Khảo sát chất lượng ảnh dùng wavelets

Đại Học Quốc Gia Tp Hồ Chí Minh TRƯỜNG ĐẠI HỌC BÁCH KHOA - NGUYỄN VĂN HIẾU KHẢO SÁT CHẤT LƯNG ẢNH DÙNG WAVELETS Chuyên ngành: KỸ THUẬT ĐIỆN TỬ Mã ngành: 60.52.70 LUẬN VĂN THẠC SĨ TP.HỒ CHÍ MINH, tháng 07 năm 2008 CÔNG TRÌNH ĐƯC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH Cán hướng dẫn khoa học: PGS TSKH Nguyễn Kim Sách Cán chấm nhận xét 1: Cán chấm nhận xét 2: Luận văn thạc só bảo vệ HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ TRƯỜNG ĐẠI HỌC BÁCH KHOA, Ngày 28 tháng 07 năm 2008 TRƯỜNG ĐẠI HỌC BÁCH KHOA CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM PHÒNG ĐÀO TẠO SĐH ĐỘC LẬP – TỰ DO – HẠNH PHÚC Tp HCM, ngày 03 tháng 07 năm 2008 NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: NGUYỄN VĂN HIẾU Phái: Nam Ngày, tháng, năm sinh: 16/07/1976 Chuyên ngành: Kỹ thuật điện tử I- Nơi sinh: Quảng Ngãi MSHV: 01406739 TÊN ĐỀ TÀI: KHẢO SÁT CHẤT LƯNG ẢNH DÙNG WAVELETS II- NHIỆM VỤ VÀ NỘI DUNG - Khảo sát chất lượng ảnh theo tham chiếu toàn phần - Khảo sát chất lượng ảnh không dựa theo tham chiếu - Khảo sát chất lượng ảnh theo tham chiếu suy giảm - Xây dựng giải thuật khảo sát chất lượng ảnh - Viết chương trình khảo sát chất lượng ảnh ngôn ngữ Matlab IIIIVV- NGÀY GIAO NHIỆM VỤ: 21/01/2008 NGÀY HOÀN THÀNH NHIỆM VỤ: 03/07/2008 HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN: PGS TSKH NGUYỄN KIM SÁCH CÁN BỘ HƯỚNG DẪN (Học hàm, học vị, họ tên chữ ký) CN BỘ MÔN QL CHUYÊN NGÀNH Nội dung đề cương luận văn thạc só Hội đồng chuyên ngành thông qua Ngày……tháng 07 năm 2008 TRƯỞNG PHÒNG ĐT-SĐH TRƯỞNG KHOA QL CHUYÊN NGÀNH LỜI CẢM ƠN Tôi trân trọng gởi đến Giáo sư, Tiến sỹ Khoa học Nguyễn Kim Sách lời cảm ơn chân thành lòng biết ơn sâu sắc động viên đóng góp ý kiến Giáo sư suốt thời gian qua Xin chân thành cảm ơn thầy cô khoa Điện –Điện Tử, đặc biệt thầy cô môn Viễn Thông, Trường Đại học Bách Khoa TP HCM tận tình giảng dạy, hướng dẫn giúp đỡ trình học tập hoàn thành Luận văn Sau cùng, xin bày tỏ tình cảm đến bạn khóa trao đổi nhiều tài liệu, giúp đỡ động viên suốt quãng thời gian học TP Hồ Chí Minh, tháng 07 năm 2008 NGUYỄN VĂN HIẾU MỤC LỤC DANH SÁCH CÁC HÌNH DANH SÁCH CÁC BẢNG ABSTRACT TỪ VIẾT TẮT GIỚI THIỆU CHƯƠNG 1: GIỚI THIỆU 1.1 ĐÁNH GIÁ CHỦ QUAN VÀ KHÁCH QUAN CHẤT LƯNG ẢNH 1.2 NHƯC ĐIỂM CỦA PHƯƠNG PHÁP ĐÁNH GIÁ DÙNG MSE 1.3 PHÂN LOẠI CÁC PHƯƠNG PHÁP KHẢO SÁT CHẤT LƯNG ẢNH KHÁCH QUAN 1.3.1 Phương pháp khảo sát chất lượng ảnh tham chiếu toàn phần, không tham chiếu tham chiếu suy giảm 1.3.2 Phương pháp khảo sát chất lượng ảnh theo ứng dụng mục đích chung 1.3.3 Các phương pháp khảo sát chất lượng ảnh theo kiểu từ lên từ xuống CHƯƠNG 2: KHẢO SÁT CHẤT LƯNG ẢNH THEO THAM CHIẾU TOÀN PHẦN TỪ DƯỚI LÊN TRÊN (PHƯƠNG PHÁP BOTTOM-UP) 2.1 Ý TƯỞNG CHUNG 2.2 HỆ THỊ GIÁC CỦA CON NGƯỜI 10 2.2.1 Giải phẫu quan thị giác 10 2.2.2 Đặc điểm tâm