2019-11-18 17:05:47

오늘은 NR 방식 IQA 알고리즘인 NRSL을 소개하려고 한다. NRSL은 no-reference quality assessment using statistical structural and luminance features을 줄인 것이다. 이 알고리즘은 2016년 TMM에서 소개되었고, 논문명은 "Blind Image Quality Asessment Using Statistical Structural and Luminance Features"이다. Qiaohong Li, Weisi Lin, Jingtao Xu, Yuming Fang 네 명의 저자가 이 연구에 참가했는데, 이 중 Weisi Lin 교수는 이 분야에서 꽤 명성이 있는 분이다. 싱가폴의 난양이공대(NTU)에 재직 중이다. 

 

알고리즘의 작동 방식은 사실 굉장히 간단하다. 왜곡 이미지를 지역적으로 표준화한 후에 두 타입의 특성을 도출한다. 하나는 LBP로 얻은 구조 히스토그램이고 다른 하나는 밝기의 히스토그램이다. LBP로 얻은 10개의 특성과 밝기 히스토그램으로 얻은 10개 특성, 총 20개 특성을 SVR에 입력해서 품질 점수를 예측한다.   

 

NRSL의 블락 다이어그램 [출처: 해당 논문]

 

LBP는 예전 포스팅에서도 다뤘지만, 간단히 말해서 이미지의 질감 또는 구조를 나타내는 특성이다. 이미지가 왜곡되면 분명 질감 및 구조가 변화되기 때문에 이미지 품질의 특성으로 적절하다고 볼 수 있다. 또한 사람의 시각 시스템은 밝기 변화에 매우 민감하기 때문에 밝기의 히스토그램도 이미지 품질의 특성으로 적합하다. 

 

아래 표는 7개 데이터베이스에서의 성능을 담고 있다. 표에서 알 수 있듯이, NRSL이 기존의 유명한 DIIVINE, BLIINDS2, BRISQUE 등보다 좀 더 나은 성능을 보인다.