Taking aesthetics into account in managing the dynamic ranges of images
Prise en compte de l’esthétique dans la gestion des gammes de luminance des images
Résumé
Aesthetic analysis of digital images enhances the visual content's aesthetic quality. By analyzing aesthetic features that influence visual perception through image data, computers can perform tasks like assisted image editing, aesthetic quality enhancement, and filtering for the best image. This thesis merges aesthetic image analysis with high dynamic range (HDR) imaging. We consider both the properties of HDR and the aesthetic characteristics of images during HDR image processing. The aim is to maximize the preservation of the original aesthetic features of images when adjusting HDR image display results, thereby achieving a pleasant visual experience. In this thesis, we propose a composition leading lines reconstruction method and two HDR image auto-adjustment methods. Regarding automatic adjustment of HDR images, we are developing a model based on a neural network to predict the adjustment curve of HDR images, and a model using a convolutional neural network to estimate the exposure adjustment value, by analyzing potential features of HDR images. Both methods automatically enhance the aesthetic quality perception of HDR images on HDR display devices by training neural networls to learn expert editing parameters from an HDR database. In order to analyze the aesthetics of image composition, we propose to reconstruct the leading lines of the image. Just like color, lighting, or the grain of the image, the leading lines among the aesthetic features that need to be analyzed. The proposed method identified implicit leading lines in the image through a line regrouping algorithm. We initially carried out an inter-expert consistency analysis to demonstrate the feasibility of our method. In addition, we propose a metric for comparing the two sets of leading lines.
L'analyse des caractéristiques esthétiques d'images numériques permettent d'améliorer la qualité esthétique du contenu visuel. En analysant les caractéristiques esthétiques qui influencent la perception visuelle à travers les données de l'image, les ordinateurs peuvent effectuer des tâches telles que l'édition assistée d'image, l'amélioration de la qualité esthétique et le filtrage de la meilleure image. Cette thèse intègre l'analyse des caractéristiques esthétiques des images avec l'imagerie à haute gamme dynamique (HDR). Nous prenons en compte les propriétés du HDR et les caractéristiques esthétiques lors du traitement des images HDR. L'objectif est de maximiser la préservation des caractéristiques esthétiques originales des images lors de l'ajustement des effets d'affichage HDR, afin d'atteindre l'expérience visuelle plus agréable. Dans cette thèse, nous proposons deux approches d'auto-ajustement des images HDR et une méthode de reconstruction des lignes de force de la composition. Concernant l'auto-ajustement des images HDR, nous développons un modèle basé sur un réseau de neurones pour prédire la courbe d'ajustement des images HDR, et un modèle utilisant un réseau de neurones convolutifs pour estimer la valeur d'ajustement de l'exposition, en analysant les caractéristiques potentielles des images HDR. Ces deux méthodes consistent à améliorer automatiquement la perception de la qualité esthétique des images HDR sur des dispositifs d'affichage HDR. Elles le font en entraînant des réseaux de neurones à apprendre des paramètres d'édition d'experts à partir de jeux de données HDR. Afin d'analyser l'esthétique de la composition d'une image, nous proposons de reconstruire les lignes de force. Tout comme la couleur, les lumières ou le grain de l'image, les lignes de force font partie des caractéristiques esthétiques qui doivent être analysées. La méthode proposée identifie les lignes de force implicites dans l'image par un algorithme de regroupement des lignes. Nous avons initialement mené une analyse de cohérence entre experts pour démontrer la faisabilité de notre méthode. Par ailleurs, nous proposons une métrique pour comparer les deux ensembles de lignes de force.
| Origine | Version validée par le jury (STAR) |
|---|