sinh lý hệ thị giác 14 2.2.2.1 Hàm độ nhạy tương phản 14 2.2.2.2 Sự đáp ứng ánh sáng 15 2.2.2.3 Mặt nạ tương phản 15 2.2.2.4 Tầm nhìn mắt 17 2.3 LÝ THUYẾT PHƯƠNG PHÁP QUAN SÁT SAI SỐ 18 2.3.1 Tiền xử lý 19 2.3.2 Phân tích kênh 20 2.3.3 Chuẩn hóa lỗi 21 2.3.4 Kết hợp sai số 23 2.4 THUẬT TOÁN KHẢO SÁT CHẤT LƯNG ẢNH (MÔ HÌNH DALY) 24 CHƯƠNG 3: KHẢO SÁT CHẤT LƯNG ẢNH THEO THAM CHIẾU TOÀN PHẦN TỪ TRÊN XUỐNG DƯỚI (PHƯƠNG PHÁP TOP-DOWN) 25 3.1 ÝÙ TƯỞNG CHUNG 25 3.2 PHƯƠNG PHÁP CẤU TRÚC TƯƠNG ĐỒNG 27 3.2.1 Cấu trúc tương đồng chất lượng ảnh 27 3.2.2 Chỉ số cấu trúc tương đồng miền không gian 28 3.2.3 Chỉ số cấu trúc tương đồng miền wavelet phức 41 3.2.4 Nhận xét cho cấu trúc tương đồng 46 3.3 PHƯƠNG PHÁP LÝ THUYẾT THÔNG TIN 47 3.3.1 Độ trung thực thông tin chất lượng ảnh 47 3.3.2 Thước đo độ trung thực thông tin quan sát 48 3.3.3 Chú ý tới số lý thuyết thông tin 56 3.4 NHẬN XÉT CHUNG 56 CHƯƠNG 4: KHẢO SÁT CHẤT LƯNG ẢNH KHÔNG THAM CHIẾU 58 4.1 ÝÙ TƯỞNG CHUNG 58 4.2 ĐO LƯỜNG KHÔNG THAM CHIẾU NÉN ẢNH BẰNG PHƯƠNG PHÁP XỬ LÝ KHỐI 60 4.2.1 Phương pháp miền không gian 61 4.2.2 Phương pháp miền tần số 66 4.3 ĐO LƯỜNG KHÔNG THAM CHIẾU DÙNG PHƯƠNG PHÁP BIẾN ĐỔI WAVELET CHO ẢNH NÉN JPEG 71 CHƯƠNG 5: KHẢO SÁT CHẤT LƯNG ẢNH THEO THAM CHIẾU SUY GIẢM 79 5.1 ÝÙ TƯỞNG CHUNG 79 5.2 KHẢO SÁT CHẤT LƯNG ẢNH THEO THAM CHIẾU SUY GIẢM (RR- QUALITY ASSESSMENT) TRONG MIỀN WAVELET DỰA TRÊN THỐNG KÊ ẢNH TỰ NHIÊN 84 CHƯƠNG 6: CHƯƠNG TRÌNH MÔ PHỎNG - KẾT QUẢ KHẢO SÁT 95 6.1 CHƯƠNG TRÌNH MÔ PHỎNG 95 6.1.1 Mục đích thiết kế chương trình 95 6.1.2 Thuyết minh chương trình 96 6.1.3 Các lưu đồ giải thuật 96 6.1.3.1 Tổng quát chương trình 97 6.1.3.2 98 Lưu đồ tính MSE 6.1.3.3 Lưu đồ tính cho phương pháp SSIM (FR-SSIM) 6.1.3.4 Lưu đồ tính cho phương pháp Wavelet-VIF 98 100 6.1.3.5 Lưu đồ tính cho phương pháp No-Reference (Phương pháp miền không gian) 101 6.1.3.6 Lưu đồ tính cho phương pháp No-Reference (Phương pháp miền Wavelet) 6.1.4 Giao diện người sử dụng 6.2 CƠ SỞ DỮ LIỆU ẢNH 102 103 103 6.2.1 Tập ảnh database realease 103 6.2.2 Tập ảnh tự tạo 106 6.3 KẾT QUẢ KHẢO SÁT 108 6.3.1 Tiêu chuẩn đánh giá 108 6.3.2 Kết đạt 109 6.3.3 Nhận xét 113 CHƯƠNG 7: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 115 7.1 KẾT LUẬN 115 7.2 HƯỚNG PHÁT TRIỂN 116 TÀI LIỆU TRÍCH DẪN 119 LÝ LỊCH TRÍCH NGANG 123 DANH SÁCH CÁC HÌNH Hình 1.1: Ảnh Einstein với loại méo khác Hình 1.2: MSE lp không dự đoán chất lượng ảnh Hình 1.3: Lỗi MSE chuẩn lp cho chất lượng ảnh dự đoán Hình 1.4: MSE lp dự đoán sai chất lượng ảnh Hình 1.5: MSE lp dự đoán sai chất lượng ảnh Hình 1.6: Sơ đồ khối hệ thống đánh giá chất lượng tham chiếu suy giảm Hình 2.1: Sơ đồ khối hệ thống nhìn mắt người Hình 2.2: Cấu tạo thủy tinh thể mắt Hình 2.3: Hệ thống mạng neuron tinh thể Hình 2.4: Chức độ lệch tâm hạch thần kinh tế bào cảm nhận ánh sáng Hình 2.5: Liên kết lớp vỏ não nhìn Hình 2.6: Độ nhạy tương phản Hình 2.7: Độ tương phản/ Ví dụ mặt nạ đường bao Hình 2.8: Vùng ảnh Hình 2.9: Sơ lược hệ thống đánh giá chất lượng ảnh dựa lỗi quan sát Hình 2.10: Mô hình phân tích kênh miền tần số hai chiều Hình 2.11: Chuẩn hóa kênh ảnh lỗi Hình 2.12: Chọn lựa hệ số lân cận cho mặt nạ kênh kênh đa hướng nhiều tỉ lệ Hình 3.1: Quá trình học HVS Hình 3.2: nh mô tả vectơ không gian ảnh Hình 3.3: Tách méo độ chói, độ tương phản, méo cấu trúc từ ảnh chuẩn x không gian ảnh Hình 3.4: Cửa sổ trượt window cho đánh giá chất lượng ảnh Hình 3.5: Mẫu ảnh bị méo sơ đồ méo chúng Hình 3.6: Mẫu ảnh bị méo sơ đồ méo chúng Hình 3.7: Mẫu ảnh bị méo sơ đồ méo chúng Hình 3.8: nh ông “Einstein” thay đổi với loại méo khác Hình 3.9: nh phù hợp đăng ký để nhận dạng chữ số Hình 3.10: Phương pháp lí thuyết thông tin cho đánh giá chất lượng ảnh Hình 3.11: Sơ đồ khối phép đo độ trung thực thông tin quan sát Hình 3.12: Phân tích VIF cho chất lượng ảnh Hình 3.13: Phân tích VIF ảnh chất lượng Hình 4.1: Hiệu ứng khối nén JPEG Hình 4.2: Các ảnh kiểm tra sử dụng thử nghiệm chủ quan chia thành hai nhóm (a) (b) Hình 4.3: Mô hình dự đoán so sánh MOS cho ảnh kiểm tra Hình 4.4: Hình Tín hiệu “blocky” lý tưởng, hình vi sai tín hiệu tuyệt đối Hình 4.5: Sơ đồ khối hệ thống đo hiệu ứng khối miền tần số Hình 4.6: Phổ công suất ảnh gốc ảnh nén JPEG 4.1 Hình 4.7: Phổ công suất ảnh nén JPEG Peppers sau làm trơn Hình 4.8: Hiệu ứng mờ rung ảnh nén JPEG Hình 4.9: nh nén JPEG2000 khác tốc độ bit Hình 4.10: Biểu đồ kết nối (log2P,log2C) ảnh gốc tàu thủy Hình 4.11: Sự chọn lựa hệ số wavelet kế cận Hình 4.12: Ảnh hưởng lượng tử vùng wavelet lược đồ (log2P,log2C) băng tần 2.1, hình tàu thủy hình 4.9 -104- 1a.bmp: Ảnh gốc (jpeg2000) 2a.bmp: Ảnh gốc 3a.gif: Ảnh gốc 1b.bmp: Ảnh bị nhòe (jpeg2000) 2b.bmp: Ảnh bị nhòe 1c.bmp: Ảnh bị nhòe (jpeg2000) 2c.bmp: Ảnh bị nhòe 3b.jpg:Ảnh suy giảm chất lượng 3c.gif: Ảnh suy giảm chất lượng -105- -106- 6.2.2 Tập ảnh tự tạo Cơ sở liệu tự tạo ảnh tự nhiên ảnh tự chụp Việt Nam Có 42 cảnh chụp thiên nhiên Việt Nam có kích cỡ 1280 x 960 pixels, khoảng 96 ảnh chụp chân dung có kích cỡ 945 x 945 pixels, bao gồm ảnh tham chiếu nhiều loại méo khác Tất chúng có đặc tính ảnh nén JPEG, JPEG2000, ảnh bimap hình ảnh đen trắng tập ảnh chất lượng như: Ảnh bị mờ, bị rung, bị nhiễu muối tiêu, bị dịch….Các loại méo xử lý từ Photoshop 6b: Ảnh méo ( Cảnh Sapa bị dịch, bị vệt xanh ) 4b.bmp: Ảnh bị xoay 4a.bmp: Ảnh gốc 6a: Ảnh gốc ( Cảnh Sapa) Ảnh từ tập sở liệu tự tạo 4c.bmp: Ảnh bị xoay -107- 6.3 KẾT QUẢ ĐÁNH GIÁ 6.3.1 Tiêu chuẩn đánh giá + Phương pháp MSE: Chỉ nói lên hiệu số hai ma trận ảnh, thân thông số MSE không nói lên xác chất lượng ảnh trình bày chương I, không phân loại cho phương pháp + Complex-wavelet- SSIM: Đầu hai phương pháp điểm số có thang điểm từ đến điểm, điểm số có nghóa hai ảnh