Preview

Доклады БГУИР

Расширенный поиск

СРАВНИТЕЛЬНЫЙ АНАЛИЗ БЕЗЭТАЛОННЫХ ОЦЕНОК РЕЗКОСТИ ЦИФРОВЫХ ИЗОБРАЖЕНИЙ

https://doi.org/10.35596/1729-7648-2019-125-7-113-120

Полный текст:

Аннотация

В последнее время вопросы определения резкости цифровых изображений становятся все более актуальными и значимыми. Растет количество цифровых фотографий, используемых в разных областях науки и техники. Получаемые разными способами изображения могут иметь неудовлетворительное качество, поэтому важным этапом в алгоритмах обработки и анализа изображений является этап проверки качества получаемых данных. Некачественные изображения можно автоматически удалять. В статье исследуется задача автоматической оценки резкости цифровых изображений. В результате анализа научно-технической литературы были отобраны 28 функций, которые используются для анализа резкости цифровых изображений посредством вычисления множества локальных оценок. Все функции сначала вычисляют локальные оценки в окрестности каждого пиксела, затем в качестве обобщенной оценки качества всего изображения использовались средние арифметические значения локальных оценок. Тестирование показало, что множество локальных оценок резкости одного изображения чаще всего не соответствуют нормальному распределению данных. Поэтому дополнительно оценивались модифицированные варианты исследуемых функций, в которых вместо средних значений локальных оценок использовался один из параметров распределения Вейбулла (FORM, SCALE, MEAN weib, MEDIAN weib). В статье оценивались три варианта корреляции количественных оценок резкости с субъективными оценками человека-эксперта. Так как распределение локальных признаков отличается от нормального, применялись два ранговых коэффициента корреляции – Спирмена и Кендалла. Корреляция выше 0,7 означала хорошее совпадение количественных и визуальных оценок. Эксперименты выполнялись на цифровых изображениях различного качества и резкости – на искусственно размытых изображениях и на размытых в процессе съемки. Обобщая результаты выполненных экспериментов, для автоматического анализа резкости цифровых изображений предлагается использовать семь функций, которые быстро вычисляются и лучше других коррелируют с субъективными оценками резкости, выставленными человеком-экспертом.

Об авторах

Ю. И. Голуб
Государственное научное учреждение «Объединенный институт проблем информатики Национальной академии наук Беларуси»
Россия

Голуб Юлия Игоревна, к.т.н., старший научный сотрудник

220012, Республика Беларусь, г. Минск, ул. Сурганова, 6

тел. +375-17-284-21-61



Ф. В. Старовойтов
Белорусский национальный технический университет
Беларусь
Аспирант


В. В. Старовойтов
Государственное научное учреждение «Объединенный институт проблем информатики Национальной академии наук Беларуси»
Беларусь

Д.т.н., профессор, лауреат Государственной премии Республики Беларусь, главный научный сотрудник

220012, Республика Беларусь, г. Минск, ул. Сурганова, 6

тел. +375-17-284-21-61



Список литературы

1. Larson E.C., Chandler D.M. Most apparent distortion: full-reference image quality assessment and the role of strategy. Journal of Electronic Imaging. 2010;19(1):011006. DOI:10.1117/1.3267105.

2. Pertuz S., Puig D., Garcia M.A. Analysis of focus measure operators for shape-from-focus. Pattern Recognition. 2013;46(5):1415-1432. DOI: 10.1016/j.patcog.2012.11.011.

3. Beghdadi A., Le Negrate A. Contrast enhancement technique based on local detection of edges. Computer Vision, Graphics, and Image Processing. 1989;46(2):162-174. DOI: 10.1016/0734-189X (89)90166-7.

4. Narvekar N.D., Karam L.J. A no-reference perceptual image sharpness metric based on a cumulative probability of blur detection. 2009 International Workshop on Quality of Multimedia Experience. 2009; 87-91. DOI: 10.1109/QOMEX.2009.5246972.

5. Sang Q., Qi H., Wu X., Li C., Bovik A. C. No-reference image blur index based on singular value curve. Journal of Visual Communication and Image Representation. 2014;25(7):1625-1630. DOI: 10.1016/j.jvcir.2014.08.002.

6. Vu P.V., Chandler D.M. A fast wavelet-based algorithm for global and local image sharpness estimation. IEEE Signal Processing Letters. 2012;19(7):423-426. DOI: 10.1109/LSP.2012.2199980.

7. Gvozden G., Grgic S., Grgic M. Blind image sharpness assessment based on local contrast map statistics. Journal of Visual Communication and Image Representation. 2018;50: 145-158. DOI: 10.1016/j.jvcir.2017.11.017.

8. Guan J., Zhang W., Gu J., Ren H. No-reference blur assessment based on edge modeling. Journal of Visual Communication and Image Representation. 2015; 29:1-7. DOI: 10.1016/j.jvcir.2015.01.007.

9. Zhuo S., Sim T. Defocus map estimation from a single image. Pattern Recognition. 2011;44(9):1852-1858. DOI: 10.1109/TIP.2016.2617460.

10. Tian J., Chen L., Ma L., Yu W. Multi-focus image fusion using a bilateral gradient-based sharpness criterion. Optics communications. 2011;284(1):80-87. DOI: doi.org/10.1016/j.optcom.2010.08.085.

11. Ferzli R., Karam L.J. A no-reference objective image sharpness metric based on the notion of just noticeable blur (JNB). IEEE Transactions on Image Processing. 2009;18(4):717-728. DOI: 10.1109/TIP.2008.2011760.

12. Feichtenhofer C., Fassold H., Schallauer P. A perceptual image sharpness metric based on local edge gradient analysis. IEEE Signal Processing Letters. 2013;20(4):379-382. DOI: 10.1109/LSP.2013.2248711.

13. Bahrami K., Kot A.C. A fast approach for no-reference image sharpness assessment based on maximum local variation. IEEE Signal Processing Letters. 2014;21(6):751-755. DOI: 10.1109/LSP.2014.2314487.

14. Старовойтов В.В., Старовойтов Ф.В. Сравнительный анализ безэталонных мер оценки качества цифровых изображений. Системный анализ и прикладная информатика. 2017; 1:24-31. DOI: 10.21122/2309-4923-2017-1-24-32.

15. Старовойтов Ф.В., Старовойтов В.В. Параметры кривой распределения локальных оценок как меры качества изображений. Системный анализ и прикладная информатика. 2018; 3:26-41. DOI: 10.21122/2309-4923-2018-3-26-41.


Для цитирования:


Голуб Ю.И., Старовойтов Ф.В., Старовойтов В.В. СРАВНИТЕЛЬНЫЙ АНАЛИЗ БЕЗЭТАЛОННЫХ ОЦЕНОК РЕЗКОСТИ ЦИФРОВЫХ ИЗОБРАЖЕНИЙ. Доклады БГУИР. 2019;(7 (125)):113-120. https://doi.org/10.35596/1729-7648-2019-125-7-113-120

For citation:


Golub Y.I., Starovoitov F.V., Starovoitov V.V. COMPARATIVE ANALYSIS OF NO-REFERENCE MEASURES FOR DIGITAL IMAGE SHARPNESS ASSESSMENT. Doklady BGUIR. 2019;(7 (125)):113-120. (In Russ.) https://doi.org/10.35596/1729-7648-2019-125-7-113-120

Просмотров: 104


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1729-7648 (Print)
ISSN 2708-0382 (Online)