| DC Field | Value | Language |
|---|
| dc.contributor.author | Голуб, Ю. И. | - |
| dc.contributor.author | Старовойтов, Ф. В. | - |
| dc.contributor.author | Старовойтов, В. В. | - |
| dc.date.accessioned | 2019-12-12T11:28:54Z | - |
| dc.date.available | 2019-12-12T11:28:54Z | - |
| dc.date.issued | 2019 | - |
| dc.identifier.citation | Голуб, Ю. И. Сравнительный анализ безэталонных оценок резкости цифровых изображений / Ю. И. Голуб, Ф. В. Старовойтов, В. В. Старовойтов // Доклады БГУИР. – 2019. – № 7 (125). – С. 113-120. – DOI : http://dx.doi.org/10.35596/1729-7648-2019-125-7-113-120 | ru_RU |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/37818 | - |
| dc.description.abstract | В последнее время вопросы определения резкости цифровых изображений становятся все более актуальными и значимыми. Растет количество цифровых фотографий, используемых в разных областях науки и техники. Получаемые разными способами изображения могут иметь
неудовлетворительное качество, поэтому важным этапом в алгоритмах обработки и анализа изображений является этап проверки качества получаемых данных. Некачественные изображения можно автоматически удалять. В статье исследуется задача автоматической оценки резкости цифровых изображений. В результате анализа научно-технической литературы были отобраны 28 функций, которые используются для анализа резкости цифровых изображений посредством вычисления множества локальных оценок. Все функции сначала вычисляют локальные оценки в окрестности каждого пиксела, затем в качестве обобщенной оценки качества всего изображения использовались средние арифметические значения локальных оценок. Тестирование показало, что множество локальных оценок резкости одного изображения чаще всего не соответствуют нормальному распределению данных. Поэтому дополнительно оценивались модифицированные варианты исследуемых функций, в которых вместо средних значений локальных оценок использовался один из параметров распределения Вейбулла (FORM, SCALE, MEAN weib, MEDIAN weib). В статье оценивались три варианта корреляции количественных оценок резкости с субъективными оценками человека-эксперта. Так как распределение локальных признаков отличается от нормального, применялись два ранговых коэффициента корреляции – Спирмена и Кендалла. Корреляция выше 0,7 означала хорошее совпадение количественных и визуальных оценок. Эксперименты выполнялись на цифровых изображениях различного качества и резкости – на искусственно размытых изображениях и на размытых в процессе съемки. Обобщая результаты выполненных экспериментов, для автоматического анализа резкости цифровых изображений предлагается использовать семь функций, которые быстро вычисляются и лучше других коррелируют с субъективными оценками резкости, выставленными человеком-экспертом. | ru_RU |
| dc.language.iso | ru | ru_RU |
| dc.publisher | БГУИР | ru_RU |
| dc.subject | доклады БГУИР | ru_RU |
| dc.subject | оценка качества цифрового изображения | ru_RU |
| dc.subject | резкость изображения | ru_RU |
| dc.subject | размытие | ru_RU |
| dc.subject | нормальное распределение | ru_RU |
| dc.subject | распределение Вейбулла | ru_RU |
| dc.subject | image quality assessment | ru_RU |
| dc.subject | image sharpness | ru_RU |
| dc.subject | blur | ru_RU |
| dc.subject | normal distribution | ru_RU |
| dc.subject | Weibull distribution | ru_RU |
| dc.title | Сравнительный анализ безэталонных оценок резкости цифровых изображений | ru_RU |
| dc.title.alternative | Comparative analysis of no-reference measures for digital image sharpness assessment | ru_RU |
| dc.type | Статья | ru_RU |
| local.description.annotation | Recently, problems of digital image sharpness determination are becoming more relevant and significant. The number of digital images used in many fields of science and technology is growing. Images obtained in various ways may have unsatisfactory quality; therefore, an important step in image processing and analysis algorithms is a quality control stage of the received data. Poor quality images can be automatically deleted. In this article we study the problem of the automatic sharpness evaluation of digital images. As a result of the scientific literature analysis, 28 functions were selected that are used to analyze the clarity of digital images by calculation local estimates. All the functions first calculate local estimates in the neighborhood
of every pixel, and then use the arithmetic mean as a generalized quality index. Testing have demonstrated that many estimates of local sharpness of the image often have abnormal distribution of the data. Therefore, some modified versions of the studied functions were additionally evaluated, instead of the average of local estimates, we studied the Weibull distribution parameters (FORM, SCALE, MEAN weib, MEDIAN weib). We evaluated three variants of the correlation of quantitative sharpness assessments with the subjective assessments of human experts. Since distribution of local features is abnormal, Spearman and Kendall rank correlation coefficients were used. Correlation above 0.7 means good agreement between quantitative and visual estimates. The experiments were carried out on digital images of various quality and clarity: artificially blurred images and blurred during shooting. Summing up results of the experiments, we propose to use seven functions for automatic analysis of the digital image sharpness, which are fast calculated and better correlated with the subjective sharpness evaluation. | - |
| Appears in Collections: | №7 Спецвыпуск (125)
|
