Оценка качества цифровых изображений
https://doi.org/10.21122/2309-4923-2021-4-4-15
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. ГолубБеларусь
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
Обратные ссылки
- Обратные ссылки не определены.