piqe

Основанное на восприятии Средство анализа Качества изображения (PIQE) счет качества изображения без ссылок

Описание

пример

score = piqe(A) вычисляет качество изображения без ссылок score для изображения A использование основанного на восприятии средства анализа качества изображения.

пример

[score,activityMask,noticeableArtifactsMask,noiseMask] = piqe(A) также возвращает пространственные качественные маски, вычисленные из входного изображения.

Примеры

свернуть все

Вычислите счет PIQE к изображению и соответствующим искаженным изображениям. Отобразите результаты с их соответствующим изображением.

Считайте изображение в рабочую область. Сгенерируйте искаженные изображения путем добавления шума и размытости. Используйте imnoise функция, чтобы сгенерировать шумное изображение и imgaussfilt функция, чтобы сгенерировать размытое изображение.

A = imread('lighthouse.png');
Anoise = imnoise(A,'Gaussian',0,0.05);
Ablur = imgaussfilt(A,2);

Вычислите счет PIQE к оригинальному изображению и искаженным изображениям.

score = piqe(A);
score_noise = piqe(Anoise);
score_blur = piqe(Ablur);

Отобразите изображения как монтаж с их соответствующими баллами как часть заголовка фигуры.

figure
montage({A,Anoise,Ablur},'Size',[1 3])
title({['Original Image: PIQE score = ', num2str(score),'    |    Noisy Image: PIQE score = ', num2str(score_noise),'    ' ...
    '|    Blurred Image: PIQE score = ', num2str(score_blur)]}, 'FontSize',12)

Вычислите счет PIQE изображения, искаженного из-за блокирующихся артефактов и Гауссова шума. Сгенерируйте пространственные качественные маски, которые указывают на высокие пространственно активные блоки, значимые блоки артефактов и шумовые блоки в изображении. Визуализируйте пространственные качественные маски путем накладывания их на искаженном изображении. Отобразите изображение с и без масок и счета PIQE к изображению.

Считайте искаженное изображение (искажение из-за JPEG2K) в рабочую область.

Adistorted = imread('DistortedImage.png');

Вычислите счет PIQE и пространственные качественные маски.

[score,activityMask,noticeableArtifactsMask,noiseMask] = piqe(Adistorted);

Наложите пространственные качественные маски на входном изображении.

mask_1 = labeloverlay(Adistorted,activityMask,'Colormap','winter','Transparency',0.25);
mask_2 = labeloverlay(Adistorted,noticeableArtifactsMask,'Colormap','autumn','Transparency',0.25);
mask_3 = labeloverlay(Adistorted,noiseMask,'Colormap','hot','Transparency',0.25);

Отобразите исходное искаженное изображение и искаженные изображения с наложенными пространственными качественными масками как монтаж.

figure
montage({Adistorted,mask_1,mask_2,mask_3},'Size',[1 4])
title('Distorted Image   |    Overlay activityMask    |    Overlay noticeableArtifactsMask    |    Overlay noiseMask','FontSize',12)

Отобразите счет PIQE к искаженному изображению.

fprintf('PIQE score for the distorted image is %0.4f.\n',score)
PIQE score for the distorted image is 65.1855.

Входные параметры

свернуть все

Введите изображение в виде 2D полутонового изображения размера m-by-n или 2D изображение RGB размера m-by-n-by-3.

Типы данных: single | double | int16 | uint8 | uint16

Выходные аргументы

свернуть все

Счет PIQE к входу отображает A, возвращенный как неотрицательный скаляр в области значений [0, 100]. Счет PIQE является счетом качества изображения без ссылок, и это обратно пропорционально коррелируется к перцепционному качеству изображения. Низкий score значение указывает на высокое перцепционное качество и высокий score значение указывает на низкое перцепционное качество.

Типы данных: double

Пространственная качественная маска активных блоков, возвращенных как 2D бинарное изображение размера m-by-n, где m и n являются размерностями входа, отображает A. activityMask состоит из высоких пространственно активных блоков во входном изображении. Высокие пространственно активные блоки во входном изображении являются областями с большим количеством пространственной изменчивости из-за факторов, которые включают артефакты сжатия и шум. Высокие пространственно активные блоки присвоены значение '1' в activityMask.

Типы данных: логический

Пространственная качественная маска значимых артефактов, возвращенных как 2D бинарное изображение размера m-by-n, где m и n являются размерностями входа, отображает A. noticeableArtifactsMask состоит из блоков в activityMask это содержит блокирующиеся артефакты (из-за сжатия) или внезапные искажения.

Типы данных: логический

Пространственная качественная маска Гауссова шума, возвращенного как 2D бинарное изображение размера m-by-n, где m и n являются размерностями входа, отображает A. noiseMask состоит из блоков в activityMask это содержит Гауссов шум.

Типы данных: логический

Алгоритмы

PIQE вычисляет качественный счет без ссылок к изображению посредством мудрой блоком оценки искажения, с помощью этих шагов:

  1. Вычислите коэффициент Среднего вычтенного нормированного контраста (MSCN) для каждого пикселя в изображении с помощью алгоритма, предложенного Н. Венкэйтанэтом и другими [1].

  2. Разделите входное изображение на неперекрывающиеся блоки размера 16 16.

  3. Идентифицируйте высоко пространственно активные блоки на основе отклонения коэффициентов MSCN.

  4. Сгенерируйте activityMask использование идентифицированных высоких пространственно активных блоков.

  5. В каждом блоке оцените искажение из-за блокирующихся артефактов и шума с помощью коэффициентов MSCN.

  6. Используйте пороговые критерии, чтобы классифицировать блоки как искаженные блоки с блокирующимися артефактами, искаженные блоки с Гауссовым шумом и неискаженные блоки.

  7. Сгенерируйте noticeableArtifactsMask от искаженных блоков с блокирующимися артефактами и noiseMask от искаженных блоков с Гауссовым шумом.

  8. Вычислите счет PIQE к входному изображению как среднее значение баллов в искаженных блоках.

  9. Качественная шкала изображения на основе его счета PIQE дана в этой таблице. Качественная шкала и соответствующая область значений счета присвоены посредством экспериментального анализа набора данных в Релизе 2 [2] Базы данных Оценки Качества изображения LIVE.

Качественная шкалаВыиграйте область значений
Превосходный[0, 20]
Хороший[21, 35]
Ярмарка[36, 50]
Плохой[51, 80]
Плохо[81, 100]

Ссылки

[1] Н. Венкэйтанэт, Д. Прэнит, Bh. М. Чандрэзехэр, С. С. Ченнэппейя и С. С. Медасани. "Слепая Оценка Качества изображения, использующая основанные на восприятии Функции", В Продолжениях 21-й Национальной Конференции по Коммуникациям (NCC). Пискатауэй, NJ: IEEE, 2015.

[2] Шейх, H. R. З. Ван, Л. Кормакк и А.К. Бовик, "Релиз 2 Базы данных Оценки Качества изображения LIVE", https://live.ece.utexas.edu/research/quality.

Смотрите также

Функции

Введенный в R2018b