Pretvorba crno-bijelih slika u slike u boji uporabom tehnika strojnog učenja

master's thesis

• Title (english): Conversion of black and white pictures to coloured images using machine learning techniques
• Author: Ivana Žeger
• Mentor: Sonja Grgić (mentor)
• Committee member: Sonja Grgić (predsjednik povjerenstva)
• Committee member: Tomislav Kos (član povjerenstva)
• Committee member: Dario Bojanjac (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2020-07-14, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing

Abstract

Pretvorba crno-bijelih slika u slike u boji problem je koji suprotstavlja umjetnike, ali povezuje inženjere istraživače zbog svoje kompleksnosti i izazovnosti. Ideja procesa dodavanje je boje slikama sivih nijansi na vizualno prihvatljiv, vjerodostojan način. Dodjeljivanje trodimenzionalne RGB informacije o boji svakom pikselu prema intenzitetu problem je s premalo ograničenja. Stoga se koriste pretvorbe u prikladnim luminantno-krominantnim prostorima boja. Vizualna uvjerljivost nije sinonim za točnu rekonstrukciju originalnih boja pa je bojenje slika loše postavljen problem. Ne postoji egzaktno, jedinstveno, objektivno rješenje problema. Mnogi objekti mogu postojati u različitim bojama, a usrednjavanje svih mogućnosti često rezultira nezasićenošću. Dodavanje apriornog znanja sustavu interakcijom korisnika donekle suzbija nezasićenost, ali sa cijenom vremenske zahtjevnosti. Pristupi rješavanju problema veoma su raznovrsni. Metode pretvorbe najčešće se dijele na metode koje pretvorbu temelje na oznakama boja, one koje ju obavljaju pomoću primjera slika i metode dubokog učenja. Najveći potencijal pokazuju metode dubokog učenja, posebice varijacijski autoenkoderi i GAN-ovi.

Abstract (english)

Conversion of black and white pictures to coloured images is a problem that opposes artists, but interconnects research engineers due to its complexity and implied challenges. The idea of the process is adding colour to grayscale images in a visually acceptable, plausible way. Assigning three-dimensional RGB colour information to every pixel regarding intensity is an underdetermined problem. Therefore, conversion in a convenient luminance-chrominance colour space is used. Visual credibility is not a synonym for recovering ground truth colours. That being so makes colorization an ill-posed problem. No exact, unique, objective solution exists for the problem. Many objects can exist in different colours and averaging all the possibilities frequently results in desaturation. Adding a priori knowledge to the system with user interaction somewhat suppresses desaturation at the cost of time consumption. Approaches to problem solving significantly differ. Conversion methods are usually classified as scribble-based methods, example-based methods and deep learning techniques. Deep learning techniques demonstrate the largest potential, especially variational autoencoders and generative adversarial networks.

• Keywords: obradba slike; crno-bijela slika; siva slika; slika u boji; strojno učenje; duboko učenje; konvolucijske neuronske mreže
• Keywords (english): image processing; black and white picture; grayscale image; coloured image; machine learning; deep learning; convolutional neural networks
• Language: croatian
• URN:NBN: urn:nbn:hr:168:165990
• Study programme: Title: Information and Communication Technology; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije (magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2023-01-13 14:20:24