nhập vào khác hoàn toàn (khác kích cỡ lẫn nội dung ảnh), ta cần phải nhập lại Nếu điểm số 1, tức hai ảnh giống hoàn toàn Trường hợp lại điểm số dao động từ 0,1 đến 0,99 tùy theo điểm gần đến ảnh cần đánh giá có chất lượng gần giống với ảnh chuẩn (tức ảnh có chất lượng hoàn hảo) nhất, phân loại ảnh đánh giá [28] sau: Điểm từ 0,8 đến 0,99 loại “Excellent” nh đánh giá gần với ảnh chuẩn có chất lượng tốt Điểm từ 0,6 đến 0,8 loại “Goodù” nh đánh giá gần với ảnh chuẩn có chất lượng tốt Điểm từ 0,4 đến 0,6 loại “Fair” nh đánh giá không gần với ảnh chuẩn có chất lượng tốt Điểm từ 0,2 đến 0.4 loại “Poor” nh đánh giá chất lượng Điểm 0,2 loại “Bad” nh đánh giá chất lượng + Đối với phương pháp wavelet-VIF: Đầu hai phương pháp điểm số có thang điểm từ đến điểm, hai ảnh nhập vào phải nội dung kích cỡ, thang điểm phân loại cho b) Chức đánh giá ảnh không dựa vào tham chiếu, tức lựa chọn cần chọn ảnh cần đánh giá, không cần chọn ảnh chuẩn để tham chiếu, có hai phương pháp là: NR-Spatial-Domain, phương pháp NR- -108- Wavelet Lần lượt chọn hai phương pháp cần đánh giá, sau chọn nút DANH GIA, điểm đánh giá, phân loại xuất hộp thoại bên + NR-Spatial-Domain: Đầu hai phương pháp điểm số có thang điểm từ đến 10 điểm, điểm số dao động từ đến 10 tùy theo ảnh cần đánh giá phân loại [28] sau: Điểm từ đến 10 loại “Excellent”, điểm từ đến loại “Goodù”, điểm từ đến loại “Fair”, điểm từ đến loại “Poor”, điểm loại “Bad” + NR-Wavelet: Đầu hai phương pháp điểm số có thang điểm từ đến 100 điểm, điểm số dao động từ đến 100 tùy theo ảnh cần đánh giá phân loại [28] sau: điểm từ 80 đến 100 loại “Excellent”, điểm từ 60 đến 80 loại “Goodù”, điểm từ 40 đến 60 loại “Fair”, điểm từ 20 đến 40 loại “Poor”, điểm 20 loại “Bad” 6.3.2 Kết đạt 6.3.2.1 Trường hợp ảnh nén JPEG Hình 10A: Ảnh gốc Hình 10B: Ảnh nén JPEG -109Phương pháp Kết Điểm đánh giá MSE CW-SSIM W- VIF 49.7963 0.60036/1 0.1056/1 Phân loaïi 6.3.2.2 good bad NR-SD 5.8633/10 NR-WAVELET 52.074/100 fair fair Trường hợp ảnh chụp (ảnh tập thể đài liệt só trường sơn) nh từ tập liệu tự tạo Ảnh chụp đài liệt só Trường Sơn tỉnh Quảng Trị Phương pháp Kết Điểm đánh giá Phân loại NR-S-D NR-WAVELET 8.221/10 80.01969/100 Exellent Exellent -110- 6.3.2.3 Kết đánh giá tập liệu Phương pháp MSE CW-SSIM W- VIF NR-S-D Kết WAVELET hình 1b hình 1c hình 2c hình 5b 6.3.3 NR- 74.51 61.52 85.477 0.34934 0.395/1 0.051/1 5.9228/10 33.138/100 (poor) (bad) (fair) (poor) 0.5738/1 0.14865/1 5.989/10 33.1723/100 (fair) (bad) (fair) (poor) 0.2527/1 0.0332/1 5.3936/10 32.653/100 (poor) (bad) (fair) (poor) 0.1794/1 0.13862/1 4.1273/10 79.911/100 (bad) (bad) (fair) (good) Nhận xét + Đối với phương pháp cấu trúc tương đồng SSIM nhạy ảnh bị nhòe nhiễu + Đối với phương pháp độ trung thực thông tin (VIF) có đa dạng cho kiểu méo Qua đánh giá cho trường hợp ta thấy phương pháp nhạy với nhiều loại méo, đặc