An efficient estimation of the Structural Similarity index using the GPGPU programming techniques

• Autorzy: Mazurek P. , Okarma K.

Warianty tytułu

PL

Wydajna estymacja wskaźnika podobieństwa strukturalnego z wykorzystaniem technik programowania układów GPGPU

• Języki publikacji: EN

Abstrakty

EN

In the paper a fast implementation of the SSIM index is presented. Because of specific features of the CUDA architecture, the 8×8 pixel sliding window is used. In order to speed up the computations, the vertical passes are limited to the 32-pixels wide fragments, so four pixels margins should be left for each fragment. The verification of the proposed estimation is performed for the LIVE database with images corrupted by five common types of distortions and their subjective evaluations.

PL

W artykule zaprezentowano wydajną technikę implementacji nowoczesnej metody oceny jakości obrazu znanej jako podobieństwo strukturalne (SSIM). Uwzględniając specyficzne uwarunkowania architektury CUDA, obliczenia wykonano przy użyciu okna przesuwnego o rozmiarze 8×8 pikseli, podobnie jak we wcześniejszym wariancie tego wskaźnika określanym jako uniwersalny wskaźnik jakości obrazu (UIQI). W celu przyspieszenia obliczeń, przebiegi pionowe zostały ograniczone do fragmentów obrazu o szerokości 32 pikseli, co przy tym rozmiarze okna wymaga pozostawienia czteropikselowych marginesów z obu stron. Estymowana wartość globalna wskaźnika SSIM jest obliczana jako średnia z wartości lokalnych obliczanych dla każdego fragmentu obrazu. Praktyczna weryfikacja dokładności proponowanej metody została przeprowadzona z wykorzystaniem obrazów ze znanej bazy LIVE Image Quality Assessment Database Release 2 zawierającej obrazy poddane pięciu typowym rodzajom zniekształceń wraz z ich ocenami subiektywnymi (wartościami DMOS).

Słowa kluczowe

EN

image quality assessment; GPGPU programming; structural similarity

PL

ocena jakości obrazów cyfrowych; programowanie układów GPGPU; podobieństwo strukturalne

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2010
• Tom: R. 56, nr 7
• Strony: 668--670
• Opis fizyczny: Bibliogr. 9 poz., rys., tab., wzory

Twórcy

autor

Mazurek P.

autor

Okarma K.

• Zachodniopomorski uniwersytet technologiczny w Szczecinie, ul. 26 kwietnia 10, 71-126 Szczecin,

Bibliografia

• [1] Eskicioglu A.: Quality Measurement for Monochrome Compressed Images in the Past 25 Years. Proc. of IEEE International Conference on Acoustics Speech and Signal Processing, pp. 1907-1910, Istanbul, Turkey, 2000.
• [2] Meesters L., Martens J. -B.: A Single-Ended Blockiness Measure for JPEG-Coded Images. Signal Processing vol. 82 no 3, pp. 369-387, 2002.
• [3] Marziliano P., Dufaux F., Winkler S., Ebrahimi T.: A No-Reference Perceptual Blur Metric. Proceedings of IEEE International Conference on Image Processing, pp. 57-60, Rochester, USA, 2002.
• [4] Shnayderman A., Gusev A., Eskicioglu A.: An SVD-Based Gray-Scale Image Quality Measure for Local and Global Assessment. IEEE Transactions on Image Processing vol. 15 no 2, pp. 422-429, 2006.
• [5] Li X.: Blind Image Quality Assessment. Proceedings of IEEE Int. Conference on Image Processing, pp. 449-452, 2002.
• [6] Wang Z., Bovik A. C., Sheikh H., Simoncelli E.: Image Quality Assessment: From Error Measurement to Structural Similarity. IEEE Trans. on Image Processing vol. 13 no 4, pp. 600-612, 2004.
• [7] Wang Z., Bovik A. C.: A Universal Image Quality Index. IEEE Signal Processing Letters vol. 9 no 3, pp. 81-84, 2002.
• [8] Sheikh H. R., Wang Z., Cormack L., Bovik A. C.: LIVE Image Quality Assessment Database Release 2. http://live.ece.utexas.edu/research/quality
• [9] Okarma K., Lech P.: A Statistical Reduced-Reference Approach to Digital Image Quality Assessment. Lecture Notes in Computer Science vol. 5337, pp. 43-54, Springer-Verlag, Berlin Heidelberg, 2009.