Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Automatyczna ocena wielomodalnych zniekształceń w obrazach cyfrowych

Tytuł:
Automatyczna ocena wielomodalnych zniekształceń w obrazach cyfrowych
Automated assessment of multi-modal distortions in digital images
Autorzy:
Głowacz, A.
Grega, M.
Janowski, L.
Leszczuk, M.
Romaniak, P.
Powiązania:
https://bibliotekanauki.pl/articles/298515.pdf
Data publikacji:
2009
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
obrazy cyfrowe
zniekształcenia wielomodalne
digital images
multi-modal distortions
Źródło:
Telekomunikacja Cyfrowa : technologie i usługi; 2008-2009, 9; 50-60
1505-9405
Język:
polski
Prawa:
Wszystkie prawa zastrzeżone. Swoboda użytkownika ograniczona do ustawowego zakresu dozwolonego użytku
Dostawca treści:
Biblioteka Nauki
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
Artykuł przedstawia nową metodę jakościowej oceny obrazów zawierających zniekształcenia wielomodalne. Idea oceny polega na określeniu jakości obrazu postrzeganej przez użytkownika końcowego w sposób automatyczny, w celu uniknięcia czasochłonnych i niepowtarzalnych wyników charakterystycznych dla metod eksperymentalnych. Efekt osiągany jest poprzez obliczanie miar poszczególnych zniekształceń cząstkowych oraz mapowanie otrzymanych wyników na miary liczbowe. Dla celów analizy opracowano siedem skutecznych miar zniekształceń cząstkowych w stosunku do obrazu oryginalnego. W dalszej części pracy zaproponowano użyteczne modele przygotowane na bazie GLZ (ang. Generalized Linear Model), służące do mapowania miar ilościowych na oceny subiektywne, w celu otrzymania ogólnej oceny jakości obrazu. Dla opracowania i weryfikacji modeli przeprowadzono testy subiektywne zbierając 12.000 indywidualnych ocen jakości dla zniekształconych obrazów.

This paper presents a new method of qualitative assessment of images affected by multi-modal distortions. The idea is to assess the image quality perceived by an end user in an automatic way in order to avoid the usual time-consuming, costly and non-repeatable method of collecting subjective scores during a psychophysical experiment. This is achieved by computing quantitative image distortions and mapping results on qualitative scores. Overall qualitative image distortion is computed based on partial quantitative distortions from component algorithms operating on specified image features. Seven such algorithms are applied to successfully analyze the seven image distortions in relation to the original image. Useful mapping models have been proposed and constructed using the Generalized Linear Model (GLZ). These models allow for mapping the results of quantitative assessments on the subjective scores in order to obtain an overall quality score of the image. For research and validate the models, a survey of over 12,000 subjective quality scores has been carried out.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies