sapiСистемный анализ и прикладная информатика«System analysis and applied information science»2309-49232414-0481Belarusian National Technical University10.21122/2309-4923-2021-4-4-15sapi-533Research ArticleСистемный анализSystem analysisОценка качества цифровых изображенийImage quality assessmentГолубЮ. И.GolubY. I.

Голуб Юлия Игоревна, кандидат технических наук, доцент, старший научный сотрудник

г. Минск

Yuliya I. Golub, PhD, Associate Professor, Senior Research Fellow

Minsk

6423506@gmail.comОбъединенный институт проблем информатики Национальной академии наук БеларусиБеларусьUnited Institute of Informatics Problems, National Academy of Sciences of BelarusBelarus20210401202204415Copyright © Голуб Ю.И., 20222022Голуб Ю.И.Golub Y.I.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://sapi.bntu.by/jour/article/view/533

Оценка качества неотъемлемый этап обработки и анализа цифровых изображений в различных автоматизированных системах. По мере увеличения количества и многообразия устройств, позволяющих фиксировать изображения в различных диапазонах электромагнитного спектра, а также расширения сфер деятельности человека, в которых используются информационные технологии (ИТ), растет необходимость оценки качества регистрируемых изображений. Растут требования к представлению цифровых изображений: уменьшается размер пикселя, увеличивается динамический диапазон яркости.

Понятие качества можно трактовать по-разному – в зависимости от целей использования изображений оно может быть связано как с визуальными, так и с художественными особенностями восприятия снимка человеком. В данных исследованиях понятие качества цифрового изображения интерпретируется в контексте точности передачи деталей реальной сцены на ее цифровом представлении, и не учитываются художественные аспекты кадра.

В статье рассматриваются факторы, снижающие качество цифровых изображений, области применения функций оценки качества изображений, способ нормализации мер близости, классы цифровых изображений и их возможные искажения, доступные базы изображений для проведения экспериментов по оценке качества изображений с визуальными оценками экспертов.

Quality assessment is an integral stage in the processing and analysis of digital images in various automated systems. With the increase in the number and variety of devices that allow receiving data in various digital formats, as well as the expansion of human activities in which information technology (IT) is used, the need to assess the quality of the data obtained is growing. As well as the bar grows for the requirements for their quality.The article describes the factors that deteriorate the quality of digital images, areas of application of image quality assessment functions, a method for normalizing proximity measures, classes of digital images and their possible distortions, image databases available on the Internet for conducting experiments on assessing image quality with visual assessments of experts.

