Разработка и анализ неэталонного алгоритма оценки качества изображений на основе дискретного преобразования

• Автор: Павлов, Евгений Александрович
• Шифр специальности: 05.12.04
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Владимир
• Количество страниц: 124 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ
ГЛАВА 1. ОЦЕНКА КАЧЕСТВА ЦИФРОВЫХ
ИЗОБРАЖЕНИЙ
1.1. Субъективные критерии качества
1.2. Объективные критерии качества
1.2.1. Эталонные критерии оценки качества изображений
1.2.2. Неэталонные критерии оценки качества изображений
1.3. Краткие выводы
ГЛАВА 2. НЕЭТАЛОННЫЙ АЛГОРИТМ ОЦЕНКИ КАЧЕСТВА
ИЗОБРАЖЕНИЙ
2.1. Алгоритм неэталонной оценки качества изображений
НОдкпС
2.1.1. Общая схема алгоритма
2.1.2. Оценка параметров обобщенного распределения Гаусса
2.1.3. Распределение энергии коэффициентов по частоте
2.1.4. Пространственные искажения
2.1.5. Извлечение признаков
2.1.6. Оценка качества изображения
2.1.7. Оценка корреляции разработанного неэталонного
алгоритма с результатами субъективной экспертизы
2.2. База изображений LIVE
2.3. Расчет коэффициентов корреляции
2.4. Апробация работы метрики НОдкпС
2.5. Краткие выводы
ГЛАВА 3. АНАЛИЗ РАБОТЫ ПРЕДЛОЖЕННОГО
НЕЭТАЛОННОГО АЛГОРИТМА В ЗАДАЧАХ ОЦЕНКИ КАЧЕСТВА ВОССТАНОВЛЕННЫХ И СЖАТЫХ ИЗОБРАЖЕНИЙ
3.1. Тестовые изображения
3.2. Модели искажений
3.2.1. Гауссовский шум
3.2.2. Сжатие изображений с использованием алгоритма JPEG
3.3. Применение неэталонной оценки
в задаче фильтрации полутоновых изображений

3.4. Применение неэталонной оценки в задаче подавления
артефактов блочности
3.5. Применение неэталонной оценки в задаче фильтрации
цветных изображений
3.6. Краткие выводы
ГЛАВА 4. АНАЛИЗ РАБОТЫ ПРЕДЛОЖЕННОГО
НЕЭТАЛОННОГО АЛГОРИТМА В ЗАДАЧАХ ДЕТЕКТИРОВАНИЯ И РАСПОЗНАВАНИЯ ОБЪЕКТОВ НА ТЕЛЕВИЗИОННЫХ
ИЗОБРАЖЕНИЯХ
4.1. Вводные замечания
4.2. Анализ алгоритма в задачах детектирования
4.2.1. Алгоритм детектирования лиц Виолы-Джонса
4.2.2. База изображений для эксперимента детектирования лиц
4.2.3. Подготовка данных для эксперимента
4.2.4. Оценка изображений
4.2.5. Проведение исследований по внешней базе изображений
4.3. Анализ алгоритма в задаче распознавания лиц
4.3.1. Алгоритмы распознавания людей на основе информации о

4.3.1.1. Алгоритм на основе метода главных компонент
4.3.1.2. Алгоритм на основе линейного дискриминантного анализа.
4.3.1.3. Метод сравнения гистограмм локальных бинарных
паттернов
4.3.2. Модификация прогрессивного переключающегося
медианного фильтра
4.3.3. Эксперимент по способности человека распознавать лица
4.4. Результаты тестирования алгоритмов распознавания
4.5. Краткие выводы
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ

ВВЕДЕНИЕ
Актуальность темы. Цифровая обработка визуальной информации в настоящее время охватывает различные виды инфокоммуникационных приложений и расширяет их спектр. Сюда относятся как традиционные приложения (вещательное, промышленное, охранное телевидение), так и относительно новые приложения (видеоконференцсвязь, техническое зрение, цифровое кино, телевидение высокой и сверхвысокой четкости, ЗО-телевидение) [1-7].
В соответствии с современной классификацией предложенной В.П. Дворковичем и A.B. Дворковичем цифровая обработка телевизионных и компьютерных изображений включает в себя следующие основные области [6]:
- коррекция изображения, их «препарирование», т.е. сознательное разделение на части цифровыми средствами, видоизменение этих частей и их обратная «сборка»;
- оценка параметров изображений с целью контроля качества их передачи и приема;
- преобразование и кодирование изображений для хранения и передачи по каналам связи;
- компьютерная графика, а также визуализация информации, т.е. представление массивов данных в виде различных изображений, что очень эффективно, так как облегчает решение многих задач, сложных именно своей абстрактностью.
Важность разработки подобных алгоритмов также можно объяснить происходящим в настоящее время переходом к цифровому телевещанию, вызванным развитием в России стандартов DVB первого и второго поколений. Постановлением Правительства Российской Федерации от

Подставив значения для аир в выражение (2.12), получим:
Г(1/у)Г(3/у) а2(|х|)
Г2 (2 / у) р2(|х|)'
Отсюда выразим коэффициент изменения частоты:
(2.13)
Г(1/у)Г(3/у) р(|х|) ]} Г2(2/у)
Значение коэффициента частоты Е, вычисляются аналогично у: вначале путем усреднения 10% максимальных значений, а затем - путем усреднения по всем локальным блокам изображения. В физическом смысле знаменатель р(| х |) определяет центральное значение функции распределения коэффициентов ДКП, а ст(| х |)- разброс значений.
Вносимые искажения приводят к изменению локальных спектральных характеристик изображения. Для оценки степени искажений определим величину энергии, соответствующую каждому из поддиапазонов ДКП-коэффицентов, приведенному на рис. 2.2.
При этом коэффициенты, стоящие в левом углу матрицы соответствуют низким частотам (в т.ч. постоянной составляющей), а в правом углу -высоким частотам. Определим три диапазона частот таким образом, как это приведено на рис. 2.2. Обозначим через Оп набор коэффициентов, соответствующих заданному диапазону частот (п = 1,2, 3). Затем определим среднее значение энергии коэффициентов в полосе частот п через величину дисперсии ст2:
Еп = а2п. (2.15)
Рассмотрим матрицу ДКП-коэффициентов размером 5x5 (рис. 2.6).