SlideShare a Scribd company logo
Ярославский государственный университет им. П.Г. Демидова




Неэталонная оценка качества
       изображений



                     Ярославль 2011
Критерии оценки качества изображений


                Критерии оценки качества


 субъективные                 объективные


   Средняя             эталонные           неэталонные
  экспертная
    оценка        ПОСШ     УИК     КСП          ?




                                                         2
Типы искажений


1.   JPEG
2.   JPEG2000
3.   Белый шум
4.   Размытие




                                  3
Неэталонный индекс качества


                                 x(m, n)
                          Вычисление функций
                      dh (m, n) = x(m, n+1) - x(m, n)
                      dv (m, n) = x(m+1,n) - x(m, n)




Средняя разница           Отклонение разности           Среднее число
между блоками               на границе блоков              переходов
 8х8 пикселей:           от ее среднего значения          через ноль:
значения B h и B         по всему изображению:
                                                        значения Z h и Z v
                             значения А h и А v



                   Полученные величины усредняются:             246
                           значения А, B и Z                     262
                                                               1   0,024
                   Вычисление оценки для изображения           2  0,016
                                    γ γ γ                      3  0,064
                        НИК  α  βB 1 A 2 Z 3
                                                                              4
Неэталонный индекс качества
Средняя разница между блоками размером 8х8:
                                      M N / 81
                           1
                 Bh                   dh (i,8 j)
                      M ( N / 8  1) i 1 j 1

Отклонение средней абсолютной разности на границе
блоков от той же величины, вычисленной для всего
изображения:
                    1    M N 1
                            8                        
                Ah                dh (i, j)  Bh 
                    7  M ( N  1) i 1 j 1         

Число переходов через ноль:
                                    M N 2
                            1
                   Zh              zh (m, n)
                        M ( N  2) i 1 j 1

                                                         5
База изображений LIVE




                        6
Двухэтапный метод

    Изображение



1. Определение типов
                        ������������ , {������ = 1, … , 4}
     искажений


2. Вычисление индекса
 качества для каждого   ������������ , {������ = 1, … , 4}
      искажения


    Вычисление                        4

взвешенного индекса     ������������������������ =          ������������ ∙ ������������
     качества                        ������=1

                                                          7
8
Корреляция алгоритмов со средними
       экспертными оценками



        JPEG2000    JPEG      БШ     Размытие     Все
ПОСШ      0,8558   0,8762   0,9388    0,7292    0,8535
 BIQI     0,7995   0,8914   0,9510    0,8463    0,8192




                                                         9
Гибридный индекс качества изображений




                                    10
Базисы преобразваний




                       11
Курвлет-преобразование


  j, l , k          f t , t 
                   0  t1 ,t 2  n
                                     1   2   j ,l , k   t1 , t 2 

 h j x   T j I   pdf log10  j
                                                  
 
 
             j    j , l , k 
                      



Probability distribution function (pdf) - функция
         распределения вероятности


                                                                      12
Функция распределения вероятности




                                    13
Анализ максимумов функций распределений
              вероятности




 Зеленый – размытие   Красный – шум
 Синий – JPEG2000     Фиолетовый – исходные изображения
                                                    14
Модификация классификатора




                             15
Гибридный индекс качества изображений




                           JPEG2000   JPEG2000   JPEG   JPEG
        Шум     Размытие                                       Все
                              #1         #2       #1     #2
ГИКИ   0,948/   0,926/     0,952      0,893      0,879 0,780 0,921
       0,980    0,950
ПОСШ   0,986    0,783      0,933      0,874      0,886 0,917 0,871
КСП    0,974    0,949      0,970      0,971      0,970 0,988 0,940




                                                                     16
Литература
• Саутов Евгений “Разработка и анализ неэталонных
  алгоритмов оценки качества изображений”,
  диссертационная работа
• Michele A. Saad, Alan C. Bovik, Christophe Charrier “A DCT
  Statistics-Based Blind Image Quality Index”, IEEE SIGNAL
  PROCESSING LETTERS, VOL. 17, NO. 6, JUNE 2010, P. 583-586
• Ji Shen, Qin Li, and Gordon Erlebacher “Hybrid No-Reference
  Natural Image Quality Assessment of Noisy, Blurry, JPEG2000,
  and JPEG Images”, IEEE TRANSACTIONS ON IMAGE
  PROCESSING, VOL. 20, NO. 8, AUGUST 2011, P. 2089-2098



