Влияние уменьшения размеров изображения на вычисление оценки его качества

В статье описаны исследования влияния уменьшения изображений на количественную оценку их качества. Под уменьшением изображения подразумевается пропорциональное уменьшение горизонтального и вертикального разрешений изображения в пикселях. В рамках данных исследований был выполнен анализ корреляции между количественными оценками качества изображений и субъективными оценками экспертов. Для экспериментов использовались изображения из общедоступной базы TID2013с разрешением изображений 512 × 384 пикселя и с экспертными оценками их качества, а также фотографии, сделанные цифровой фотокамерой Nikon D5000 с разрешением 4288 × 2848 пикселя. Все изображения уменьшались в 2, 4 и 8 раз. Для уменьшения использовались два метода: билинейная интерполяция и интерполяция по ближайшему соседу.

Для оценки качества изображений было отобрано 22 меры. Количественная оценка качества изображения вычислялась в два этапа. На первом этапе получали массив локальных оценок в окрестности каждого пиксела с использованием отобранных мер. На втором этапе вычислялась глобальная оценка качества по полученным локальным. Для обобщения локальных оценок качества рассматривались параметры 16 распределений случайных величин.

По результатам экспериментов сделан вывод, что точность оценки качества для некоторых мер снижается при уменьшении изображений (например, меры FISH, GORD, HELM, LOEN). Рекомендуется применять меры BREN и SHAR. Для уменьшения изображений лучше использовать метод интерполяции ближайшего соседа. При этом время вычислений оценок в среднем сокращается в 4 раза при уменьшении изображений в 2 раза. При уменьшении изображений в 8 раз, время вычислений в среднем снижается в 80 раз. При этом объем памяти необходимой для хранения цифровых изображений уменьшается в 25 раз.

1. Ponomarenko, N. Image database TID2013: Peculiarities, results and perspectives / N. Ponomarenko, L. Jin, O. Ieremeiev, V. Lukin, K. Egiazarian, J. Astola, B. Vozel, K. Chehdi, M. Carli, F. Battisti, C.-C. Jay Kuo // Signal Processing: Image Communication. – 2015. – V. 30. – P. 57–77.

2. FastStone Image Viewer – программа для просмотра изображений в Microsoft Windows [Электронный ресурс]. – URL: https://www.faststone.org/ (дата обращения 05.05.2020).

3. Гонсалес Р., Вудс Р. Цифровая обработка изображений. Техносфера // Москва. – 2006. – 1072 с.

4. Pertuz S., Puig D., Garcia M.A. Analysis of focus measure operators for shape-from-focus. Pattern Recognition. – 2013. – № 46(5). – P. 1415–1432.

5. Старовойтов, Ф. B. Параметры кривой распределения локальных оценок как меры качества изображений / Ф. В. Старовойтов, В. В. Старовойтов // Системный анализ и прикладная информатика. – 2018. – № 3. – С. 26–41.

6. Голуб Ю. И. Исследование безэталонных локальных оценок качества изображений / Ю. И. Голуб, Ф. В. Старовойтов, В. В. Старовойтов // Вестник БрГТУ. – 2019. – № 5(118): Физика, математика, информатика. – С. 15–18.

7. Leemis, L. M. Univariate distribution relationships / L. M. Leemis, J. T. McQueston // The American Statistician. – 2008. – V. 62. – № 1. – P. 45–53.