Vai al contenuto| Home page|

   Ti trovi in: HOME »Programmi, progetti e risultati »I progetti »FIRB - Fondo per gli Investimenti della Ricerca di Base »scheda FIRB
INIZIO_TESTO_DA_INDICIZZARE

SCHEDA FIRB

italiano - english
Unità di Ricerca
  • Consiglio nazionale delle ricerche (CNR)
    Istituto Applicazioni del Calcolo, ROMA (RM)
  • Universita' degli Studi di PALERMO
    INGEGNERIA INFORMATICA, PALERMO (PA)
  • Universita' degli Studi di FIRENZE
    ELETTRONICA E TELECOMUNICAZIONI, FIRENZE (FI)
  • Universita' degli Studi di TRIESTE
    ELETTROTECNICA, ELETTRONICA ED INFORMATICA, TRIESTE (TS)
FIRB simili:
Classificazione scientifico-disciplinare
Classificazione geografica
Bibliografia
[1] C. Ballester, M. Bertalmio, V. Caselles, G. Sapiro, J. Verdera, "Filling-in by Joint Interpolation of Vector Fields and Gray Levels", IEEE Transactions on Image Processing, vol. 10 (8), pp. 1200- 1211, 2001.

[2] M. Barni, F. Bartolini, V. Cappellini, "Image Processing for Virtual Restoration of Artworks", IEEE MultiMedia, 7(2), pp. 34-37, 2000.

[3] M. Bertalmio, G. Sapiro, V. Caselles, C. Ballester, "Image Inpainting", in Proceedings of SIGGRAPH 2000, pp. 417-424, 2000.

[4] R. Bornard, E. Lecan, L. Laborelli, J.H. Chenot, "Missing Data Correction in Still Images and Image Sequences", ACM Multimedia 2002.

[5] J. Chen, A.K. Jain, "A Structural Approach to Identify Defects in Textured Images", in Proceedings of the IEEE International Conference on Systems, Man, and Cybernetics, pp. 29-32, Beijng, 1988.

[6] A.N. Hirani, T. Totsuka, "Dual Domain Interactive Image Restoration: Basic Algorithm", in Proceedings of ICIP 1996, pp. 797-800, 1996.

[7] http://www.alibris.com/glossary/foxing.cfm

[8] http://www.asf.com/products/

[9] http://www.canon.com.sg/index.cfm?fuseaction=scanner&prod_type=fare

[10] http://www.fotografiaonline.net/laboratorio39/mont.htm

[11] http://www.polaroid.com/service/software/poladsr/poladsr.html

[12] N.D. Kim, S. Udpa, "Nonlinear Operators for Edge Detection and Line Scratch removal", in Proceedings of IEEE International Conference on SMC, pp. 4401-4404, 1998.

[13] A. Kokaram, Motion Picture Restoration, Springer, 1998.

[14] S. Masnou, J.M. Morel, "Level lines based disocclusion", in Proceedings of ICIP 98, pp. 259-263, 1998.

[15] M.M. Oliveira, B. Bowen, R. McKenna, Y.S. Chang, "Fast Digital Image Inpainting", in Proceedings of the International Conference on Visualization, Imaging and Image Processing (VIIP 2001), Marbella, Spain, pp. 261-266, 2001.

[16] Park Photographic Services, Technical Notes: Image Permanence and Photographic Conservation, www.parkphoto.co.uk

[17] Restoration of Old Movie Films by Digital Image Processing, http://foto.chemie.unibas.ch/research

[18] F. Roli, "Measure of texture anisotropy for crack detection on textured surfaces", Electronics Letters, 36(14), pp. 1274-1275, 1996.

[19] K.Y. Song, M. Petron, J. Kitter, "Wigner based Crack Detection in Textured Images", in Proceedings of the Fourth IEE International Conference on Image Processing and its Applications, pp. 315-318, 1992.

[20] D. Tegolo, F. Isgrò, "A Genetic Algorithm for Scratch Removal in Static Images", in Proceedings of ICIAP 2001, pp. 507- 511, 2001.

[21] V. Bruni, D. Vitulano, "A Generalized Model for Scratch Detection", IEEE Transactions on Image Processing, Vol. 13, No. 1, January 2004.

[22] L. Joyeux, S. Boukir, B. Besserer, "Film line removal using kalman filtering and bayesian restoration", in Proceedings of WACV' 2000, Palm Springs, California, December 2000.

[23] T. Bretschneider, O. Kao, P. Bones "Removal of vertical scratches in digitised historical film sequences using wavelet decomposition", in Proceedings of Image and Vision Computing, New Zealand, pp. 38-43, 2000.

[24] T. F. Chan, S. Kang, J. Shen, "Euler's elastica and curvature-based image inpainting", in SIAM J. Appl. Math, vol. 63, no. 2, pp. 564-592, 2002.

[25] S. Mallat, "A Wavelet Tour of Signal Processing", Academic Press, 1998.

[26] D. L. Donoho, I. M. Johnstone, "Ideal spatial adaptation via wavelet shrinkage", Biometrika, vol.81, pp. 425-455, 1994.

[27] S.G. Chang and Bin Yu and M. Vetterli, "Spatially Adaptive Thresholding with Context Modeling for Image Denoising", IEEE Transactions on Image Processing, vol.9, no.9, September 2000.

[28] J. Portilla, V. Strela, M. Wainwright, E. Simoncelli, "Image Denoising using Scale Mixtures of Gaussians in the Wavelet Domain", IEEE Transactions on Image Processing, vol.12, no.11, pp.1338-1351, November, 2003.