                                                             17

More Related Content

Viewers also liked

Develop hybrid apps with Ionic Framework and Angular Js - Alessio Delmonti
Develop hybrid apps with Ionic Framework and Angular Js - Alessio DelmontiDevelop hybrid apps with Ionic Framework and Angular Js - Alessio Delmonti
Develop hybrid apps with Ionic Framework and Angular Js - Alessio Delmonti
Alessio Delmonti
 
Alejandro Hernandez Ramos RESUME (English)
Alejandro Hernandez Ramos RESUME (English)Alejandro Hernandez Ramos RESUME (English)
Alejandro Hernandez Ramos RESUME (English)
Alejandro Ramos
 
Неэталонная оценка качества изображений
Неэталонная оценка качества изображенийНеэталонная оценка качества изображений
Неэталонная оценка качества изображенийVladimir Pavlov
 
Rapid prototyping with Ionic Framework
Rapid prototyping with Ionic FrameworkRapid prototyping with Ionic Framework
Rapid prototyping with Ionic Framework
Alessio Delmonti
 
Lleida
LleidaLleida
Обработка изображений в задаче распознавания номерных знаков автомобилей
Обработка изображений в задаче распознавания номерных знаков автомобилейОбработка изображений в задаче распознавания номерных знаков автомобилей
Обработка изображений в задаче распознавания номерных знаков автомобилейVladimir Pavlov
 
Построение гендерного классификатора
Построение гендерного классификатораПостроение гендерного классификатора
Построение гендерного классификатораVladimir Pavlov
 
Case Study - Fire in Vehicle
Case Study - Fire in VehicleCase Study - Fire in Vehicle
Case Study - Fire in Vehicle
Sumali Bipin Parikh
 
6 Questions Of Communications
6  Questions Of  Communications6  Questions Of  Communications
6 Questions Of Communications
Sumali Bipin Parikh
 
Public speaking tips
Public speaking tipsPublic speaking tips
Public speaking tips
Sumali Bipin Parikh
 
Céline dion
Céline dionCéline dion
Céline dion
enrikalevasseur
 
ITCB- Breakage of Bridges
ITCB- Breakage of BridgesITCB- Breakage of Bridges
ITCB- Breakage of Bridges
Sumali Bipin Parikh
 

Viewers also liked (15)

Develop hybrid apps with Ionic Framework and Angular Js - Alessio Delmonti
Develop hybrid apps with Ionic Framework and Angular Js - Alessio DelmontiDevelop hybrid apps with Ionic Framework and Angular Js - Alessio Delmonti
Develop hybrid apps with Ionic Framework and Angular Js - Alessio Delmonti
 
Alejandro Hernandez Ramos RESUME (English)
Alejandro Hernandez Ramos RESUME (English)Alejandro Hernandez Ramos RESUME (English)
Alejandro Hernandez Ramos RESUME (English)
 
Prezentacja
PrezentacjaPrezentacja
Prezentacja
 
Неэталонная оценка качества изображений
Неэталонная оценка качества изображенийНеэталонная оценка качества изображений
Неэталонная оценка качества изображений
 
Prezentacja
PrezentacjaPrezentacja
Prezentacja
 
Rapid prototyping with Ionic Framework
Rapid prototyping with Ionic FrameworkRapid prototyping with Ionic Framework
Rapid prototyping with Ionic Framework
 
Lleida
LleidaLleida
Lleida
 
Обработка изображений в задаче распознавания номерных знаков автомобилей
Обработка изображений в задаче распознавания номерных знаков автомобилейОбработка изображений в задаче распознавания номерных знаков автомобилей
Обработка изображений в задаче распознавания номерных знаков автомобилей
 
Построение гендерного классификатора
Построение гендерного классификатораПостроение гендерного классификатора
Построение гендерного классификатора
 