biệt trường hợp ảnh bị xoay Phương pháp cho kết tương đối xác + Đối với phương pháp NR miền không gian đánh giá xác cho loại ảnh nén JPEG, phương pháp nhạy với ảnh bị nhiễu nhòe, không nhạy với ảnh bị xoay hay dịch (có điểm cao) Vì vậy, phương pháp NR-S-D không đánh giá ảnh bị dịch hay vài pixel + Đối với phương pháp NR-Wavelets không nhạy ảnh bị nhễu muối tiêu, ảnh bị dịch độ sáng tối (có số điểm cao) Phương pháp nhạy cho -111- ảnh bị rung, bị nhòe Cho nên, phương pháp đo xác cho loại ảnh bị rung, nhòe, xoay Bản chất phương pháp dựa vào độ phân giải, độ tương phản ảnh định đến chất lượng ảnh Đối với loại ảnh méo, tùy theo loại méo cụ thể mà ta chọn phương pháp thích hợp Ví dụ loại méo xoay, tỉ lệ, dịch chuyển, ta dùng phương pháp CW-SSIM đánh giá xác mà không tận dụng chuẩn hóa (chương 3) Và trường hợp lại ta thấy phương pháp VIF có độ xác cao, thích hợp với ảnh tự nhiên (chương 3) Đối với hai phương pháp NR-S.D phương pháp NR-Wavelet ảnh chuẩn để tham chiếu đánh giá tương đối xác, việc chọn thông số cho mô hình phức tạp, chương trình đơn giản Phương pháp NR-Wavelet nhạy với nhiễu muối tiêu, tương lai chọn phát triển phương pháp NR-Wavelet tính đa nó, thích hợp với nhiều lọai méo ảnh, phù hợp với thực tế ta thường đánh giá ảnh mà không cần ảnh gốc để tham chiếu So với phương pháp VIF phương pháp NR-Wavelet tiện dụng nhiều không sử dụng thông tin méo ảnh mà sử dụng tính chất thống kê ảnh tự nhiên Nhìn chung, theo kết phương pháp đánh giá chất lượng ảnh không tham chiếu dùng để phát triển tương lai Trong hai phương pháp đánh giá chất lượng ảnh không tham chiếu trên, phương pháp có ưu điểm nhược điểm riêng, phương pháp thích hợp cho loại méo khác Trong trường hợp đặc biệt ta nên kết hợp hai phương pháp cho ảnh, điểm số trung bình chung cho hai phương pháp -112- CHƯƠNG VII KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 7.1 KẾT LUẬN Trọng tâm đề tài giúp đọc giả hiểu lý luận tiếp cận thuật toán đánh giá chất lượng ảnh (Hình 7.1) Nhìn chung có ba loại kiến thức sử dụng việc thiết kế thuật toán đánh giá chất lượng ảnh: Kiến thức hệ thống nhìn mắt người HVS; Kiến thức ảnh chất lượng cao (ảnh chuẩn); Và kiến thức loại méo ảnh Kiến thức mô hình HVS chia thành hai nhóm: Các phương pháp tiếp cận từ lên từ xuống Bao gồm mô hình tính toán phát triển cho thay đổi tâm sinh lý nhìn Sau giả thuyết chung chức mô hình HVS Phương pháp lý thuyết thông tin thảo luận phần 3.3, HVS xem kênh liên lạc thông tin, thông tin tương hỗ có dựa vào độ trung thực thông tin Trong trường hợp đặc biệt HVS hiểu tạo tiếp cận từ xuống tính nhìn Ví dụ khả dò tìm vật thể ảnh y khoa cho khía cạnh chất lượng ảnh việc so sánh với hệ số khác chẵn hạn mức nhiễu Kiến thức ảnh có chất lượng cao thuyết tiền định thuyết thống kê Trong trường hợp đánh giá chất lượng ảnh FR trình bày chương 2, 3, có ảnh gốc chất lượng