728x90

이미지 품질 평가 13

[IQA] 구조의 왜곡에 민감하면서, 텍스쳐 리샘플링은 용인해주는 FR-IQA 방법, DISTS

DISTS는 올해(2020년) IEEE Transactions on pattern analysis and machine intelligence에 게재된 논문 "Image Quality Assessment: Unifying Structure and Texture Similarity"에서 제안된 FR-IQA 방법입니다. DISTS는 제목에도 썼듯이 구조의 왜곡에 민감하면서, 텍스쳐 리샘플링은 용인해주는 FR-IQA 방법입니다. 무슨 말인지 모르시겠죠?ㅋㅋ 무슨 말인지 이해가 안되야 정상입니다. 그러니 끝까지 천천히 읽어주세요.^^ 먼저 SSIM과 같은 많은 FR-IQA 방법들은 사람의 시각시스템이 이미지의 구조(structure) 변화에 민감하다는 것에 착안해서 이미지의 구조를 나타내는 어떠한 특성맵을 원본..

[IQA] 이미지품질평가 모델 개발에 대한 세가지 접근법: 상향식, 하향식, 데이터 중심

어떤 공학적 문제를 해결하는데 있어서는 여러 접근법(approach)이 존재할 수 있습니다. 이미지품질평가(image quality assessment, IQA) 문제를 해결하는데 있어서도 마찬가지입니다. 수많은 접근법이 존재하지만, 큰 틀에서는 비슷한 접근법들이 있기 때문에 몇 개의 카테고리로 범주화시킬 수 있습니다. Bosse 등[1]은 IQA 알고리즘을 크게 세 유형으로 분류했습니다. 이렇게 분류한 것이 꽤 괜찮다는 생각이 들어 소개해드립니다. 1. 상향식(bottom-up) 접근 사람시각시스템(human visual system, HVS)의 작동 방식을 모델링하는 알고리즘들이 여기에 속합니다. 사람이 두 눈으로 이미지를 보고 그에 대한 정보를 뇌에서 처리해서 궁극적으로 어떻게 그 이미지에 대한 품..

[IQA] 이미지 내 지배적인 구조가 왜곡되면 지각 품질이 나쁘다, DASM

안녕하세요. 비스카이비전의 심교훈입니다.^^ 오늘은 IQA 알고리즘 DASM을 소개하고자 합니다. 이 알고리즘은 서안 교통대학교의 Ding 등이 2017년에 TIP에 게재한 논문 "Image Quality Assessment Using Directional Anisotropy Structure Measurement"에서 소개되었습니다. 이 알고리즘은 사람의 시각 시스템(human visual system, HVS)은 사소한 질감(minor texture) 위에 있는 왜곡보다는 지배적인 구조(dominant structure) 위에 있는 왜곡에 훨씬 더 민감하다는 가설 위에 세워졌습니다. 그 지배적인 구조 정보를 도출하기 위해 저자들은 그레디언트, 이방성(anisotropy), 지역 방향성(local di..

[IQA] 2D 이미지 품질 평가 데이터베이스들: LIVE, CSIQ, TID2013

좋은 데이터베이스는 좋은 알고리즘을 개발하는데 있어 선제조건입니다. 이미지 품질 평가(image quality assessment, IQA) 분야도 마찬가지입니다. 현실을 잘 반영하는 좋은 데이터베이스가 없다면 좋은 알고리즘을 만들기가 사실상 불가능합니다. 오늘은 2D 이미지 품질 평가와 관련된 대표적인 데이터베이스들을 소개하려고 합니다. LIVE Image Quality Assessment Database 텍사스 대학의 LIVE 연구실에서 만든 2D IQA 데이터베이스입니다. LIVE 데이터베이스는 여기서 다운로드 받을 수 있습니다. => http://live.ece.utexas.edu/research/Quality/subjective.htm Laboratory for Image and Video En..

