1

Model lidského zraku pro hodnocení kvality obrazu

Vedoucí práce: Ing. Karel Roubík Ph. D.Diplomant: Jan VojtíšekE-mail: vojtisj@yahoo.com

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