IMAGE TO IMAGE TRANSLATION FOR COMPUTATIONAL COLOUR CONSTANCY

Computational color constancy is an important task which allows the discarding of information about lighting conditions in the image. Variation of illumination distorts colors of real world objects and mostly do not contain valuable information. Thus, many computer vision and image processing techniques would benefit from automatic discarding of this information at the pre-processing step. In this thesis we explored the use of pix2pix framework based on conditional Generative Adversarial Networks (cGAN) for computational color constancy. We also demonstrate the potential of the pix2pix framework by applying the method on a collected image datasets from 9 differents cameras.

La costanza del colore computazionale è un compito importante che consente di eliminare le informazioni sulle condizioni di illuminazione nell'immagine. La variazione dell'illuminazione distorce i colori degli oggetti del mondo reale e per lo più non contiene informazioni preziose. Pertanto, molte tecniche di visione artificiale e di elaborazione delle immagini trarrebbero beneficio dall'eliminazione automatica di queste informazioni nella fase di pre-elaborazione. In questa tesi abbiamo esplorato l'uso del framework pix2pix basato su reti generative adversarial condizionali (cGAN) per la costanza computazionale del colore. Dimostriamo anche il potenziale del framework pix2pix applicando il metodo su un set di dati di immagini raccolte da 9 telecamere differenti.