[29] H. Choi, R. Baraniuk, "Analysis of Wavelet-Domain Wiener Filters", in Proceedings of the IEEE-SP International Symposium on Time-frequency and Time-scale Analysis, October 1998.

[30] V. Bruni, D. Vitulano, "Signal Denoising via Overlapping Atoms in a Wavelet Domain", in Proceedings of IEEE International Conference ISPA 2003, pp. 459-464, Rome, September, 2003.

[31] K.J. Boo, N. K. Bose, "A Motion - Compensated Spatio-Temporal Filter for Image Sequences with Signal-Dependent Noise", IEEE Transaction on Circuits and Systems for Video Technology, vol.8, no. 3, June 1998.

[32] Y. Rui, T.S. Huang, "Image Retrieval: Current Techniques, Promising Directions and Open Issues", Journ. of Visual Communication and Image Representation, 10, 4, Apr. 1999.

[33] J.M. Martinez, MPEG-7 Overview, ISO/IEC JTC1/SC29/WG11N5525, March 2003.

[34] J.R. Smith, "Video Indexing and Retrieval Using MPEG-7", in B. Furht, O. Marques, Handbook ov Video Databases, CRC Press, 2003, 625-650.

[35] C. Zhang, T. Chen, "An Active Learning Framework for Content Based Information Retrieval", IEEE Trans. on Multimedia , 4, 2, Jun. 2002, 260-268.

[36] Y. Ishikawa, R. Subramanya, C. Faloutsos, "Mindreader: Query Database through Multiple Examples", in Proceedings. of the 24th VLDB Conference., New York, 1998.

[37] J. Hunter, "An Overview of the MPEG-7 Description Definition Language (DDL)", IEEE Transactions on Circuits & Systems for Video Technology , 6, July 2001, 765-772.

[38] N. Sebe, M.S. Lew, D.P. Huijsmans, "Toward Improved Ranking Metrics", IEEE Transactions on Pattern Analysis and Machine Intelligence, 22, 10, Oct. 2000, 1132-1143.

[39] T.-S. Chua, L.-Q. Ruan, "A Video Retrieval and Sequencing System", ACM Transactions. on Information Systems, 13,4, 373-407, Oct. 1995.

[40] A. Del Bimbo, "Visual Information Retrieval", Morgan Kaufmann Pu., 1999.
Parole Chiave
Base di conoscenza; meta rappresentazioni; restauro digitale

Un modello basato sulla conoscenza per il restauro e la valorizzazione digitale di immagini del patrimonio archeologico e monumentale dell'area costiera del mediterraneo.

Consiglio Nazionale delle Ricerche (CNR)
Abstract
Oggetto della presente proposta è lo sviluppo di una metodologia per condurre in modo automatico o semi-automatico il restauro digitale di immagini di interesse archeologico-monumentale dell'area costiera del mediterraneo.
Il progetto si basa sull'ipotesi che un modello basato sulla conoscenza che si avvalga di strumenti automatici di restauro digitale possa ampliare opportunità di valorizzazione e di fruibilità delle immagini d'epoca, se si considera l'enorme quantità di fotografie che documentano i momenti della storia del bacino del mediterraneo.
In particolare, verrà considerato materiale proveniente dagli Archivi Alinari di Firenze che metterà a disposizione immagini dal 1840 ai giorni nostri, in alta risoluzione, a colori, bianco e nero o seppiate, delle coste del mediterraneo.


Per automatizzare un processo complesso come quello che determina le azioni di restauro, sono necessari dei meccanismi che, partendo dall'analisi dell'immagine acquisita, estraggano le caratteristiche salienti degli elementi che la compongono (ad esempio, colore, tessitura, oggetti che compaiono nelle immagini, dimensioni etc. ) e delle tipologie di degrado che essa manifesta (graffi e loro dimensioni, macchie e loro morfologia, etc.). La descrizione di tali elementi e delle loro relazioni in un liguaggio formale consente di trattare l'immagine ad un livello semantico più alto della sua rappresentazione digitale, noto in lettaratura come meta-rappresentazione.>>>

Coordinatore Scientifico del Programma di Ricerca
Laura MOLTEDO, Consiglio nazionale delle ricerche (CNR)
Obiettivo del Finanziamento
Obiettivo scientifico generale della proposta progettuale è lo sviluppo di metodologie innovative nell'ambito del restauro digitale delle immagini (acquisite da fotografie) e della descrizione delle tipologie di degrado, considerate anch'esse oggetti dell'immagine. In tale contesto una base di conoscenza è in grado di sfruttare le meta-rappresentazioni dell'immagine e delle tipologie di degrado per suggerire i percorsi di restauro a cui sottoporre la versione digitale della fotografia.
Più specificatamente la proposta intende:

  1. sviluppare metodologie e algoritmi che possano restituire all'immagine il suo aspetto originale, attenuando gli effetti dovuti a invecchiamento, ovvero ad un ambiente di conservazione non adeguato o, ancora, a sollecitazioni meccaniche degradanti del supporto fotografico. In particolare, si intende sviluppare modelli innovativi per una ristretta classe di tipologie di degrado che comprende: graffi, piccole parti mancanti, macchie, rumore e viraggio della resa colorimetrica. Il trattamento di tipologie di degrado ben definite e` motivato dall'esigenza di cercare di risolvere alcuni problemi teorici che risultano a tutt'oggi ancora aperti. Un esempio fra tutti può essere portato per una delle tipologie di degrado proposte: l'eliminazione del rumore, dove uno dei problemi aperti per il trattamento basato sulla trasformata wavelet consiste nel legare i coefficienti della trasformata alle varie scale, ovvero ai vari livelli>>>

    Durata
    36 mesi