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.
<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)
'공부 > 이미지품질평가(IQA)' 카테고리의 다른 글
| [IQA] CNN 기반 이미지품질평가 모델들 정리(2014-2018) (6) | 2020.04.08 |
|---|---|
| 이미지품질평가(IQA)와 이미지미적품질평가(IAQA)의 차이 (0) | 2020.04.08 |
| [IQA] 이미지 내 지배적인 구조가 왜곡되면 지각 품질이 나쁘다, DASM (0) | 2019.12.17 |
| [IQA] 2D 이미지 품질 평가 데이터베이스들: LIVE, CSIQ, TID2013 (2) | 2019.12.16 |
| [IQA] 표준편차 풀링을 제안한 GMSD, 빠름 주의 (0) | 2019.12.09 |
| [IQA] 왜곡으로 인한 LBP(local binary pattern)의 변화를 이용한 알고리즘, NRSL (0) | 2019.11.18 |
| [IQA] 가상의 참조 이미지를 만들어서 평가에 활용하는 NR 방식 알고리즘, BMPRI (0) | 2019.11.12 |
| [IQA] 저주파 신호의 왜곡에 더 민감하단 특성을 이용한 UQI-HVS (0) | 2019.11.11 |
