[IQA] visual masking 현상을 고려한 IQA 알고리즘, MAD

공부/이미지품질평가(IQA)|2019. 12. 10. 14:15

728x90

안녕하세요. 비스카이비전의 심교훈입니다. 오늘은 이미지 품질 평가(image quality assessment, IQA) 알고리즘 중 하나인 MAD에 대해서 소개하려고 합니다. MAD는 Eric C. Larson과 Damon M. Chandler가 2010년 Journal of Electronic Imaging에 게재한 논문 "Most apparent distortion: full-reference image quality assessment and the role of strategy"에서 제안되었습니다. 두 저자 중 특히 Chandler는 IQA 분야에 기여한 바가 꽤 큰 연구자입니다. 

 

사람들은 이미지의 품질을 평가할 때 다음과 같은 전략들을 취합니다. 1) 왜곡이 간신히 인지될 정도의 이미지의 경우, 다른 말로 near-threshold 왜곡을 가진 이미지의 경우, 사람들은 왜곡을 찾는 경향이 있습니다 (detection-based strategy). 2) 왜곡이 분명하게 보이는 이미지의 경우, 다른 말로 supra-threshold 왜곡을 가진 이미지의 경우, 사람들은 이미지의 본래 내용을 찾는 경향이 있습니다 (appearance-based strategy). 이 두 가지 전략을 모두 반영한 것이 바로 MAD입니다. 알고리즘 이름 MAD는 most apparent distortion의 두문자어입니다.

 

구체적으로 MAD는 다음과 같은 방식으로 작동합니다. 고품질 이미지의 경우, 콘트라스트 민감도, 지역 밝기, 콘트라스트 마스킹이 detection-based strategy에 의해 인지된 왜곡을 측정하기 위해 사용됩니다. 저품질 이미지의 경우 log-Gabor 분해로 얻은 서브밴드들의 지역 통계량의 변화가 appearance-based strategy에 의해 인지된 왜곡을 측정하기 위해 사용됩니다. 두 측정량을 조합함으로써 해당 이미지의 품질 점수를 산출합니다.

 

MAD의 매틀랩 코드는 다음 링크에서 다운로드 받을 수 있습니다. 

=> http://vision.eng.shizuoka.ac.jp/mod/url/view.php?id=54

 

MAD는 예측 정확도 면에서는 괜찮은 알고리즘이지만, 예측에 시간이 꽤 많이 소요됩니다. 아래 표와 같이 한장의 이미지의 품질을 평가하는데 약 2초가 소요됩니다(논문 [1]의 저자가 본인의 노트북으로 측정했을 때). 비교적 무거운 알고리즘이죠. 

 

출처: [1]

 

<참고자료>

[1] W. Xue, L. Zhang, X. Mou and A. C. Bovik, "Gradient Magnitude Similarity Deviation: A Highly Efficient Perceptual Image Quality Index", TIP(2014)