Case Study - Fire in Vehicle
Case Study - Fire in VehicleCase Study - Fire in Vehicle
Case Study - Fire in Vehicle
 
6 Questions Of Communications
6  Questions Of  Communications6  Questions Of  Communications
6 Questions Of Communications
 
Public speaking tips
Public speaking tipsPublic speaking tips
Public speaking tips
 
 
Céline dion
Céline dionCéline dion
Céline dion
 
ITCB- Breakage of Bridges
ITCB- Breakage of BridgesITCB- Breakage of Bridges
ITCB- Breakage of Bridges
 

Similar to Неэталонная оценка качества изображений

КОЛИЧЕСТВЕННАЯ ОЦЕНКА КАЧЕСТВА ИЗОБРАЖЕНИЙ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ НЕЧЕТКОЙ ...
КОЛИЧЕСТВЕННАЯ ОЦЕНКА КАЧЕСТВА ИЗОБРАЖЕНИЙ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ НЕЧЕТКОЙ ...КОЛИЧЕСТВЕННАЯ ОЦЕНКА КАЧЕСТВА ИЗОБРАЖЕНИЙ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ НЕЧЕТКОЙ ...
КОЛИЧЕСТВЕННАЯ ОЦЕНКА КАЧЕСТВА ИЗОБРАЖЕНИЙ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ НЕЧЕТКОЙ ...
ITMO University
 
Arlyapov_diploma
Arlyapov_diplomaArlyapov_diploma
Arlyapov_diplomaKhryashchev
 
20100919 computer vision_konushin_lecture02
20100919 computer vision_konushin_lecture0220100919 computer vision_konushin_lecture02
20100919 computer vision_konushin_lecture02Computer Science Club
 
Оценка уровня шума
Оценка уровня шумаОценка уровня шума
Оценка уровня шумаMSU GML VideoGroup
 
Оценка уровня шума для видео
Оценка уровня шума для видеоОценка уровня шума для видео
Оценка уровня шума для видеоMSU GML VideoGroup
 
CV2011 Lecture 6. Fitting
CV2011 Lecture 6. FittingCV2011 Lecture 6. Fitting
CV2011 Lecture 6. FittingAnton Konushin
 
2004 Дипломный проект студентки Балашовой В.Д. на тему: «Обработка изображени...
2004 Дипломный проект студентки Балашовой В.Д. на тему: «Обработка изображени...2004 Дипломный проект студентки Балашовой В.Д. на тему: «Обработка изображени...
2004 Дипломный проект студентки Балашовой В.Д. на тему: «Обработка изображени...RF-Lab
 

Similar to Неэталонная оценка качества изображений (7)

КОЛИЧЕСТВЕННАЯ ОЦЕНКА КАЧЕСТВА ИЗОБРАЖЕНИЙ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ НЕЧЕТКОЙ ...
КОЛИЧЕСТВЕННАЯ ОЦЕНКА КАЧЕСТВА ИЗОБРАЖЕНИЙ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ НЕЧЕТКОЙ ...КОЛИЧЕСТВЕННАЯ ОЦЕНКА КАЧЕСТВА ИЗОБРАЖЕНИЙ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ НЕЧЕТКОЙ ...
КОЛИЧЕСТВЕННАЯ ОЦЕНКА КАЧЕСТВА ИЗОБРАЖЕНИЙ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ НЕЧЕТКОЙ ...
 
Arlyapov_diploma
Arlyapov_diplomaArlyapov_diploma
Arlyapov_diploma
 
20100919 computer vision_konushin_lecture02
20100919 computer vision_konushin_lecture0220100919 computer vision_konushin_lecture02
20100919 computer vision_konushin_lecture02
 
Оценка уровня шума
Оценка уровня шумаОценка уровня шума
Оценка уровня шума
 
Оценка уровня шума для видео
Оценка уровня шума для видеоОценка уровня шума для видео
Оценка уровня шума для видео
 
CV2011 Lecture 6. Fitting
CV2011 Lecture 6. FittingCV2011 Lecture 6. Fitting
CV2011 Lecture 6. Fitting
 
2004 Дипломный проект студентки Балашовой В.Д. на тему: «Обработка изображени...
2004 Дипломный проект студентки Балашовой В.Д. на тему: «Обработка изображени...2004 Дипломный проект студентки Балашовой В.Д. на тему: «Обработка изображени...
2004 Дипломный проект студентки Балашовой В.Д. на тему: «Обработка изображени...
 

