코딩재개발 RSS 태그 관리 글쓰기 방명록
2019-12-10 14:15:40

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)

 

글을 읽던 중에 궁금했던 부분은 질문해주세요.
칭찬, 지적, 의문, 격려, 감사표현 등을 남겨주세요.
최대한 답변 드리도록 노력하겠습니다.
욕설과 광고를 담은 댓글은 가차없이 삭제합니다.
비밀글