(42-5) 14 * << * >> * Русский * English * Содержание * Все выпуски

Метрика искажений мелких структур компрессированных изображений
Сай С.В.

Тихоокеанский государственный университет, Хабаровск, Россия

 PDF, 496kB

DOI: 10.18287/2412-6179-2018-42-5-829-837

Страницы: 829-837.

Аннотация:
В статье предлагается новая метрика искажений мелких структур компрессированных изображений – MFSD (Metric of Fine Structures Distortion). К особенностям метрики относится то, что она основана на алгоритме идентификации мелких структур изображения с использованием нормированной системы N-CIELAB, что позволяет оценивать искажения с учетом свойств контрастной чувствительности зрения. Приводятся экспериментальные результаты оценки искажений тестовых изображений в зависимости от степени компрессии и параметра качества в кодеках JPEG и JPEG2000 по метрике MFSD и по традиционным метрикам PSNR и SSIM. На основе результатов сравнительного анализа MFSD с субъективными оценками качества компрессированных изображений JPEG и JPEG2000 получен новый объективный критерий высокого качества воспроизведения мелких структур компрессированных изображений. Приводится теоретическое и экспериментальное обоснование объективности нового критерия по результатам обработки и анализа искажений компрессированных тестовых фотореалистичных изображений.

Ключевые слова:
анализ изображений, мелкие структуры, метрика искажений.

Цитирование:
Сай, С.В. Метрика искажений мелких структур компрессированных изображений / С.В. Сай // Компьютерная оптика. – 2018. – Т. 42, № 5. – С. 829-837. – DOI: 10.18287/2412-6179-2018-42-5-829-837.

Литература:
  1. Lin, W. Perceptual visual quality metrics: A survey / W. Lin, C.-C.J. Kuo // Journal of Visual Communication and Image Representation. – 2011. – Vol. 22, Issue 4. – P. 297-312. – DOI: 10.1016/j.jvcir.2011.01.005.
  2. Mittal, A. No-reference image quality assessment in the spatial domain / A. Mittal, A.K. Moorthy, A. Bovik // IEEE Transactions on Image Processing. – 2012. –Vol. 21, Issue 12. – P. 4695-4708. – DOI: 10.1109/TIP.2012.2214050.
  3. Wang, Z. Video quality assessment using a statistical model of human visual speed perception / Z. Wang, Q. Li // Journal of the Optical Society of America A. – 2007. – Vol. 24, Issue 12. – P. 61-69. – DOI: 10.1364/JOSAA.24.000B61.
  4. Dosselmann, R. No-reference image quality assessment using level-of-detail / R. Dosselmann, D.Y. Xue. – Technical Report CS 2011-2, May 2011. – ISBN: 978-0-7731-0695-6.
  5. Laboratory for image & video engineering [Electronical Resource]. – URL: http://live.ece.utexas.edu/research/Quality/ (Request date 03.09.2018).
  6. Tektronix. Анализаторы качества изображений [Электронный ресурс]. – URL: http://ru.tek.com/picture-quality-analyzer/ (дата обращения 03.09.2018).
  7. Кольцов, П.П. О количественной оценке эффективности алгоритмов анализа изображений / П.П. Кольцов, А.С. Осипов, А.С. Куцаев, А.А. Кравченко, Н.В. Котович, А.В. Захаров // Компьютерная оптика. – 2015. – Т. 39, № 4. – С. 542-556. – DOI: 10.18287/0134-2452-2015-39-4-542-556.
  8. Gonzalez, R.C. Digital image processing / R.C. Gonzalez, R.E. Woods. – 3rd ed. – Upper Saddle River, NJ: Prentice Hall, 2008. – 976 p. – ISBN: 978-0-13-168728-8.
  9. Fairchild, M.D. Color appearance models / M.D. Fairchild. – In: Color appearance models / ed. by M.D. Fairchild. – Chap. 10. – Chichester: John Wiley & Sons, 2005. – 408 p. – DOI: 10.1002/9781118653128.ch10.
  10. Zhang, X. Color image quality metric S-CIELAB and its application on halftone texture visibility // X. Zhang, D. Silverstein, J. Farrell, B. Wandell // Proceedings IEEE COMPCON 97. Digest of Papers. – 1997. – P. 44-48. – DOI: 10.1109/CMPCON.1997.584669.
  11. Sai, S.V. Segmentation of fine details in the CIELAB / S.V. Sai, N.Yu. Sorokin, A.G. Shoberg // WSCG 2016 – 24th Conference on Computer Graphics, Visualization and Computer Vision 2016. – 2016. – P. 155-162.
  12. Sai, S.V. Fine-detail level of photorealistic images: Application in the multimedia system / S.V. Sai // 2015 International Siberian Conference on Control and Communications (SIBCON). – 2015. – DOI: 10.1109/SIBCON.2015.7147204.
  13. Wyszecki, G. Uniform color scales: CIE 1964 U*V*W* conversion of OSA committee selection / G. Wyszecki // Journal of the Optical Society of America. – 1975. – Vol. 65, Issue 4. – P. 456-460. – DOI: 10.1364/JOSA.65.000456.
  14. Judd, D.B. Color in business, science and industry / D.V. Judd, G. Wyszecki. – New York: John Wiley & Sons, 1975. – 576 p. – ISBN: 978-0-471-45212-6.
  15. Pratt, W.K. Digital image processing / W.K. Pratt. – 3rd ed. – New York: John Wiley & Sons, 2001. – ISBN: 0-471-37407-5.
  16. Wang, Z. Image quality assessment: From error visibility to structural similarity / Z. Wang, A.C. Bovik, H.R. Sheikh, E.P. Si­moncelli // IEEE Transactions on Image Processing. – 2004. – Vol. 13, Issue 4. – P. 600-612. – DOI: 10.1109/TIP.2003.819861.
  17. Barten, P.G.J. Contrast sensitivity of the human eye and its effects on image quality / P.G.J. Barten. – Knegsel: HV Press, 1999. – ISBN: 978-0-8194-3496-8.
  18. LIVE image quality assessment database [Electronical Resource]. – URL: http://live.ece.utexas.edu/research/Quali­ty/subjective.htm (request date 03.09.2018).

© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: journal@computeroptics.ru ; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20