УЛУЧШЕНИЕ ВИЗУАЛЬНОГО КАЧЕСТВА КОНТРАСТНО ИСКАЖЕННЫХ ЦИФРОВЫХ ИЗОБРАЖЕНИЙ

Авторы

  • Э.Э. Эльдарова L.N. Gumilyov Eurasian National University
  • В.В. Старовойтов Национальная академия наук Беларуси
  • К.Т. Искаков 1Евразийский национальный университет имени Л.Ю. Гумилева, Нур-Султан Казахстан

DOI:

https://doi.org/10.32014/2022.2518-1726.136

Аннотация

Для эффективного оценка качества цифровых изображений нужно определить эффективность алгоритма. В статье исследуется 25 классических и новейших методов безэталонной оценки качества цифровых изображений, разработанных в последнее десятилетие: BLIINDS-II, BRISQUE, NIQE, IL-NIQE, GM-LOG, NR-GLBP, NR-GLBP, PIQE, BJLC, LPSI, FRIQUEE, HOSA, CORNIA, QAC, PIPs, MRLIQ, MEON, RankIQA, SPF-IQA, SSEQ, CLRIQA, BIECON, NRSL, NFERM, BMPRI, BPRI.  Экспериментальными служили изображения с искусственно созданными искажениями и экспертные оценки их качества из общедоступных баз TID2013, CISQ и LIVE. Проводится масштабный сравнительный корреляционный анализ алгоритмов, анализируется зависимость между субъективными и количественными оценками качества изображений. Помимо общей производительности для отдельных баз изображений, также оценивались все безэталонные  измерения IQA по отдельным типам искажений, такие как шум, размытие и сжатие. Этот эксперимент проводился с четырьмя типами искажений: аддитивным белым гауссовым шумом (AWGN), сжатием JPEG (JPEG), сжатием JPEG-2000 (JP2K) и размытием по Гауссу (GB). Причина выбора этих четырех видов искажений заключается в том, что все они включены в три указанные базы данных. Оценена вычислительная эффективность каждого конкурирующего метода. В результате экспериментальных исследований сделан следующий вывод: для оптимального решения оценки качества цифровых изображений имеющих такие искажения как аддитивный гауссовский шум, размытие по Гауссу, сжатие алгоритмом JPEG и JPEG2000 рекомендуется применить методы  BJLC , CLRIQA, SSEQ, DIQA и BMPRI так как они показывает хорошие показатели во всех случаях.  новейшие универсальные алгоритмы, имея некоторые недостатки, показывают хорошие результаты при прогнозировании качества цифровых изображений. Чтобы находить новые решения и выявить тенденции проводятся дальнейшие исследования алгоритмов для специфических искажений и методов повышения качества искаженных изображений.

Загрузки

Опубликован

2022-06-15

Как цитировать

Eldarova, E., В.В. Старовойтов, & К.Т. Искаков. (2022). УЛУЧШЕНИЕ ВИЗУАЛЬНОГО КАЧЕСТВА КОНТРАСТНО ИСКАЖЕННЫХ ЦИФРОВЫХ ИЗОБРАЖЕНИЙ. Известия НАН РК. Серия информатики, (2), 153–168. https://doi.org/10.32014/2022.2518-1726.136