Zastosowanie przetwarzania równoległego w procesorach graficznych do szybkiej estymacji wskaźnika wielorozdzielczego podobieństwa strukturalnego dla celów oceny jakości obrazów cyfrowych

W artykule zaprezentowano technikę estymacji jakości obrazów opartą na implementacji zmodyfikowanego wskaźnika MS-SSIM z wykorzystaniem technik programowania procesorów graficznych. Ze względu na specyfikę technologii CUDA nie obliczano wszystkich lokalnych wartości wskaźników, jednak te same dane w znacznej części są wykorzystane dla kolejnych poziomów analizy. Weryfikację wyników przeprowadzono dla powszechnie używanej bazy LIVE zawierającej obrazy z pięcioma typowymi rodzajami zniekształceń.

In the paper an efficient method for fast estimation of the image quality is presented. It is based on implementation of the modified Multi-Scale Structural Similarity Index using the CUDA technology and the GPGPU architecture. Considering the architecture specific character, some of the local SSIM index values have not been calculated. Nevertheless, the most part of this information is used at next levels in the multi-scale analysis. The calculation procedure of the local SSIM index for each level is similar to the previously published estimation method of the single scale SSIM index, which uses 32 pixels wide blocks with the 8×8 pixels sliding window. Nevertheless, all the operations are performed using float numbers instead of the unsigned chars. Verification of the results has been performed using the LIVE Image Quality Assessment Database Release 2 containing the images corrupted by five common types of distortions together with their subjective quality evaluations expressed as the Differential Mean Opinion Score (DMOS) values. The obtained estimation results are much better correlated with the subjective quality evaluations than the original MS-SSIM values without using any nonlinear mapping. The average calculation time for a single image from the LIVE database is about 10 ms and is about 30 times shorter than the full MS-SSIM calculation using the typical Matlab implementation.