Optymalizacja korelacji szybkiej metody estymacji jakości obrazów opartej na podobieństwie strukturalnym z oceną subiektywną

• Autorzy: Okarma K.

Warianty tytułu

EN

Optimisation of the correlation of the fast image quality estimation based on the Structural Similarity with the subjective evaluation

• Języki publikacji: PL

Abstrakty

PL

W pracy przedstawiono analizę wyników estymacji jakości obrazów przy użyciu metody Monte Carlo w połączeniu z podobieństwem strukturalnym (SSIM) pod kątem korelacji z oceną subiektywną. Jako platformy testowej użyto bazy obrazów poddanych pięciu typowym rodzajom zniekształceń wraz z ich ocenami subiektywnymi udostępnianej przez Laboratorium Inżynierii Obrazu i Wideo (LIVE) Uniwersytetu w Teksasie. Uzyskane wyniki korelacji liniowej oraz z zastosowaniem funkcji logistycznej potwierdzają wysoką przydatność zaproponowanej szybkiej metody estymacji jakości obrazu.

EN

The paper presents the analysis of the results of the image quality estimation when using the Monte Carlo method applied to the Structural Similarity index [5] in the aspect of correlation with the subjective evaluation. As a test platform, the LIVE database (available at the Laboratory for Image & Video Engineering of the University of Texas at Austin) [7] containing the Differential Mean Opinion Score (DMOS) values for almost 1000 images corrupted by five common types of distortions has been used. After the short introduction containing the analysis of some modern image quality assessment techniques, the idea of the image quality fast estimation with use of the Monte Carlo Structural Similarity Index [6] is described. The results of the Pearson's correlation of the DMOS values and MC-SSIM for the individual types of distortions and for the whole database, excluding the original images, are presented in Tables 1-2. Tables 3-4 illustrate the optimised results obtained after the nonlinear mapping with use of the logistic function (6). The obtained results of the linear correlation, as well as those obtained when using the nonlinear mapping by the optimised logistic function, confirm the usefulness of the proposed fast image quality estimation technique. An interesting fact is not only the preservation of the high correlation coefficients even for the small number of pixels used for the quality estimation but also a slight increase in them which may be an interesting stimulus for further research.

Słowa kluczowe

PL

ocena jakości obrazów cyfrowych; podobieństwo strukturalne; metoda Monte Carlo

EN

digital image quality assessment; structural similarity; Monte Carlo method

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2009
• Tom: R. 55, nr 7
• Strony: 444--446
• Opis fizyczny: Bibliogr. 8 poz., tab., wzory

Twórcy

autor

Okarma K.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie,

Bibliografia

• [1] A. Eskicioglu, P. Fisher, S. Chen: Image Quality Measures and Their Performance. IEEE Transactions on Communications vol. 43 no 12, pp. 2959–2965, 1995.
• [2] A. Eskicioglu: Quality Measurement for Monochrome Compressed Images in the Past 25 Years. Proceedings of IEEE International Conference on Acoustics Speech and Signal Processing, pp. 1907–1910, Istanbul, Turkey, 2000.
• [3] X. Li: Blind Image Quality Assessment. Proceedings of IEEE International Con ference on Image Processing, pp. 449-452, 2002.
• [4] Z. Wang, A. C. Bovik: A Universal Image Quality Index. IEEE Signal Processing Letters vol. 9, no 3, pp. 81–84, 2002.
• [5] Z. Wang, A. C. Bovik, H. Sheikh, E. Simoncelli: Image Quality Assessment: From Error Measurement to Structural Similarity. IEEE Transactions on Image Processing vol. 13, no 4, pp. 600–612, 2004.
• [6] K. Okarma, P. Lech: Monte Carlo Based Algorithm for Fast Preliminary Video Analysis. Lecture Notes in Computer Science vol. 5101, pp. 790–799, Springer-Verlag, Heidelberg, 2008.
• [7] H. R. Sheikh, Z. Wang, L. Cormack, A. C. Bovik: LIVE Image Quality Assessment Database Release 2. http://live.ece.utexas.edu/research/quality.
• [8] Video Quality Experts Group: Final Report on the Validation of Objective Models of Video Quality Assessment. August 2003. http://www.vqeg.org.