cao biết trước phần thuyết tiền định Trong trường hợp đánh giá chất lượng ảnh theo tham chiếu suy giảm RR (trong chương 5), kiến thức thống kê, tập đặc tính thống kê chọn lựa, đề cập ảnh gốc có chất lượng cao Trong đánh giá chất lượng ảnh không tham chiếu NR đề cập thống kê không quan tâm đến ảnh gốc, -113- Giả định từ xuống Kiến thức từ lên Kiến thức HVS Hai vấn đề tri giác thống kê Tâm sinh lý nhìn Đánh giá chất lượng ảnh Kiến thức ảnh có chất lượng cao Thuyết tiền định (FR) Thuyết thống kê (NR-RR-FR) Kiến thức loại méo ảnh Các ứng dụng đặc biệt Kiến thức từ lên Hình 7.1: Tổng quan nguồn kiến thức sử dụng đánh giá chất lượng ảnh Với ảnh cần đánh giá, xuất phát từ phân bố xác xuất ảnh tự nhiên [12] Trong trường hợp này, ảnh suy giảm chất lượng xem ngang với ảnh không tự nhiên (unnaturalness), giả định từ xuống mô hình HVS trông tổng quát Thực vậy, cách nhìn có lẽ chứng minh từ quan điểm nhà thần kinh học Kiến thức ảnh méo nguồn thông tin cho việc đo chất lượng ảnh, thuật toán hiệu phát triển đánh giá cao vào loại ảnh méo Ví dụ phương pháp miền không gian, phương pháp miền tần số, phương pháp miền wavelet mô tả chương 7.2 MỞ RỘNG VÀ HƯỚNG PHÁT TRIỂN TRONG TƯƠNG LAI Giới hạn luận văn giới thiệu ý tưởng bản, mẫu phương pháp cho việc đánh giá chất lượng ảnh Luận văn có hướng mở rộng là: Đánh giá chất lượng video, đánh giá chất lượng ảnh khôi phục từ việc -114- phân tích, phân đoạn ảnh Các thuật toán thành công, có giá trị để so sánh mô hình dự đoán khách quan với ước lượng chủ quan qua việc chọn lựa lại số lượng ảnh mẫu Mô hình khách quan xác định việc tính toán xác cho liệu chủ quan Đối với phương pháp đánh giá chất lượng ảnh theo tham chiếu toàn phần, luận văn mô tả hai phương pháp đánh giá chất lượng ảnh từ lên (Bottom-up), đánh giá chất lượng ảnh từ xuống (top-down) Chúng dựa khác biệt nguyên lý thiết kế, chúng bổ sung cho có mối liên kết chặc chẽ với Trong tương lai tin chúng hợp với tổng quan cách tiếp cận, kết hợp cách linh hoạt tự nhiên hai kiến thức bottom-up top-down mô hình HVS hai phương pháp Đối với phương pháp đánh giá chất lượng ảnh không dựa vào tham chiếu, sử dụng thống kê ảnh tự nhiên chứng minh có tiềm lớn Tuy nhiên, nghiên cứu cần phải cải thiện mô hình thống kê ảnh tự nhiên trở nên đơn giản hơn, khả mô hình phải mô tả đầy đủ phân bố xác suất ảnh tự nhiên không gian tất ảnh Đối với phương pháp tham chiếu suy giảm đưa việc đánh giá chất lượng ảnh dựa vào phổ liên tục Hầu hết phương pháp RR thiết kế cho tốc độ liệu RR phù hợp, tốc độ liệu không mở rộng cho hai phương pháp NR FR Điều thú vị phương pháp đánh giá chất lượng ảnh chuyển tiếp liên tục từ NR, đến RR, FR Ý tưởng thu hẹp phạm vi nghiên cứu, dự đoán hy vọng có vai trò quan trọng cho hướng phát triển tương lai Mở rộng phạm vi ứng dụng lónh vực đánh giá chất lượng ảnh thành hướng khác Trong phạm vi ứng