model lidského zraku pro hodnocení kvality obrazu
DESCRIPTION
Vedoucí práce: Ing. Karel Roubík Ph. D. Diplomant: Jan Vojtíšek E-mail: [email protected]. České vysoké učení technické Fakulta elektrotechnická katedra radioelektroniky DIPLOMOVÁ PRÁCE. Model lidského zraku pro hodnocení kvality obrazu. - PowerPoint PPT PresentationTRANSCRIPT
1
Model lidského zraku pro hodnocení kvality obrazu
Vedoucí práce: Ing. Karel Roubík Ph. D.Diplomant: Jan VojtíšekE-mail: [email protected]
České vysoké učení technickéFakulta elektrotechnickákatedra radioelektroniky
DIPLOMOVÁ PRÁCE
2Jan Vojtíšek
Cíle diplomové práce• Fyziologie lidského vidění a rozbor
metod zpracování obrazu
• Hodnocení kvality obrazu– objektivní – subjektivní
• Návrh modelu lidského vidění (HVS - Human Visual System)
• Ověření funkce modelu
3Jan Vojtíšek
Návrh modelu HVS• Prediktor viditelných diferencí (VDP)
– Původně navržen S. Dalym– Vstup modelu– Výstup modelu
• Mapa viditelných diferencí• Míry kvality obrazu
• Model rozptylu světla na zorničce• Jednoduchá implementace modelu v Matlabu
R12 s použitím Image Processing Toolboxu
4Jan Vojtíšek
Mapa viditelných diferencí
Originál obrázku Poškozený obrázek Rozdílový obrázek
Šedotónová mapa Barevná mapa
5Jan Vojtíšek
Struktura VDP
• Amplitudová nelin. transformace
• Kontrastně-senzitivní funkce
• Detekční mechanizmus
• Mapa viditelných diferencí
• Míra kvality obrazu
6Jan Vojtíšek
CSF• Citlivost HVS na
prostorovou frekvenci• Obecně závisí na
mnoha faktorech• Maximum CSF
približně pro 6,5 c/deg• Implementace filtru -
frekvenční oblast
7Jan Vojtíšek
Rozdělení do frekvenčně-orientačních kanálů
• Celkem 31 kortexových kanálů (5*6+1)
Kortexový filtr ve třetím frekvenčním rozlišení Kortexový filtr ve třetím frekvenčním rozlišení
8Jan Vojtíšek
Návrh kortexových filtrů
• Filtry původně navržené A. B. Watsonem• Charakteristiky filtrů tvoří Hanningova funkce• Prostorově frekvenční filtry - celkem 5 filtrů + baseband• Orientační filtry s odezvou na 30° (6 orientací)• Filtry jsou spojité, součet matic je 1 ve všech bodech filtrů
Vznik kortexového filtru
Vznik kortexového filtru
9Jan Vojtíšek
Maskovací efekt• Definice maskování• Kontrastní fázově-
nekoherentní maskování• Masker a signál• Vzájemné maskování
b
1b
l,kn21
l,ke ]j,i[mkk1]j,i[T
• Význam parametru • Efekt učení
10Jan Vojtíšek
Psychometrická funkce
• Určení pravděpodobnosti detekce rozdílů
• Sloučení kanálů• Určení znaménka• Význam parametrů
a
])j,i[T](j,i[Cl,k
eml,ke1]j,i[P
11Jan Vojtíšek
Porovnání měr kvality obrazu se subjektivními testyJPEG - Obr. Staromák - 14 pozorovatelů
0
10
20
30
40
50
60
70
80
90
100
1,0 10,2 14,2 18,0 25,9 37,7
Kompresní poměr
Hod
noce
ní [%
] Subj.
IQM1
IQM2
5 různých předloh, 5 metod komprese, 5 kompresních poměrů, celkem bylo srovnání provedeno na 125 obrázcích.
5 různých předloh, 5 metod komprese, 5 kompresních poměrů, celkem bylo srovnání provedeno na 125 obrázcích.
Barevná mapa viditelných diferencí pro obrázek s kompresním poměrem 37,7
Barevná mapa viditelných diferencí pro obrázek s kompresním poměrem 37,7
12Jan Vojtíšek
Grafické rozhraní modelu
• Vstup pro dva obrázky
• Možnost nastavení parametrů modelu
• Textový a grafický výstup
• VDP a model rozptylu
13Jan Vojtíšek
Vylepšení modelu oproti Dalyho návrhu
• Míry kvality obrazu IQM1 a IQM2• Doplnění o model monitoru• Změna části modelu reprezentující CSF• Změna výpočtu vzájemného maskování• Doplnění a diskuze nad parametry
psychometrické funkce• Komplexní testování
– Různé typy obrázků– Poškození (rozmazání, konturování, šum, komprese)
14Jan Vojtíšek
Výhody a nevýhody modelu
• Výhody VDP– Univerzalita modelu
• druh poškození• typ obrázku
– Možnost testování jednotlivých bloků– Mapa viditelných diferencí přesně zakresluje
rozdíly mezi vstupními obrázky
• Nevýhody– Nutnost změny parametrů modelu – Výpočetní náročnost