цифровое изображениеоценка качестваискаженияклассы изображенийбазы цифровых изображенийвизуальная оценка качестванормализация данныхdigital imageimage quality assessmentdistortionsimage classesdigital image databasesvisual quality assessmentdata normalizationРабота частично выполнена в рамках гранта для докторантов, проектов БРФФИ Ф20РА-014 и Ф21ПАКГ-001ReferencesСердобинцев, Е. В. Артефакты и искажения при конусно-лучевой компьютерной томографии [Электронный ресурс]. – Режим доступа: https://dentalxray.university/a2. – Дата доступа: 07.06.2021.Serdobincev, E. V. Артефакты и искажения при конусно-лучевой компьютерной томографии [Online]. – Available: https://dentalxray.university/a2. – Date: 07.06.2021.Гонта, А. Резкость изображения и оборудование CCTV / A. Гонта, E. Седов // Алгоритм безопасности. – 2007. – № 1. – С. 30–32.Gonta, А. Резкость изображения и оборудование CCTV / A. Gonta, E. Sedov // Алгоритм безопасности. – 2007. – № 1. – P. 30–32.Гонсалес, Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс. – М.: Техносфера, 2006. – 1072 с.Gonzalez, R. Digital Image Processing / R. Gonzalez, R. Woods. – 2006. – 1072p.Сборник «Цифровое телевизионное вещание. Везде и всегда. Для всех и для каждого» под редакцией В. В. Бутенко, 2014 [Электронный ресурс]. – Режим доступа: https://niir.ru/news/publikacii/2436–2/razdel-11-ocenka-kachestvaizobrazhenij-kontrol-i-izmereniya-parametrov-tv-traktov/. – Дата доступа: 07.06.2021.Сборник «Цифровое телевизионное вещание. Везде и всегда. Для всех и для каждого» под редакцией В. В. Бутенко, 2014 [Online]. – Available: https://niir.ru/news/publikacii/2436–2/razdel-11-ocenka-kachestva-izobrazhenij-kontrol-iizmereniya-parametrov-tv-traktov/. – Date: 07.06.2021.DeepMind Technologies Limited [Электронный ресурс]. – Режим доступа: https://deepmind.com. – Дата доступа: 01.04.2021.DeepMind Technologies Limited [Online]. – Available: https://deepmind.com. – Date: 01.04.2021.Chandler, D. M. Seven challenges in image quality assessment: past, present, and future research // International Scholarly Research Notices. – 2013. – Т. 2013. – P. 1–53.Chandler, D. M. Seven challenges in image quality assessment: past, present, and future research // International Scholarly Research Notices. – 2013. – Т. 2013. – P. 1–53.Pertuz, S. Analysis of focus measure operators for shape-from-focus / S. Pertuz, D. Puig, M.A. Garcia // Pattern Recognition. – 2013. – Vol. 46. – № 5. – P. 1415–1432.Pertuz, S. Analysis of focus measure operators for shape-from-focus / S. Pertuz, D. Puig, M.A. Garcia // Pattern Recognition. – 2013. – Vol. 46. – № 5. – P. 1415–1432.Zhai, G. Perceptual image quality assessment: a survey / G. Zhai, X. Min // Science China Information Sciences. – 2020. – V. 63. – № 11. – P. 83–135.Zhai, G. Perceptual image quality assessment: a survey / G. Zhai, X. Min // Science China Information Sciences. – 2020. – V. 63. – № 11. – P. 83–135.Забелин, С. А. Обзор основных видов шумов на спутниковых снимках и методов фильтрации / С. А. Забелин, А. Д. Тулегулов // Надежность и качество сложных систем. – 2013. – № 2. – С. 100–1005.Zabelin, S.A. Обзор основных видов шумов на спутниковых снимках и методов фильтрации / S.A. Zabelin, A. D. Tulegulov // Reliability & Quality of Complex Systems. – 2013. – № 2. – P. 100–1005.Старовойтов, В. В. Методика выбора фильтра для сглаживания спекл-шума радарных изображений с синтезированной апертурой / В. В. Старовойтов // Информатика. – 2016. – № 2. – С. 5–11.Starovotov, V. V. Method of filter selection for speckle-noise smoothing in sar images / V. V. Starovotov // Informatics. – 2016. – № 2. – P. 5–11.Кокорев П. А. Анализ артефактов изображений в компьютерной томографии //Научно-технический вестник информационных технологий, механики и оптики. – 2008. – № . 47.Kokorev P.A. Анализ артефактов изображений в компьютерной томографии // Scientific and Technical Journal of Information Technologies, Mechanics and Optics. – 2008. – № 47.Gu, K. Subjective and objective quality assessment for images with contrast change / K. Gu [et al.] // Proc. IEEE Int. Conf. on Image Processing, Melbourne, VIC, Australia. – 2013. – P. 383–387.Gu, K. Subjective and objective quality assessment for images with contrast change / K. Gu [et al.] // Proc. IEEE Int. Conf. on Image Processing, Melbourne, VIC, Australia. – 2013. – P. 383–387.Kodak Lossless True Color Image Suite [Электронный ресурс]. – Режим доступа: http://r0k.us/graphics/kodak/. – Дата доступа: 05.04.2021.Kodak