Оценка качества цифровых изображений


https://doi.org/10.21122/2309-4923-2021-4-4-15

Полный текст:




Аннотация

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.


Об авторе

Ю. И. Голуб
Объединенный институт проблем информатики Национальной академии наук Беларуси
Беларусь

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

г. Минск



Список литературы

1. Сердобинцев, Е. В. Артефакты и искажения при конусно-лучевой компьютерной томографии [Электронный ресурс]. – Режим доступа: https://dentalxray.university/a2. – Дата доступа: 07.06.2021.

2. Гонта, А. Резкость изображения и оборудование CCTV / A. Гонта, E. Седов // Алгоритм безопасности. – 2007. – № 1. – С. 30–32.

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

4. 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.

5. DeepMind Technologies Limited [Электронный ресурс]. – Режим доступа: https://deepmind.com. – Дата доступа: 01.04.2021.

6. Chandler, D. M. Seven challenges in image quality assessment: past, present, and future research // International Scholarly Research Notices. – 2013. – Т. 2013. – P. 1–53.

7. 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.

8. Zhai, G. Perceptual image quality assessment: a survey / G. Zhai, X. Min // Science China Information Sciences. – 2020. – V. 63. – № 11. – P. 83–135.

9. 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.

10. Старовойтов, В. В. Методика выбора фильтра для сглаживания спекл-шума радарных изображений с синтезированной апертурой / В. В. Старовойтов // Информатика. – 2016. – № 2. – С. 5–11.

11. Кокорев П. А. Анализ артефактов изображений в компьютерной томографии //Научно-технический вестник информационных технологий, механики и оптики. – 2008. – № . 47.

12. 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.

13. Kodak Lossless True Color Image Suite [Электронный ресурс]. – Режим доступа: http://r0k.us/graphics/kodak/. – Дата доступа: 05.04.2021.

14. 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.

15. 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.

16. 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.

17. 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.

18. LIVE Image Quality Assessment Database Release 2 [Электронный ресурс]. – Режим доступа: http://live.ece.utexas.edu/research/quality. – Дата доступа: 05.04.2021.

19. Tourancheau, S., Autrusseau, F., Sazzad, Z.M.P., Horitaa, Y. MICT image quality evaluation database. – 2008.

20. Ponomarenko, N., Lukin, V., Zelensky, A., Egiazarian, K., Carli, M., Battisti, F. Tampere image database. – 2008.

21. Ponomarenko, N. [et al.] Image database TID2013: Peculiarities, results and perspectives // Signal Processing: Image Communication. – 2015. – Т. 30. – P. 57–77.

22. Zaric, A. et al. VCL@FER Image Quality Assessment Database // AUTOMATIKA. – 2012. – Vol. 53, № 4. – P. 344–354.

23. 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.

24. 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)90166–7

25. Santos, A. [et al.] Evaluation of autofocus functions in molecular cytogenetic analysis // Journal of Microscopy. – 1997. – V.188. – № 3. – P. 264–272.

26. 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.

27. 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.2010.08.085

28. Старовойтов, 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.

29. 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.

30. Von Luxburg U. Statistical learning with similarity and dissimilarity functions: дис. – Technische Universität Berlin Berlin, Germany, 2004.

31. Kocić, J. Image quality parameters: A short review and applicability analysis / J. Kocić, I. Popadić, B. Livada // 7th Int. Sci. Conf. Defensive Technol. – 2016.

32. 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.

33. 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.

34. Перегудов, Ф. И. Введение в системный анализ / Ф. И. Перегудов, Ф. П. Тарасевич. – М.: Высшая школа, 1989. – 367 с.

35. Анфилатов, В. С. Системный анализ в управлении / В. С. Анфилатов, А. А. Емельянов, А. А. Кукушкин – М. Финансы и статистика, 2002. – 368 с.

36. 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.

37. Старовойтов, В. В. Нормализация данных в машинном обучении / В. В. Старовойтов, Ю. И. Голуб // Информатика. 2021. – в печати.

38. Киселев Э. В. Прикладная квалиметрия: Конспект лекций / Э. В. Киселев, М. Е. Ильина. – Рыбинск, 2015. – 52 с.: ил.

39. 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.


Дополнительные файлы

Для цитирования: Голуб Ю.И. Оценка качества цифровых изображений. «Системный анализ и прикладная информатика». 2021;(4):4-15. https://doi.org/10.21122/2309-4923-2021-4-4-15

For citation: Golub Y.I. Image quality assessment. «System analysis and applied information science». 2021;(4):4-15. (In Russ.) https://doi.org/10.21122/2309-4923-2021-4-4-15

Просмотров: 452

Обратные ссылки

  • Обратные ссылки не определены.


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2309-4923 (Print)
ISSN 2414-0481 (Online)