Нереферентна оцінка якості відео з використанням статистичних методів
DOI: 10.31673/2412-4338.2020.043543
Анотація
У статті розглядається задача знаходження способу оцінки якості відеозображення у разі відсутності еталона для порівняння. В літературі такі методи оцінки якості зображень прийнято називати no-reference (NR) або NR-методи. В першу чергу в статті досліджуються артефакти стиснення зображень. Актуальність даного підходу полягає в тому, що при передачі матеріалу через мережу Інтернет задля економії об’ємів передачі інформації відбувається стиснення даних. Даний спосіб заснований на критеріях, які характеризують ступінь зміни яскравості кадрів відео. Самі по собі критерії не у всіх випадках дають можливість провести порівняльний аналіз якості зображення. У даній роботі пропонується для оцінки якості використовувати критерії, що побудовані на основі статистичних методів, що відображає ступінь зміни яскравості в сукупності. Ці критерії абсолютно нові у галузі дослідження якості як відеопотоку так і зображень в цілому. Запропонований спосіб враховує всі можливі зміни характеристик зображення при погіршенні якості. В ході проведення експерименту було продемонстровано доцільність використання даних методів у задачі ранжування матеріалу за рівнем артефактів стиснення. Експериментально показано, що жоден з досліджуваних нереферентних методів оцінки якості зображення не є універсальним, а обчислена оцінка не може бути перетворена в якісну шкалу без урахування факторів, що впливають на спотворення якості зображення. Також даний метод формує остаточну оцінку як середнє арифметичне значення оцінок рядків та стовпчиків зображення. У випадку локальних спотворень запропоновані методи можуть давати не зовсім правдиві результати. Для проведення експерименту було реалізовано код програми в середовищі MATLAB, з використанням бібліотеки для комп'ютерної обробки зображень Image Processing Toolbox.
Ключові слова: оцінка якості відео, середньоквадратичне відхилення, коефіцієнт варіації, коефіцієнт осциляції, відносне лінійне відхилення, відносний показник квартильної варіації, артефакти стиснення.
Список використаної літератури
1. Parker J.R. (1996) “Algorithms for image processing and computer vision”.
2. Wesley E. Snyder, Hairong Qi. (2017) “Fundamentals of Computer Vision”. Published by Cambridge University Press, University Printing House, Cambridge CB2 8BS, UK.
3. Гребенюк В.В. Порівняльний аналіз нереферентних методів оцінки якості відеоматеріалу. Зв'язок №6 (142), 2020. С.34-42.
4. Adrian Kaehler, Gary Bradski (2016). “Learning OpenCV 3. Computer Vision in Matlab”. Published by O’Reilly Media, Inc., 1005 Gravenstein Highway North, Sebastopol, CA 95472.
5. Prateek Joshi, David Millan Escriva, Vinicius Godoy (2016). “OpenCV By Example”. Published by Packt Publishing Ltd. Livery Place, 35 Lively Street, Birmingham B3 2PB, UK.
6. Acree, M.C. (1978). “Theories of Statistical Inference in Psychological Research: A Historicocritical Study”. Dissertation. University Microfilms International H790 H7000, Ann Arbor, MI.