dụng mở rộng cho lónh vực nén ảnh, thông tin liên lạc, thu nhận ảnh, kỹ thuật in, hiển thị ảnh, khôi phục ảnh, tăng cường ảnh, nâng cao chất lượng ảnh, triệt nhiễu ảnh, phân đoạn ảnh, tách dò -115- phân lớp ảnh chụp, ảnh y khoa, ảnh địa lý, ảnh vệ tinh, ảnh thiên văn Phương pháp chung thảo luận luận văn phải mở rộng tốt cho hướng nêu trên, để đạt việc đánh giá tốt chất lượng ảnh cho ứng dụng cụ thể đòi hỏi người làm luận văn phải học tập làm việc nhiều -116- TÀI LIỆU TRÍCH DẪN [1] H.R Sheikh, M/F Sabir, and A.C Bovik, An evaluation of recent full reference image quality assessment algorithms IEEE Trans Image Processing 2005 [2] H.R Sheikh and A.C Bovik Image information and visual quality IEEE Trans Image Processing In press, 2005 [3] Z Wang, G.Wu, H.R Sheikh, E.P Simoncelli, E.–H Yang, and A.C Bovik Quality-aware images IEEE Trans Image Processing In press, 2006 [4] H.R Sheikh and A.C Bovik No-reference quality assessment using natural scene statistics: JPEG2000 IEEE Trans Image Processing In press 2005 [5] H.R Sheikh, A.C Bovik, and G.de Veciana.An information fidelity criterion for image quality assessment using natural scene statistics IEEE Trans Image Processing In press 2005 [6] Z Wang and E.P Simoncelli Reduced- reference image quality assessment using a natural image statistic model Human Vision and Electronic Imaging X, Proc SPIE, volume 5666, San Jose, CA, Jan 2005 [7] Z Wang and E.P Simoncelli Translation insensitive image similarity in complex wavelet domain IEEE Inter Conf Acoustics, Speech, Signal Proc Volume II, pages 573-576 Philadelphia, PA, Mar 2005 [8] E.P Simoncelli Statistical modeling of photographic image Chapter 4.7 in A.C Bovik (Ed.), 2nd Ed., Handbook of Image and Video Processing, Academic Press, May 2005 [9] Z Wang, H.R Sheikh, and A.C Bovik No-reference perceptual quality assessment of JPEG compressed images IEEE Inter Conf Image Proc., Sept 2002 [10] Z Wang, A.C Bovik, H.R Sheikh, and E.P Simoncelli Image quality assessment: From error visibility to structural similarity IEEE Trans Image Processing, 13(4): 600-612, Apr 2004 [11] J.Portilla, V Strela, M Wainwright, and E.P Simoncelli Image denoising -117- using scale mixtures of Gaussians in wavelet domain IEEE Trans Image Processing 12(11): 1338-1351, Nov 2003 [12] E.P Simoncelli and B Olshausen Natural image statistics and neural representation Ann.review of neuroscience, 24: 1193-1216, May 2001 [13] A.C Bovik and S Liu DCT-domain blind measurement of blocking artifacts in DCT-coded image In Proc IEEE Int Conf Acoust., Speech, and Signal Processing, 3:1725-1728, May 2001 [14] A Wang, A.C Bovik, and B.L Evans “Blind measurement of blocking artifacts in images.” In Proc IEEE Int Conf Image Proc 3: 981-984, Sept 2000 [15] Z Wang and E.P Simon celli Local phase coherence and the perception of blur