Aproximación experimental al uso de métricas objetivas para la estimación de calidad cromática en la digitalización de patrimonio documental gráfico
DOI:
https://doi.org/10.3989/redc.2016.2.1249Palabras clave:
Digitalización de documentos, fotografía, evaluación de calidad, aprendizaje automático, algoritmos visualesResumen
Se abordan de una forma crítica diferentes aproximaciones aplicables para la realización de modelos de sistemas de control de calidad automatizado de imágenes digitales en proyectos de digitalización de fondos fotográficos con valor histórico-cultural. Tras la realización de un experimento psicométrico con cuatro expertos humanos se concluye que no es posible utilizar con un buen rendimiento los modelos simplistas de uso común basados en rangos de aceptación continuos sobre mediciones de color tomadas de forma aislada. Nuestra investigación demuestra que un modelo basado en un sistema de reglas obtenidas por aprendizaje automático que emplee las métricas CIE 1976 o CIEDE 2000, junto con los atributos perceptuales de color matiz, saturación y luminosidad, emula a los expertos humanos en calidad de imagen con un alto grado de eficacia, por encima del 85%.
Descargas
Citas
Charrier, C.; Lézoray, O.; Lebrun, G. (2012). Machine learning to design full-reference image quality assessment algorithm. Signal Processing: Image Communication, 27, 209-219. http://dx.doi.org/10.1016/j.image.2012.01.002
Dormolen, H. (2012). Metamorfoze Preservation Imaging Guidelines. Test Version 1.0, January 2012. https://www.metamorfoze.nl/sites/metamorfoze. nl/files/publicatie_documenten/Metamorfoze_ Preservation_Imaging_Guidelines_1.0.pdf [29/12/2014].
Engeldrum, P. G. (1995). A framework for image quality models. Journal of Imaging Science and Technology, vol. 39 (4), 312-318.
Engeldrum, P. G. (2004). A Theory of Image Quality: The Image Quality Circle. Journal of Imaging Science and Technology, vol. 48 (5), 446-456.
FADGI- Still Image Working Group. (2010). Technical Guidelines for Digitizing Cultural Heritage Materials: Creation of Raster Image Master Files. For the Following Originals - Manuscripts, Books, Graphic Illustrations, Artwork, Maps, Plans, Photographs, Aerial Photographs, and Objects and Artifacts. http://www.digitizationguidelines.gov/guidelines/ FADGI_Still_Image-Tech_Guidelines_2010-08-24. pdf [20/04/2014].
Fairchild M. D. (2004). Color Appearance Models: CIECAM02 and Beyond. IS&T/SID 12th Color Imaging Conference. Tutorial T1A, 11/9/04. http:// www.cis.rit.edu/fairchild/PDFs/AppearanceLec.pdf [20/05/2014].
Frey, F.; Reilly, J. (1999). Digital Imaging for Photographic Collections: Foundations for Technical Standards. Rochester, NY: Image Permanence Institute.
Frey, F.; Reilly, J. (2006). Digital Imaging for photographic collections: foundations for technical standards. (2ª ed.) Rochester, NY: Image Permanence Institute.
ISO 20462-1:2005 (2005a). Photography Psychophysical experimental methods for estimating image quality —Part 1: Overview of psychophysical elements.
ISO 20462-2:2005 (2005b). Photography -- Psychophysical experimental methods for estimating image quality — Part 2: Triplet comparison method.
ISO 11664-4:2008 (CIE S 014-4/E:2007) (2007). Colorimetry -- Part 4: CIE 1976 L*a*b* Colour space.
ISO 12646:2008 (2008). Graphic technology -- Displays for colour proofing -- Characteristics and viewing conditions.
ISO 3664:2009 (2009). Graphic technology and photography - Viewing conditions.
ISO 20462-3:2012 (2012). Photography -- Psychophysical experimental methods for estimating image quality — Part 3: Quality ruler method.
