Алгоритм безэталонной оценки качества изображений

Обложка

Цитировать

Полный текст

Аннотация

В статье рассматривается разработка алгоритма локальной оценки качества изображений, сфокусированного на анализе контраста и общего качества визуальных данных. Предлагаемый алгоритм направлен на повышение эффективности оценки качества изображений, особенно в условиях низкого контраста и воздействия различных шумов. Методика создания алгоритма дает возможность учитывать спектральные диапазоны и обеспечивает локальную оценку контраста, что делает его применимым в широком спектре задач, связанных с анализом и улучшением качества изображений. Разработанный подход позволяет улучшить качество визуальных данных, поддерживая важные аспекты восприятия контраста и общего качества изображений. Разработана методика безэталонной оценки качества изображений для настройки параметров работы систем обработки изображений. Приведен принцип локальной автоматизированной оценки качества изображений на основе оценки искажений и среднего нормированного контраста. Приводятся результаты натурных испытаний.

Об авторах

И. Ю. Грицкевич

Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича

Email: i@robotace.ru
ORCID iD: 0009-0007-4916-1816
SPIN-код: 9840-3941

А. А. Гоголь

Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича

Email: agogol@sut.ru
ORCID iD: 0000-0003-1972-4124
SPIN-код: 2002-9651

Список литературы

  1. Грицкевич И.Ю., Ерганжиев Н.А. Алгоритм адаптивного контрастирования с учетом локальных сюжетных осо-бенностей изображения // V Международная научно-техническая конференция, посвященная 140-летию со дня рождения выдающегося физика и создателя первой русской усилительной радиолампы Н.Д. Папалекси «Актуальные проблемы радио- и кинотехнологий» (Санкт-Петербург, Россия, 24–25 ноября 2020). СПб.: Санкт-Петербургский государственный институт кино и телевидения, 2021. С. 36−40. EDN:DNBFGB
  2. Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2006. 1072 с.
  3. Красильников Н.Н. Цифровая обработка 2D- и 3D-изображений. СПб.: БХВ-Петербург, 2011. 608 с.
  4. Сифоров В.И., Ярославский Л.П. Адаптивные методы обработки изображений. М.: Наука, 1988. 248 с.
  5. Начаров Д.В. Метод контрастирования изображений средствами модифицированного S-образного преобразования яркости // Вестник Воронежского государственного технического университета. 2023. Т. 19. № 2. С. 94–102. doi: 10.36622/VSTU.2023.19.2.014. EDN:XEUQGW
  6. Умбиталиев А.А., Цыцулин А.К., Левко Г.В., Пятков В.В., Кузичкин А.В., Дворников С.В. и др. Теория и практика космического телевидения. СПб: АО «НИИ телевидения», 2017.
  7. Suckling J., Parker J., Dance D., Astley S., Hutt I., Boggis C., et al. The mammographic Image Analysis Society Digital Mammogram Database // Exerpta Medica. International Congress Series. 1994. Vol. 1069. PP. 375−378.
  8. Van Ginneken B., Romeny B.M.T.H. Computer-aided diagnosis in chest radiography: a survey // IEEE Transactions on Medical Imaging. 1998. Vol. 20. Iss. 12. PP. 1228−1241. doi: 10.1109/42.974918
  9. Karssemeijer N., Otten J.D.M., Rijken H., Holland R. Computer aided detection of masses in mammograms as decision support // IEEE Transactions on Medical Imaging. 1993. Vol. 12. Iss. 4. PP. 608−615.
  10. Wang Z., Wu G., Bovik A.C. Reduced and No-Reference Image Quality Assessment // IEEE Signal Processing Magazine. 2011. Vol. 28. Iss. 6. PP. 29−40. doi: 10.1109/MSP.2011.942471
  11. Seshadrinathan K., Bovik A.C. Video Quality Assessment // In: Essential Guide to Video Processing. New York: Academic, 2009.
  12. Bovik A.C., Wang Z. Modern Image Quality Assessment. New York: Morgan and Claypool, 2006.
  13. Sheikh H.R., Bovik A.C., De Veciana G. An information fidelity criterion for image quality assessment using natural scene statistics // IEEE Transactions on Image Processing. 2005. Vol. 14. Iss. 12. PP. 2117–2128. doi: 10.1109/TIP.2005.859389
  14. Rec. ITU-R BT.500-11 (2002) Methodology for subjective assessment of the quality of television pictures.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».