Неэталонная оценка качества изображений

  • 1. Ярославский государственный университет им. П.Г. Демидова Неэталонная оценка качества изображений Ярославль 2011
  • 2. Критерии оценки качества изображений Критерии оценки качества субъективные объективные Средняя эталонные неэталонные экспертная оценка ПОСШ УИК КСП ? 2
  • 3. Типы искажений 1. JPEG 2. JPEG2000 3. Белый шум 4. Размытие 3
  • 4. Неэталонный индекс качества x(m, n) Вычисление функций dh (m, n) = x(m, n+1) - x(m, n) dv (m, n) = x(m+1,n) - x(m, n) Средняя разница Отклонение разности Среднее число между блоками на границе блоков переходов 8х8 пикселей: от ее среднего значения через ноль: значения B h и B по всему изображению: значения Z h и Z v значения А h и А v Полученные величины усредняются:   246 значения А, B и Z   262  1   0,024 Вычисление оценки для изображения  2  0,016 γ γ γ  3  0,064 НИК  α  βB 1 A 2 Z 3 4
  • 5. Неэталонный индекс качества Средняя разница между блоками размером 8х8: M N / 81 1 Bh    dh (i,8 j) M ( N / 8  1) i 1 j 1 Отклонение средней абсолютной разности на границе блоков от той же величины, вычисленной для всего изображения: 1 M N 1 8  Ah    dh (i, j)  Bh  7  M ( N  1) i 1 j 1  Число переходов через ноль: M N 2 1 Zh   zh (m, n) M ( N  2) i 1 j 1 5
  • 7. Двухэтапный метод Изображение 1. Определение типов ������������ , {������ = 1, … , 4} искажений 2. Вычисление индекса качества для каждого ������������ , {������ = 1, … , 4} искажения Вычисление 4 взвешенного индекса ������������������������ = ������������ ∙ ������������ качества ������=1 7
  • 8. 8
  • 9. Корреляция алгоритмов со средними экспертными оценками JPEG2000 JPEG БШ Размытие Все ПОСШ 0,8558 0,8762 0,9388 0,7292 0,8535 BIQI 0,7995 0,8914 0,9510 0,8463 0,8192 9
  • 12. Курвлет-преобразование   j, l , k    f t , t  0  t1 ,t 2  n 1 2 j ,l , k t1 , t 2  h j x   T j I   pdf log10  j         j    j , l , k   Probability distribution function (pdf) - функция распределения вероятности 12
  • 14. Анализ максимумов функций распределений вероятности Зеленый – размытие Красный – шум Синий – JPEG2000 Фиолетовый – исходные изображения 14
  • 16. Гибридный индекс качества изображений JPEG2000 JPEG2000 JPEG JPEG Шум Размытие Все #1 #2 #1 #2 ГИКИ 0,948/ 0,926/ 0,952 0,893 0,879 0,780 0,921 0,980 0,950 ПОСШ 0,986 0,783 0,933 0,874 0,886 0,917 0,871 КСП 0,974 0,949 0,970 0,971 0,970 0,988 0,940 16
  • 17. Литература • Саутов Евгений “Разработка и анализ неэталонных алгоритмов оценки качества изображений”, диссертационная работа • Michele A. Saad, Alan C. Bovik, Christophe Charrier “A DCT Statistics-Based Blind Image Quality Index”, IEEE SIGNAL PROCESSING LETTERS, VOL. 17, NO. 6, JUNE 2010, P. 583-586 • Ji Shen, Qin Li, and Gordon Erlebacher “Hybrid No-Reference Natural Image Quality Assessment of Noisy, Blurry, JPEG2000, and JPEG Images”, IEEE TRANSACTIONS ON IMAGE PROCESSING, VOL. 20, NO. 8, AUGUST 2011, P. 2089-2098 17