнаружение прямоугольных сегментов линий как частей контуров изображений / Радиотехника, телевидение и связь. Межвуз. сб. науч. тр. Муром, 1999. С. 145-149.

64. Орлов А. А., Садыков С.С. Применение преобразования Хоха для обработки и анализа медицинских изображений / Компьютерные технологии обработки и анализа данных Ташкент: НПО «Кибернетика» АН РУз, 2000. С. 74-78.

65. Орлов А.А., Середа С.Н., Филиппова Н.В. Выделение линейных дефектов на фотоизображениях // Методы и системы обработки информации: Сб. научн. ст. в 2 -х частях. Ч. 1. М.: Горячая линия - Телеком, 2004. С.24-29.

66. Очин Е.Ф. Вычислительные системы обработки изображений. Л.: Энергоатомиздат, 1989.- 136 с.

67. Полякова Т.А. О проблемах сохранения культурных ценностей в музеях Российской Федерации/Вестник архивиста. 2000. № 1.С. 214 221.

68. Пономарев Б. Б. Малый музей: специфика информатизации // Матер, пятой конф. АДИТ'2001 "Музеи и информационное пространство: проблема информатизации и культурное наследие". Тула, 2001.- С. 4.1-4.3.

69. Пономаренко В. К. Компьютерная программа для электронной реставрации текстовой и графической информации. Матер. 7-й междунар. конф. "EVA 2002 Москва". М.: Мин. Культуры РФ, С.3.4.1-3.4.3.

70. Попов Ю.А. Объективная оценка качества телевизионного изображения. // Техника кино и телевидения, 2004, №10, С. 14-17.

71. Претт У. Цифровая обработка изображений. Пер. с англ. Ч. 2. М.: Мир, 1982.640 с.

72. Разработка и применение автоматизированной системы обработки изображений для реставрации фотодокументов. Метод, пособие. Сост.: О.А. Михайлов,

73. В.В. Поспелов и др. -М., НИЦТД СССР, 1988,74 с.

74. Реставрация музейных ценностей. Научные и практические работы. Труды ГИМ. Вып.107. -М., 1999.- 152 с.

75. Садыков С.С. Цифровая обработка и анализ изображений. Ташкент: НПО "Кибернетика" АН РУз, 1994. - 195 с.

76. Садыков С.С., Варламов А.Д., Алгоритм поиска и устранениялинейных дефектов изображений фотодокументов // Методы и системы обработки информации: Сб. научн. ст. в 2 х частях. Ч. 1 - М.: Горячая линия - Телеком, 2004. С.35-41.

77. Садыков С.С., Варламов А.Д. Улучшение качества фотоизображений, поврежденных шумами //Надежность и качество. Тр. междунар. симп. /Под ред. Н.К. Юркова. Пенза: Изд-во ПТУ, 2005.- С. 338-340.

78. Смирнова Л.И. Система цифровой реставрации архивных кинофильмов // Техника кино и телевидения, 2004, №2, С. 53-57.

79. Степин М.С. Сегментация изображений методом наращивания областей //3-я Междунар. конф. Радиоэлектроника в медицинской диагностики. М. 1999. С. 126128.

80. Татарников О. Резервное копирование и восстановление информации // Компьютер пресс, 2002, №11, С. 58-63.

81. Тимашева И. Музейные библиотеки будущего. Стажировка в США // Мир музея, 2004, №4, С. 44-47.

82. Труевцева О. Н. Состояние сибирских музеев: точка зрения экспертов //Культурное наследие Сибири. Сб. науч. ст. Вып. 2/Под ред. Т. М. Степанской. -Барнаул: Изд-во АТУ, 2000. 142 с.

83. Хант Б.Р. Цифровая обработка изображений М: Мир, 1980, 552 с.

84. Хуанг Т.С., Эклунд Дж.-О., Нуссбаумер Г. Дж. и др. Быстрые алгоритмы в цифровой обработки изображений / Под. ред. Т.С. Хуанга: Пер. с англ. М.: Радио и связь, 1984.-224 с.

85. Цифровая обработка сигналов и ее применения // Сб. ст. / Отв. ред.

86. Л.П. Ярославский. АН СССР. Институт проблем передачи информации. М.: Наука, 1981.- 142 с.

87. Цифровые методы оптимальной обработки сигналов: Межвуз. сб. науч. тр. Отв. ред. Т.Б. Борукаев. Новосибирск: НЭТИ, 1982.- 159 с.

88. Чувилова И. В. Музеи общества и общество в музее, Cultivate-Russia Web Magazine, выпуск 1, октябрь 2002. С. 1.4.

89. Шикин Е.В. Кривые и поверхности на экране компьютера. Руководство по сплайнам. М.: Диалог-МИФИ, 1996. 240 с.

90. Щербаков М.А. Нелинейная фильтрация сигналов и изображений. Уч. пособие. Пенза: Изд-во ПТУ, 1999.- 164 с.

91. Ярославский Л.П. Введение в цифровую обработку изображений. М: Сов. радио, 1979.312 с.

92. Andrews Н.С., Hunt B.R. Digital image restoration. New Jersey: Prentice - Hall, 1977.-238 p.

93. Andrey P., Tarroux P. Unsupervised Segmentation of Marcov Random Field Modeled Textured Images Using Selectionist Relaxation, IEEE Transactions on Pattern Analysis and Machine Intelligence. Vol 20, No. 3, March, 1998, pp. 252-262.