Lossless True Color Image Suite [Online]. – Available: http://r0k.us/graphics/kodak/. – Date: 05.04.2021.Larson, E. C. Most Apparent Distortion: Full-Reference Image Quality Assessment and the Role of Strategy / E. C. Larson, D. M. Chandler // Journal of Electronic Imaging. – March 2010. – Vol. 19, № 1. – P. 011006:1–011006:21.Larson, E. C. Most Apparent Distortion: Full-Reference Image Quality Assessment and the Role of Strategy / E. C. Larson, D. M. Chandler // Journal of Electronic Imaging. – March 2010. – Vol. 19. – № 1. – P. 011006:1–011006:21.Ninassi, A. Pseudo No Reference image quality metric using perceptual data hiding / A. Ninassi, P. L. Callet, F. Autrusseau // in Human Vision and Electronic Imaging. – Vol. 6057 of Proceedings of SPIE. – January 2006. – P. 146–157.Ninassi, A. Pseudo No Reference image quality metric using perceptual data hiding / A. Ninassi, P. L. Callet, F. Autrusseau // in Human Vision and Electronic Imaging. – Vol. 6057 of Proceedings of SPIE. – January 2006. – P. 146–157.Wang Z. [et al.] Image quality assessment: from error visibility to structural similarity //IEEE transactions on image processing. – 2004. – V. 13,№ 4. – P. 600–612.Wang Z. [et al.] Image quality assessment: from error visibility to structural similarity //IEEE transactions on image processing. – 2004. – V. 13. – № 4. – P. 600–612.Sheikh, H. R. A statistical evaluation of recent full reference image quality assessment algorithms / H. R. Sheikh, M. F. Sabir, A. C. Bovik // IEEE Transactions on Image Processing. – November, 2006. – Vol. 15, № 11. – P. 3440–3451.Sheikh, H. R. A statistical evaluation of recent full reference image quality assessment algorithms / H. R. Sheikh, M. F. Sabir, A. C. Bovik // IEEE Transactions on Image Processing. – November, 2006. – Vol. 15. – № 11. – P. 3440–3451.LIVE Image Quality Assessment Database Release 2 [Электронный ресурс]. – Режим доступа: http://live.ece.utexas.edu/research/quality. – Дата доступа: 05.04.2021.LIVE Image Quality Assessment Database Release 2 [Online]. – Available: http://live.ece.utexas.edu/research/quality. – Date: 05.04.2021.Tourancheau, S., Autrusseau, F., Sazzad, Z.M.P., Horitaa, Y. MICT image quality evaluation database. – 2008.Tourancheau, S., Autrusseau, F., Sazzad, Z.M.P., Horitaa, Y. MICT image quality evaluation database. – 2008.Ponomarenko, N., Lukin, V., Zelensky, A., Egiazarian, K., Carli, M., Battisti, F. Tampere image database. – 2008.Ponomarenko, N., Lukin, V., Zelensky, A., Egiazarian, K., Carli, M., Battisti, F. Tampere image database. – 2008.Ponomarenko, N. [et al.] Image database TID2013: Peculiarities, results and perspectives // Signal Processing: Image Communication. – 2015. – Т. 30. – P. 57–77.Ponomarenko, N. [et al.] Image database TID2013: Peculiarities, results and perspectives // Signal Processing: Image Communication. – 2015. – V. 30. – P. 57–77.Zaric, A. et al. VCL@FER Image Quality Assessment Database // AUTOMATIKA. – 2012. – Vol. 53, № 4. – P. 344–354.Zaric, A. [et al.] VCL@FER Image Quality Assessment Database // AUTOMATIKA. – 2012. – Vol. 53. – № 4. – P. 344–354.Голуб, Ю. И. Исследование безэталонных локальных оценок качества изображений / Ю. И. Голуб, Ф. В. Старовойтов, В. В. Старовойтов // Вестник Брестского государственного технического университета. Серия: Физика, математика, информатика. – 2019. – № 5. – С. 15–18.Golub, Y. I. Study of no-reference local image qualityassessments / Y. I. Golub, F. V. Starovoitov, V. V. Starovoitov // Vestnik BrSTU. – 2019. – № 5. – P. 15–18.Beghdadi, A. Contrast enhancement technique based on local detection of edges / A. Beghdadi, A. Le Negrate // Computer Vision, Graphics, and Image Processing. – 1989. – 46(2). – P. 162–174. DOI: 10.1016/0734–189X(89)90166–7Beghdadi, A. Contrast enhancement technique based on local detection of edges / A. Beghdadi, A. Le Negrate // Computer Vision, Graphics, and Image Processing. – 1989. – 46(2). – P. 162–174. DOI: 10.1016/0734–189X(89)90166–7Santos, A. [et al.] Evaluation of autofocus functions in molecular cytogenetic analysis // Journal of Microscopy. – 1997. – V.188. – № 3. – P. 264–272.Santos, A. [et al.] Evaluation of autofocus functions in molecular cytogenetic analysis // Journal of Microscopy. – 1997. – V.188. – № 3. – P. 264–272.Guan, J. [et al.] No-reference Blur Assessment Based on Edge Modeling // Journal of Visual Communication and Image Representation. – 2015. – V. 29. – P. 1–7.Guan, J. [et al.] No-reference Blur