[IQA] 표준편차 풀링을 제안한 GMSD, 빠름 주의

안녕하세요. 비스카이비전의 심교훈입니다. 오늘은 제가 굉장히 개인적으로 높게 평가하는 IQA 알고리즘을 소개하려고 합니다. 바로 GMSD라는 알고리즘인데요, 2014년 TIP 논문 "Gradient Magnitude Similarity Deviation: A Highly Efficient Perceptual Image Quality Index"에 소개된 알고리즘입니다. 이 알고리즘의 Matlab 코드는 아래 링크에서 다운받을 수 있습니다. => http://www4.comp.polyu.edu.hk/~cslzhang/IQA/GMSD/GMSD.htm 또한 python 코드는 아래 링크에 있습니다. => https://bskyvision.com/709 이 알고리즘은 사실 너무나 간단합니다. 보통 FR IQA ..

[IQA] 왜곡으로 인한 LBP(local binary pattern)의 변화를 이용한 알고리즘, NRSL

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 방..

[IQA] 가상의 참조 이미지를 만들어서 평가에 활용하는 NR 방식 알고리즘, BMPRI

오늘 소개하고자 하는 BMPRI는 NR(no-reference) 방식의 이미지 품질 평가(image quality assessment, IQA) 알고리즘이다. BMPRI는 blind multiple reference images-based measure의 약어다. NR 방식이라는 것은 왜곡 이미지의 원본 이미지를 참조하지 않고 품질을 평가한다는 뜻이다. BMPRI의 original 논문은 2018년에 IEEE Trans. on Broadcasting에 게재된 "Blind Image Quality Estimation via Distortion Aggravation"이다. 상해교통대, 북경이공대, 하얼빈공대에 소속한 연구자들이 이 연구에 참가했다. 이 알고리즘은 꽤 독창적이다. 일반적으로 NR 방식의 IQA..

[IQA] 저주파 신호의 왜곡에 더 민감하단 특성을 이용한 UQI-HVS

지난 번에 SSIM 알고리즘의 전신이라 말할 수 있는 UQI에 대해 포스팅했다. 오늘은 UQI의 또다른 변형 알고리즘 UQI-HVS에 대해 소개하도록 하겠다. UQI-HVS의 original 논문의 제목은 "A New Full-Reference Ouality Metrics Based on HVS"이다. HVS란 사람 시각 시스템(human visual system)의 약자이다. UQI-HVS는 간단히 말해서 HVS는 저주파 신호의 왜곡에 더 민감하다는 특징을 고려한 UQI 방법이다. UQI는 이미지의 품질을 판단하기 위해 원본 이미지와 왜곡 이미지의 밝기, 콘트라스트, 상관도를 지역적으로 비교한다. UQI에 대한 자세한 설명은 UQI에 대한 포스팅을 참고하길 바란다. 저주파 신호의 왜곡에 더 민감한 이유..

[IQA] SSIM의 전신, UQI

연구자들이 어떤 과정을 거쳐서 의미있는 연구성과들을 발표했는지 그 과정을 추적하는 일도 꽤 흥미롭다. 대표적 이미지 품질 평가 알고리즘인 SSIM도 하루아침에 갑자기 나온 것이 아니었다. 전신이라고 부를 수 있는 알고리즘이 존재한다. 바로 SSIM의 주저자들인 Zhou Wang과 A. C. Bovik이 만든 UQI(universal quality index)이다. SSIM은 2004년에 발표되었고, UQI는 2002년에 발표되었다. UQI의 original 논문은 2002년에 IEEE Signal Processing Letters에 게재된 "A Universal Image Quality Index"이다. UQI과 SSIM은 각각 다음과 같은 세가지 요소를 고려해서 이미지의 품질을 평가한다. UQI는 "상..

[IQA] 미리 훈련된 CNN으로 얻은 특성맵들의 품질로 이미지의 품질을 평가하는 모델, DeepSim

안녕하세요. 비스카이비전의 심교훈입니다. 오늘은 Fei Gao 등에 의해 2017년에 제안된 DeepSim이란 이미지품질평가(image quality assessment, IQA) 모델에 대해서 소개해드리려고 합니다. 이 모델에 관한 original paper의 제목은 "DeepSim: Deep similarity for image quality assessment"입니다. 저자들은 다른 과제를 위해, 예를 들어 이미지 분류 과제를 위해 미리 훈련된(pretrained) 컨볼루션 신경망(convolutional neural network, CNN) 모델이 이미지 품질 평가(IQA)에 효과적으로 사용될 수 있을지에 대해 질문을 던졌습니다. 그들의 답은 Yes입니다. 미리 훈련된 CNN 모델이 IQA에 유용..