• 1990 (Том 4)
  • 1989 (Том 3)
  • 1988 (Том 2)
  • 1987 (Том 1)

Том 33 №4

Содержание

  1. СТРУКТУРА СЕТЧАТКИ ГЛАЗА ЧЕЛОВЕКА: КЛАССИЧЕСКИЕ И СОВРЕМЕННЫЕ ДАННЫЕ
  2. СУБЪЕКТИВНАЯ ОЦЕНКА КАЧЕСТВА СТАТИЧЕСКИХ И ВИДЕОИЗОБРАЖЕНИЙ: МЕТОДОЛОГИЧЕСКИЙ ОБЗОР
  3. СОВРЕМЕННЫЕ ПРЕДСТАВЛЕНИЯ О СПЕЦИФИКЕ ПЕРИФЕРИЧЕСКОГО ЗРЕНИЯ ЧЕЛОВЕКА
  4. ПОЛОВЫЕ РАЗЛИЧИЯ ВЫПОЛНЕНИЯ ЗАДАЧИ МЫСЛЕННОГО ВОСПРОИЗВЕДЕНИЯ МАРШРУТА НА КАРТЕ ГОРОДСКОЙ МЕСТНОСТИ. АНАЛИЗ ДВИЖЕНИЙ ГЛАЗ
  5. АКТИВНОСТЬ НЕЙРОНОВ ЯДРА СОЛИТАРНОГО ТРАКТА ПРИ СТИМУЛЯЦИИ ГИПОТАЛАМИЧЕСКИХ ЯДЕР В НОРМЕ И ПОСЛЕ ВИБРАЦИОННОГО ВОЗДЕЙСТВИЯ
  6. ОЦЕНКА МЕТОДА ИНАКТИВАЦИИ ЦЕРКАЛЬНЫХ СЕНСИЛЛ СВЕРЧКА ПРИ ПОМОЩИ ЭЛЕКТРОЦЕРКОГРАММЫ

СУБЪЕКТИВНАЯ ОЦЕНКА КАЧЕСТВА СТАТИЧЕСКИХ И ВИДЕОИЗОБРАЖЕНИЙ: МЕТОДОЛОГИЧЕСКИЙ ОБЗОР

© 2019 г. М. А. Грачева1, В. П. Божкова1, А. А. Казакова1,2, Г. И. Рожкова1

1Институт проблем передачи информации им А.А. Харкевича РАН, 127051 Москва, Б. Каретный пер., 19, стр. 1, Россия
mg.iitp@gmail.com
2Российский национальный исследовательский медицинский университет им. Н.И. Пирогова Минздрава России, 117997 Москва, ул. Островитянова, д. 1, Россия

Поступила в редакцию 10.04.2019 г.

Для сравнения алгоритмов сжатия, фильтрации или трансформации визуальных данных, разрабатываемых с целью оптимизации систем хранения, передачи и анализа информации, используются различные методы оценки качества получаемых изображений. Данные методы делятся на объективные – основанные на четко сформулированных математических критериях, не зависящих от мнения людей, и субъективные – основанные на привлечении людей и анализе их мнений. В настоящем обзоре дано краткое представление о методологических аспектах исследований, посвященных субъективным методам оценки качества изображений. В настоящее время такие исследования являются очень востребованными, а в отечественной литературе нет руководств для практического применения этих методов разработчиками, не имеющими опыта психофизиологических исследований. Рассмотрены наиболее часто используемые методы оценки и сравнения статических и видеоизображений: ACR – абсолютный категориальный рейтинг, ACR-HR – абсолютный категориальный рейтинг со скрытым эталоном, SSCQE – непрерывная оценка качества одиночных стимулов, DCR – категориальная оценка ухудшений, DSCQR – оценка на основе парных стимулов, PC – попарное сравнение, PSJ – попарная оценка сходства, SDSCE – непрерывная оценка качества на основе одновременных сдвоенных стимулов. Приведены также общие рекомендации по планированию и проведению экспериментов с привлечением людей.

Ключевые слова: качество изображений, субъективная оценка, исследования на пользователях, дизайн эксперимента

DOI: 10.1134/S0235009219040036

Цитирование для раздела "Список литературы": Грачева М. А., Божкова В. П., Казакова А. А., Рожкова Г. И. Субъективная оценка качества статических и видеоизображений: методологический обзор. Сенсорные системы. 2019. Т. 33. № 4. С. 287-304. doi: 10.1134/S0235009219040036
Цитирование для раздела "References": Gracheva M. A., Bozhkova V. P., Kazakova A. A., Rozhkova G. I. Subektivnaya otsenka kachestva staticheskikh i videoizobrazhenii: metodologicheskii obzor [Subjective image and video quality assessment: methodology review]. Sensornye sistemy [Sensory systems]. 2019. V. 33(4). P. 287-304 (in Russian). doi: 10.1134/S0235009219040036

Список литературы:

  • Божкова В.П., Басова О.А., Николаев Д.П. Математические модели пространственного цветовосприятия. Информационные процессы. 2019 Т. 19 № 2 С. 187–199.
  • Боков А.А., