Signal and Data Processing

fa رنگ‌آمیزی خودکار تصاویر خاکستری به‌کمک شبکه‌های زایای رقابتی Automatic Colorization of Grayscale Images Using Generative Adversarial Networks مقالات پردازش تصویر Paper كاربردي Applicable <div style="text-align: justify;">رنگ‌آمیزی تصاویر خاکستری یکی از مسائل مهم در حوزه بازیابی اطلاعات تصویری محسوب میشود. البته میزان موفقیت روش‌های خودکار در این حوزه در برابر عملکرد گرافیست‌ها و ویراستاران تصویر ناچیز بوده است. از‌بین‌رفتن اطلاعات رنگ‌ها و دست‌یابی به قسمت محدودی از اطلاعات اولیه تصاویر، این موضوع را به چالشی منحصربه‌فرد تبدیل میکند؛ چون هدف اصلی در رنگ‌آمیزی تصاویر خاکستری، پیدا‌کردن رنگ اصلی و واقعی تصویر نیست؛ بلکه تلاش بر این است تا نوعی رنگ‌آمیزی که از نظر انسان‌ها «واقعی» به نظر می‌رسد، برای تصویر ارائه شود. در این مقاله سامانه‌ای برای رنگ‌آمیزی تصاویر خاکستری اشخاص و انسان‌ها ارائه شده است. در این سامانه که نیاز به پیش‌پردازش تصاویر یا مؤلفه‌های پردازشی مستقل ندارد، از یک شبکه عصبی عمیق برای رنگ‌آمیزی تصاویر افراد و از شبکه‌ای دیگر برای بررسی بازخورد عملکرد رنگ‌آمیزی استفاده میشود. نتایج حاصل از پژوهش، عملکرد کیفی بهتری را در رنگ‌آمیزی تصاویر افراد در مقایسه با روش‌های مرسوم در این عرصه نشان میدهد که در مدت‌زمان آموزش، به‌مراتب کمتری به‌دست آمده است. کاربرد این سامانه نه‌تنها در رنگ‌آمیزی تصاویر افراد، بلکه در رنگ‌آمیزی پُرتره‌های غیر انسانی و آثار هنری نیز کاربرد دارد و به‌کمک آن میتوان رنگ‌آمیزی مناسبی برای اثرهایی که ممکن است، ساعت‌ها زمان ببرند، در کسری از ثانیه انجام داد.</div> <div style="text-align: justify;">Automatic colorization of gray scale images poses a unique challenge in Information Retrieval. The goal of this field is to colorize images which have lost some color channels (such as the RGB channels or the AB channels in the LAB color space) while only having the brightness channel available, which is usually the case in a vast array of old photos and portraits. Having the ability to colorize such images would give us a multitude of possibilities ranging from colorizing old and historic images to providing alternate colorizations for real images or artistic creations. Be that as it may, the progress in this field is trivial compared to what the professionals are able to do using special-purpose applications such as Photoshop or GIMP. On the other hand, losing the information stored in color channels and having only access to the primary brightness channel, makes this problem a unique challenge, since the main aim of automatic colorization is not to find the image’s “real” color but to colorize it in such a way that makes it “seem real” as the original color information is lost forever and the only way to colorize it, is to provide a somewhat “proper” estimation. In this research we propose a model to automatically colorize gray human portraits. We start by reviewing the methods used for the task of image colorization and provide an explanation as to why most of them collapse to a situation known as “Averaging”. To counteract this effect, we design our end-to-end model with two separate deep neural networks forming a Generative Adversarial Network (GAN), one to colorize the images and the other to evaluate the colorization of the first network and guide it towards the proper distribution. The results show improvements over other proposed methods in this field especially in the case of colorizing human portraits along faster train times. This method not only works on real human portraits but also on non-human and artistic portraits that can be leveraged to colorize hand-drawn images some of which may take minutes up to hours by hand.</div> رنگ‌آمیزی, تصاویر خاکستری, شبکه‌های عصبی عمیق, شبکه‌های زایای رقابتی, بازیابی اطلاعات تصویری colorization, gray scale images, deep neural networks, generative adversarial networks, image information retrieval 57 74 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-1404-1&slc_lang=fa&sid=1 Mohammad Mahdi Haji-Esmaeili محمد مهدی حاجی اسمعیلی mohammadhaji@modares.ac.ir 10031947532846007502 10031947532846007502 No Tarbiat Modares University دانشگاه تربیت مدرس Gholamali Montazer غلامعلی منتظر montazer@modares.ac.ir 10031947532846007503 10031947532846007503 Yes Tarbiat Modares University دانشگاه تربیت مدرس