[논문 정리] Li, "Content-partitioned structural similarity index for image quality assessment", signal processing: image communication(2010)

컴퓨터비전/논문 정리|2019. 11. 4. 17:36

논문 요약

저자들은 먼저 SSIM 알고리즘을 이용해서 지역 품질 점수를 얻었다. 그 다음에 이미지의 엣지 맵을 산출한 것을 기준으로 이미지의 픽셀들을 다음과 같은 네가지 유형으로 분류했다. 엣지 맵 산출을 위해서는 Sobel 연산자를 활용했다. 변화된 엣지(changed edge), 보존된 엣지(preserved edge), 질감이 있는 부분(textured region), 평탄한 부분(smooth region). 이렇게 분류하기 위해서 저자들은 두 개의 문턱값 TH1과 TH2를 이용했다. TH1은 0.12*g_max로, TH2는 0.06*g_max로 설정했다. 여기서 g_max는 원본 그레디언트 크기의 최댓값을 의미한다. 

 

1) 만약 원본 그레디언트와 왜곡 그레디언트가 모두 TH1보다 크면 보존된 엣지 픽셀로 규정했다.

2) 만약 원본 그레디언트가 TH1보다 크고 왜곡 그레디언트가 TH1보다 작거나 원본 그레디언트가 TH1보다 작고 왜곡 그레디언트가 TH1보다 크면 변화된 엣지 픽셀로 규정했다. 

3) 만약 원본 그레디언트가 TH2보다 작고 왜곡 그레디언트가 TH1보다 크면 평탄 픽셀로 규정했다. 

4) 나머지의 경우 질감 픽셀로 규정했다. 

 

아래 그림은 4개의 부분으로 분류한 예를 보여준다. a는 원본 이미지, b는 왜곡 이미지, c는 보존된 엣지 부분, d는 변화된 엣지 부분, e는 평탄 부분, f는 질감 부분이다. 검은 부분이 그 부분들을 나타낸다. 

 

출처: 해당 논문

지역 품질 점수 값들을 담고 있는 SSIM 맵에서 c에 해당하는 픽셀들의 지역 점수들만 모아서 점수를 하나 얻고, 이런 식으로 d, e, f에 대한 점수도 얻는다. 결과적으로 총 4개의 점수를 얻는다. 그 점수들을 가중합해서 최종 점수를 얻는다. 

 

댓글()