Определение типа искажения изображения в задаче неэталонной оценки качества
- 1 к.т.н., доцент, кафедра динамики электронных систем, Ярославский государственный университет им. П.Г. Демидова
- 2 д.т.н., доцент, кафедра динамики электронных систем, Ярославский государственный университет им. П.Г. Демидова
- 3 аспирант, кафедра динамики электронных систем, Ярославский государственный университет им. П.Г. Демидова
- 4 магистрант, кафедра динамики электронных систем, Ярославский государственный университет им. П.Г. Демидова
Ключевые слова:
машинное обучениеметод опорных векторовJPEG2000JPEGзвонразмытиеоценка качества изображенийгауссовский шумимпульсный шумMotionBlur
Аннотация
Разработан способ автоматического определения типа искажения поврежденного изображения с помощью методов машинного обучения. В качестве метода обучения выбран алгоритм на основе метода опорных векторов. Исследовано шесть классов возможных искажений: гауссовский шум, импульсный шум типа «соль и перец», сжатие изображения алгоритмом JPEG и JPEG2000, размытие изображения вследствие медианной фильтрации и искажение типа MotionBlur. Установлено, что результаты проведенного моделирования показывают высокую вероятность определения верного типа искажения в изображении.
Для цитирования
Хрящев В.В., Приоров А.Л., Соловьев В.Е., Шемяков А.М. Определение типа искажения изображения в задаче неэталонной оценки качества // Нелинейный мир. 2013. № 1. С. 32–35.
Список источников
- Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера. 2005.
- Хайкин С. Нейронные сети: полный курс. М.: Издательский дом «Вильямс». 2006.
- Приоров А. Л., Саутов Е. Ю., Хрящев В. В. Неэталонная оценка качества JPEG-изображений // Цифровая обработка сигналов. 2007. № 3. С. 15 - 19.
- Саутов Е. Ю., Хрящев В. В. Разработка и анализ алгоритма неэталонной оценки качества сжатых изображений // Проектирование и технология электронных средств. 2007. № 2. С. 26 - 29.
- Зараменский Д. А., Хрящев В. В. Оценка качества JPEG2000 изображений // Докл. 14-й Всерос. конф. «Математическиеметодыраспознаванияобразов». Москва. 2009. С. 351-354.
- Niranjan D. Narvekar, Lina J. Karam An improved no-reference sharpness metric based on the probability of blur detection // 2009 International Workshop on Quality of Multimedia Experience. 2009. P. 87-91.
- Olsen S. I. Estimation of noise in images: an evaluation // Comput.Vision, Graphics Image Process, Graphic Models and Image Process. 1993. V. 55. №4. P. 319-323.
- Bilcu R. C., Vehvilainen M. A new method for noise estimation in images // Proc. IEEE EURASIP International Workshop on Nonlinear Signal and Image Processing, Sapporo. Japan. 2005.
- Chen T., Wu H. Adaptive impulse detection using center-weighted median filters // IEEE Signal Processing Letters. 2001. V. 8. № 1. P. 1 - 3.