In Adv Neural Information Processing Systems (NIPS03), volume 16, MIT Press, Cambridge, MA May 2004 [16] Z Wang and A.C Bovik A universal image quality index IEEE Signal Processing Letters, 9(3): 81-84, Mar 2002 [17] R.W Buccigrossi and E.P Simoncelli Image compression via joint statistical characterization in the wavelet domain IEEE Trans Image Proc., 8(12): 16881701, December 1999 [18] J Portilla and E P Simoncelli A parametric texture model based on joint statistics of complex wavelet coefficients Int’l Journal of Computer Vision, 40(1): 49-71, December 2000 [19] E.P Simoncelli, W.T Freeman, E.H Edelson, and D.J Heeger Shiftable multi-scale transforms IEEE Trans Information Theory, 38:587-607, 1992 [20] D.J Field What is the goal of sensory coding? Neural Computation, 6(4): 559-601, 1994 [21] S.C Zhu, Y.N Wu, and D Mumford FRAME: Filters, random fields and maximum entropy-towards a unified theory for texture modeling International Journal of Computer Vision 27(2): 1-20, 1998 [22] T.M Cover and J.A Thomas Elements of Information Theory Wiley-Interscience, New York, 1991 [23] M.N Do and M Vetterli Wavelet-based texture retrieval using generalized -118- Gaussian density and Kullback-Leibler distance IEEE Trans Image Proc., 11(2):146-158, Fed 2002 [24] J.A Garcia, J Fdez-Valdivia, R Rodriguez-Sanchez, and X.R Fdez-Vidal Performance of the Kullback-Leibler information gain for predicting image fidelity Proc IEEE Int Conf Pattern Recognition, vol III, 843-848, 2002 [25] S.G.Mallat Multifrequency channel decomposition of images and wavelet models IEEE Trans Acoustics, Speech, and Signal Processing,37:2091-2110,1989 [26] A.B Watson, G.Y Yang, J.A Solomon, and J Villas nor Visibility of wavelet quantization noise IEEE Trans Image Processing, 6(8): 1164-1175, Aug.1997 [27] S Daly The visible difference predictor: An algorithm for the assessment of image fidelity In Proc., SPIE, volume 1616, pages 2-15, 1992 [28] Ing Martin Slanina, Prof Ing Václav Rícny, CSc A comparison of FullReference Image Quality Assessment Methods., 2000 [29] Website: http://www.vqeg.org [30] Website: http://www.citeseer.nj.nec.com [31] Website: http://www.JPEG.org/JPEG2000.html [32] Website: http://research.microsoft.com ... TÀI: KHẢO SÁT CHẤT LƯNG ẢNH DÙNG WAVELETS II- NHIỆM VỤ VÀ NỘI DUNG - Khảo sát chất lượng ảnh theo tham chiếu toàn phần - Khảo sát chất lượng ảnh không dựa theo tham chiếu - Khảo sát chất lượng ảnh. .. 1.3.2 Phương pháp khảo sát chất lượng ảnh theo ứng dụng mục đích chung 1.3.3 Các phương pháp khảo sát chất lượng ảnh theo kiểu từ lên từ xuống CHƯƠNG 2: KHẢO SÁT CHẤT LƯNG ẢNH THEO THAM CHIẾU... đến thông tin vị trí pixel vốn dùng đến đánh giá chất lượng ảnh Giả sử x "ảnh gốc", tức ảnh có chất lượng hoàn hảo, y ảnh bị nhiễu giảm chất lượng cần đánh giá chất lượng Khi đó, MSE tỉ số tín hiệu