94. Ardebilian M., Chen L. A new line segment extraction algorithm: fast connective Hought transform. 2001. Proceedings of sixth International Conference PRIP'2001,Minsk, Republic of Belarus, pp. 127-132.

95. Atiquzzaman M. Multiresolution Hough Transform An Efficient Method of Detecting Patterns in Images // IEEE Trans. Pattern Anal. Mach. Intell., Vol. 14, NO. 11, November, 1992, pp. 1090-1095.

96. Ballard D. H. Generalizing the Hough transform. Pattern Recognition. NO 13, 1981, pp. 111-122.

97. Canny J., A computational approach to edge detection // IEEE Trans. Pattern Anal. Mach. Intell. 8(6), 1986, pp.679-697

98. Casasent D. and Krishnapuram R., Curved object location by Hough transformation // Pattern Recognition 1987 20, pp. 181-188.

99. Clark F., Olson. Constrained Hough transform for curve detection. 1999. Computer Vision and Image Understanding. V. 73, pp. 329-345.

100. Clark F., Olson. Improving the generalized Hough transform through imperfect grouping. 1998. Image and Vision Computing. 16, pp. 627-634.

101. Deans S.R. Hough Transform of Radon Transform // IEEE Trans. Pattern Anal. Mach. Intell., Vol. PAMI-3, NO. 2, March, 1981, pp. 185-188.

102. Dhawan A.P., Buelloni G., Gordon R. Enhancement of mammographic features by optimal adaptive neighborhood image processing // IEEE Trans. Med. Imaging. 1986. -v.5. - pp. 8-15.

103. Duda R.O., Hart P.E. Use of Hough transformation to detect lines and curves in pictures // Comm. ACM 15. 1972, pp. 11-15.

104. Gordon R., Rangayyan R.M. Feature enhancement of film mammograms using fixed and adaptive neighbourhood // Applied optics. 1984. - v.23. - pp. 560-564.

105. Grimson W. E. L., Huttenlocher D. P. On the sensitivity of the Hough transform for object recognition// IEEE Trans. Pattern Anal. Mach. Intell. 12(3), 1990, pp. 255-274.

106. Huss David. Corel PhotoPaint 10. The Official Guide. Osbome/McGraw-Hill. 2001, 644 p.

107. Kalabukhov E.V., Tatur M.M. Algorithm of raise local contrast for grayscale images. 2001. Proceedings of sixth International Conference PRIP'2001,Minsk, Republic of Belarus, pp. 95-99.

108. Langan D.A., Modestino J. W., Cluster Validation for Unsupervised Statistic Model Based Image Segmentation, IEEE Transaction on Image Processing. Vol 7, No. 2. February, 1998, pp. 180-195.

109. Lavalle S.M., Hutchinson S.A. A Bayesian Segmentation Methodology for Parametric Image Models, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol 17, No.2, pp. 211-217, February, 1995.

110. Lukianitsa A. Neural Network for reconstruction of defocused images. In proc. of conf. "Neuroinformatica-99", Moskow.: MIFI, 1999, pp. 159-164.

111. McKenzie D. S., Protheroe S. R. Curve description the inverse Hough transform. Pattern Recognition. 1990. V. 23. No 3-4, pp. 283-289.

112. McMahon Ken, Nichols Robin. Paint Shop Pro 9 for Photographers. Focal Press, 2005,320 р.

113. Michalewicz, Z., Genetic algorithms + data structures = evolution programs. -Springer-Verlag, Berlin, New York, 1998.

114. Ming Jiang., Ge Wang. Convergence studies on iterative algorithms for image reconstruction. IEEE. Transaction on medical imaging, Vol 22, No 5. May 2003, pp. 59-63.

115. Olson C.F. Constrained Hough Transforms for Curve Detection // Computer Vision and Image Understanding., Vol. 73, No. 3, March, 1999, pp. 329-345.

116. Olson C.F. Decomposition of the Hough Transform: Curve Detection with Efficient Error Propagation // Proc. of the European Conference on Computer Vision, 1996, pp. 263272.

117. Optimal Linear Filtering // EE 414/530: Statistical Communications, University off Pennsylvania, Handout 18 Fall Semester 1999.

118. Pao D., Li H., Jayakumar R. Shapes recognition using the straight line Hough Transform: Theory and Generalization // Pattern Anal. Mach. Intell., Vol.14, NO. 11, 1992.

119. Philip R. Thrift Stanley M. Dunn. Approximating Point-Set Images by Line Segments Using a Variation of the Hough transform. 1983. Computer Vision, Graphics, and Image Processing 21, pp. 383-394.

120. Pieczunski W. Statistical Image Segmentation, Machine Graphic and Vision. Vol 1, No. 1-2,1992, pp. 261-268.

121. Rong-Chin Lo, Wen-HsiangTsai. Gray- scale Hough transform for thick line detection in gray- scale images. 1995. V. 28. No 5, pp. 647-661.

122. Sadykov S.S., Andrianov D.Y., Solomadina Y.S. Reduction of speckle-noise level in images. 2001. Proceedings of sixth International Conference PRIP'2001,Minsk, Republic of Belarus, pp. 107-111.

123. Stark H. Image recovery. Theory a application. Ed. by Henry Stark. Orlando etc. Acad press, 1987-XIX,513p.

124. Zitova В., Flusser J., Shroubek F. Application of image processing for the conservation of the medieval mosaic. Institute of Information Theory and Automation Academy of Sciences of the Czech Republic. IEEE 2002, pp. 993- 996.