|
Аннотация.
В работе на примере изображений монохромных фотографий владельца защищенного документа рассматривается возможность использования априорной информации об однородной окраске области документа для компенсации искажений баланса белого. Искажения такого рода вносятся подсистемой автоматического баланса белого и представляют собой неконтролируемые изменения цветовых характеристик изображения от кадра к кадру при съемке мобильным устройством. Поскольку ключевым признаком наличия визуально изменяющихся элементов защищенных документов является появление и исчезновение цветов высокой насыщенности при съемке под разными углами, цветовые искажения снижают точность алгоритмов, опирающихся на измерения насыщенности цветов. Предложенный метод цветокоррекции компенсирует цветовые искажения и повышает контраст цветовой насыщенности между незащищенными областями фотографии и областями, покрытыми визуально изменяющимся изображением на защитной пленке. Результаты работы метода проверяются на эталонных данных, полученных с использованием мобильного устройства.
Ключевые слова:
баланс белого, цветокоррекция цифровых изображений, визуальноизменяющиеся защитные элементы.
Стр. 82-95.
DOI 10.14357/20718632210308 Литература
1. Арлазаров В. В. и др. Система доступа к дистанционному получению банковских услуг // Патент на полезную модель РФ. № 161478. 2016 2. Cook S. Selfie banking: is it a reality? // Biometric technology today. 2017. №. 3. С. 9-11. 3. Константин Булатович Булатов и Александр Анатольевич Иванов. Программа биометрической идентификации на мобильном устройстве по удостоверяющей фотографии. // Роспатент № 2019665172. 2019. 4. Полевой Д. В. Использование мобильных устройств для выявления признаков фабрикации документов, удостоверяющих личность // Сенсорные системы. 2019. Т. 33. №. 2. С. 142-156. 5. Bulatov K. et al. Smart IDReader: Document recognition in video stream // 14th IAPR International Conference on Document Analysis and Recognition (ICDAR). IEEE, 2017. Т. 6. С. 39-44. 6. Chernov T. S., Nikolaev D. P., Kliatskine V. M. A method of periodic pattern localization on document images // Eighth International Conference on Machine Vision (ICMV 2015). International Society for Optics and Photonics, 2015. Т. 9875. С. 987504. 7. Chernov T. S., Kolmakov S. I., Nikolaev D. P. An algorithm for detection and phase estimation of protective elements periodic lattice on document image // Pattern Recognition and Image Analysis. 2017. Т. 27. №. 1. С. 53-65. 8. Chernyshova Y. S. et al. Optical font recognition in smartphone-captured images and its applicability for ID forgery detection // Eleventh International Conference on Machine Vision (ICMV 2018). – International Society for Optics and Photonics, 2019. Т. 11041. С. 110411J. 9. Polevoy D. V., Aliev M. A., Nikolaev D. P. Choosing the best image of the document owner’s photograph in the video stream on the mobile device // ICMV 2020 / SPIE. 2021. — Т. 11605. — 11605 0F. — С. 1-9. — DOI: 10.1117/12.2586939. 10. Aliev M. A., Kunina I. A., Kazbekov A. V., Arlazarov V. L. Algorithm for choosing the best frame in a video stream in the task of identity document recognition // Компьютерная оптика. — 2021. — Т. 45. — № 1. — С. 101-109. — DOI: 10.18287/2412-6179-CO-811. 11. Илюхин С. А., Чернов Т. С., Полевой Д. В. Повышение точности нейросетевых методов верификации лиц за счет пространственно-взвешенной нормализации яркости изображения // ИТиВС. - 2019. - № 4. - С. 12- 20. - DOI: 10.14357/20718632190402. 12. Hartl A., Arth C., Schmalstieg D. AR-based hologram detection on security documents using a mobile phone // International Symposium on Visual Computing. Springer, 2014. С. 335-346. 13. Арлазаров В. В. и др. Способ детектирования голографических элементов в видеопотоке // Роспатент № 2644513. 2018. 14. Ebner M. Color constancy. John Wiley & Sons, 2007. 15. Виноградова Ю. В., Николаев Д. П., Слугин Д. Г. Расслоение изображений печатных документов с использованием цветовой кластеризации // Информационные технологии и вычислительные системы. 2015. №. 2. С. 40-49. 16. Nikolaev D. P., Nikolayev P. P. Linear color segmentation and its implementation // Computer Vision and Image Understanding. 2004. Т. 94. №. 1-3. С. 115-139. 17. Buchsbaum G. A spatial processor model for object colour perception // Journal of the Franklin institute. 1980. Т. 310. №. 1. С. 1-26. 18. Kaiming He, Jian Sun и Xiaoou Tang. Single Image Haze Removal Using Dark Channel Prior // IEEE Transactions on Pattern Analysis and Machine Intelligence 33.12 (2011), с. 2341—2353. doi: 10.1109/TPAMI.2010.168. 19. Akkaynak D., Treibitz T. Sea-thru: A method for removing water from underwater images // Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2019. С. 1682-1691. 20. Шепелев Д. А. О точности цветопередачи при поканальном моделировании подводных изображений // Информационные процессы 20.3 (2020), с. 254—268. 21. Paulus D., Csink L., Niemann H. Color cluster rotation // Proceedings 1998 International Conference on Image Processing. ICIP98 (Cat. No. 98CB36269). IEEE, 1998. Т. 1. С. 161-165. 22. Ершов Е. И., Асватов Е. Н., Николаев Д. П. Робастная ортогональная линейная регрессия для маломерных гистограмм // Сенсорные системы. 2017. Т. 31. №. 4. С. 331-342. 23. Ershov E. I., Terekhin A. P., Nikolaev D. P. Generalization of the fast hough transform for three-dimensional images // Journal of Communications Technology and Electronics. 2018. Т. 63. №. 6. С. 626-636. 24. Bulatov K. B., Chukalina M. V., Nikolaev D. P. Fast x-ray sum calculation algorithm for computed tomography // Вестник ЮУрГУ ММП. — 2020. — Т. 13. — № 1. — С. 95-106. — DOI: 10.14529/mmp200107. 25. Nikolaev D. P. et al. Hough transform: underestimated tool in the computer vision field // Proceedings of the 22th European Conference on Modelling and Simulation. 2008. Т. 238. С. 246. 26. Гельфанд И. М., Гиндикин С. Г., Граев М. И. Избранные задачи интегральной геометрии. Добросвет, 2000. 27. Deriche R. Fast algorithms for low-level vision // IEEE transactions on pattern analysis and machine intelligence. 1990. Т. 12. №. 1. С. 78-87.
|
