Регрессионная модель выбора параметра коррекции изображений, поврежденных контровым светом

Abstract

Мы рассматриваем задачу выбора параметра для коррекции изображений поврежденных задней засветкой. Основным предметом исследования являются фотографии, на которых запечатлён недоэкспонированный объект при контровом освещении, что приводит к появлению темных областей с плохо различимыми деталями. Выбираемым параметром коррекции является коэффициента усиления локального контраста в тени. Для решения задачи предлагается использовать регрессионную модель, целевая переменная которой есть значение определяемого параметра. В работе сравниваются различные методы машинного обучения для построения модели. Проблема формирования большой репрезентативной выборки решается использованием подхода, при котором модель сама собирает себе новые данные с ресурсов Flickr.com и vk.com. Для описания изображений предлагаются и сравниваются несколько наборов признаков. The paper is devoted to the problem of selection the correction parameter for images damaged by backlighting. The main subject of our research are photos in which an underexposed object is captured in backlit conditions. It leads to the appearance of dark areas with poorly discernible details. The correction parameter controls level of amplification of local contrast in shadow tones. Our approach is based on using of regression model. Its target variable is the value of our parameter. We explore and compare the models are built by various machine-learning-based methods. We propose an approach to solve the problem of formation a large representative sample in which the model collects new data to itself from such resources as Flickr.com and vk.com. Several sets of features are analysed and compared. Proposed approach demonstrates good results for photos damaged by backlighting.