Lee, Hsien-Che. (2005). Introduction to Color Imaging Science. Cambridge: Cambridge University Press. http://dx.doi.org/10.1017/CBO9780511614392
Luo, M. R.; Cui, G.; Rigg, B. (2001). The development of the CIE 2000 colour-difference formula: CIEDE2000. Color Research & Application, vol. 26 (5), 340–350. http://dx.doi.org/10.1002/col.1049
Martens, J.B. (2002). Multidimensional modeling of image quality. Proceedings of the IEEE, vol. 90 (1), 133-153. http://dx.doi.org/10.1109/5.982411
Martínez, C.; Mu-oz, J. (2002). Digitalización del patrimonio fotográfico e investigación: la metodología empleada para la reproducción digital de la colección de placas de vidrio de colodión húmedo, custodiada en el Museo Nacional de Ciencias Naturales -Consejo Superior de Investigaciones Científicas- (MNCN-CSIC). Actas de las Primeras Jornadas sobre Imagen, Cultura y Tecnología, pp. 99-120. Getafe, Espa-a: Universidad Carlos III de Madrid.
Nationaal Archief (2010). Digitisation of photographic materials. Guidelines. September 2010. http:// www.nationaalarchief.nl/sites/default/files/docs/ guidelines_digitisation_photographic_materials.pdf [19/11/2014].
Pellacini, F.; Ferwerda, J.A.; Greenberg, D.P. (2000). Toward a psychophysically-based light reflection model for image synthesis. Proc. ACM SIGGRAPH 2000, pp. 55-64. http://dx.doi.org/10.1145/344779.344812
Puglia, S.; Reed, J., & Rhodes, E. (2004). U.S. National Archives and Records Administration (NARA) Technical Guidelines for Digitizing Archival Materials for Electronic Access: Creation of Production Master Files – Raster Images. http://www.archives.gov/preservation/technical/ guidelines.pdf [14/11/2014].
Quinlan, J. R. (1993). C4.5: Programs for Machine Learning. Morgan Kaufmann, CA. PMCid:PMC1554917
Robledano Arillo, Jesús (2011a). Mejora del rango dinámico en la digitalización de documentos desde una perspectiva patrimonial: evaluación de métodos de alto rango dinámico (HDR) basados en exposiciones múltiples. Revista Espa-ola de Documentación Científica, vol. 34 (3), 357-384. http://dx.doi.org/10.3989/redc.2011.3.816
Robledano Arillo, J. (2011b). Twenty-five years of digital conversion. Current situation. En: Internacional Conference. Thirty Years of Photographic Conservation Science. Logro-o (La Rioja). Spain. June, 2011.
Ruiz, P. (2006). Sistemas de control de calidad para la digitalización. Actas de las IX Jornadas Antoni Varés, Imatge i Recerca, pp. 61-84. Girona, Espa-a: CRDI.
Still Image Working Group (2010). GAP Analysis. Updated 01/12/2010. http://www. digitizationguidelines.gov/guidelines/Gap_ Analysis.pdf [19/11/2014].
Williams, D. (2002). Image quality metrics. RLG Diginews, vol. 4 (4). http://www.worldcat.org/ arcviewer/1/OCC/2007/08/08/0000070511/ viewer/file1806.html [19/12/2014].
Williams, D. (2003). Debunking of Specsmanship: Progress on ISO/TC42 Standards for Digital Capture Imaging Performance. IS&T's 2003 PICS Conference, pp. 77-81.
Williams, D. (2010). Imaging Science for Archivists. http://www.digitizationguidelines.gov/guidelines/ Digital_Imaging_Science.ppt [28/11/2014].
Witten, I. H.; Frank, E. (2005). Data Mining. Practical Machine Learning Tools and Techniques, 2th Ed. San Mateo, CA: Morgan Kaufmann Publishers.
Zhou Wang; Bovik, A.C.; Ligang Lu (2002). Why is image quality assessment so difficult? Acoustics, Speech, and Signal Processing (ICASSP), 2002 IEEE International Conference on (Volume: 4), p. IV-3313 - IV-3316. http://dx.doi.org/10.1109/icassp.2002.5745362
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2016 Consejo Superior de Investigaciones Científicas (CSIC)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
© CSIC. Los originales publicados en las ediciones impresa y electrónica de esta Revista son propiedad del Consejo Superior de Investigaciones Científicas, siendo necesario citar la procedencia en cualquier reproducción parcial o total.Salvo indicación contraria, todos los contenidos de la edición electrónica se distribuyen bajo una licencia de uso y distribución “Creative Commons Reconocimiento 4.0 Internacional ” (CC BY 4.0). Puede consultar desde aquí la versión informativa y el texto legal de la licencia. Esta circunstancia ha de hacerse constar expresamente de esta forma cuando sea necesario.
No se autoriza el depósito en repositorios, páginas web personales o similares de cualquier otra versión distinta a la publicada por el editor.