Assessment Based on Edge Modeling // Journal of Visual Communication and Image Representation. – 2015. – V. 29. – P. 1–7.Tian, J. Multi-focus image fusion using a bilateral gradient-base sharpness criterion / J. Tian, L. Chen, L. Ma, W. Yu // Optics communications. – 2011. – 284 (1). – P. 80–87. DOI: doi.org/10.1016/j.optcom.2010.08.085Tian, J. Multi-focus image fusion using a bilateral gradient-base sharpness criterion / J. Tian, L. Chen, L. Ma, W. Yu // Optics communications. – 2011. – 284 (1). – P. 80–87. DOI: doi.org/10.1016/j.optcom.2010.08.085Старовойтов, В. В. Сравнительный анализ безэталонных мер оценки качества цифровых изображений / В. В. Старовойтов, Ф. В. Старовойтов // Системный анализ и прикладная информатика. – 2017. – Т. 13, № 1. – С. 24–31.Starovotov, V. V. Comparative analysis of no-reference quality measures for digital images / V. V. Starovotov, F. V. Starovotov // System analysis and applied information science. – 2017. – V. 13. – № 1. – P. 24–31.Larson, E. C. Most Apparent Distortion: Full-Reference Image Quality Assessment and the Role of Strategy / E. C. Larson, D. M. Chandler // Journal of Electronic Imaging. – March 2010. – V. 19. – № 1. – P. 011006:1–011006:21.Larson, E. C. Most Apparent Distortion: Full-Reference Image Quality Assessment and the Role of Strategy / E. C. Larson, D. M. Chandler // Journal of Electronic Imaging. – March 2010. – V. 19. – № 1. – P. 011006:1–011006:21.Von Luxburg U. Statistical learning with similarity and dissimilarity functions: дис. – Technische Universität Berlin Berlin, Germany, 2004.Von Luxburg, Ulrike. Statistical learning with similarity and dissimilarity functions. Diss. Technische Universität Berlin Berlin, Germany, 2004.Kocić, J. Image quality parameters: A short review and applicability analysis / J. Kocić, I. Popadić, B. Livada // 7th Int. Sci. Conf. Defensive Technol. – 2016.Kocić, J. Image quality parameters: A short review and applicability analysis / J. Kocić, I. Popadić, B. Livada // 7th Int. Sci. Conf. Defensive Technol. – 2016.Xu, S. No-reference/blind image quality assessment: a survey / S. Xu, S. Jiang, W. Min // IETE Technical Review. – 2017. – Vol. 34, № 3. – P. 223–245.Xu, S. No-reference/blind image quality assessment: a survey / S. Xu, S. Jiang, W. Min // IETE Technical Review. – 2017. – Vol. 34. – № 3. – P. 223–245.Dumic, E. IQM2 – New image quality measure based on steerable pyramid wavelet transform and structural similarity index / E. Dumic, S. Grgic, M. Grgic // Signal, Image and Video Processing. – 2014. – V. 8, № 6. – P. 1159–1168.Dumic, E. IQM2 – New image quality measure based on steerable pyramid wavelet transform and structural similarity index / E. Dumic, S. Grgic, M. Grgic // Signal, Image and Video Processing. – 2014. – V. 8. – № 6. – P. 1159–1168.Перегудов, Ф. И. Введение в системный анализ / Ф. И. Перегудов, Ф. П. Тарасевич. – М.: Высшая школа, 1989. – 367 с.Peregudov F. I. Введение в системный анализ / F. I. Peregudov, F. P. Tarasevich. – М.: Высшая школа, 1989. – 367 p.Анфилатов, В. С. Системный анализ в управлении / В. С. Анфилатов, А. А. Емельянов, А. А. Кукушкин – М. Финансы и статистика, 2002. – 368 с.Anfilatov V. S. Системный анализ в управлении / V. S. Anfilatov, А. А. Emel’janov, A.A. Kukushkin – М. Финансы и статистика, 2002. – 368 p.Шкала [Электронный ресурс]. – Режим доступа: https://ru.wikipedia.org/wiki/%D0%A8%D0%BA%D0%B0%D0%BB%D0%B0. – Дата доступа: 01.06.2021.Level of measurement [Online]. – Available: https://en.wikipedia.org/wiki/Level_of_measurement. – Date: 01.06.2021.Старовойтов, В. В. Нормализация данных в машинном обучении / В. В. Старовойтов, Ю. И. Голуб // Информатика. 2021. – в печати.Starovoitov V. V., Golub Y. I. Data Normalization in Machine Learning. Informatics. 2021 (in print).Киселев Э. В. Прикладная квалиметрия: Конспект лекций / Э. В. Киселев, М. Е. Ильина. – Рыбинск, 2015. – 52 с.: ил.Kiselev E. V. Прикладная квалиметрия: Конспект лекций / E. V. Kiselev, М. Е. Il’ina. – Рыбинск, 2015. – 52 p.Zhu, W. [et al.] A multiple attributes image quality database for smartphone camera photo quality assessment // 2020 IEEE International Conference on Image Processing (ICIP). – IEEE, 2020. – P. 2990–2994.Zhu, W. [et al.] A multiple attributes image quality database for smartphone camera photo quality assessment // 2020 IEEE International Conference on Image Processing (ICIP). – IEEE, 2020. – P. 2990–2994.

The authors declare that there are no conflicts of interest present.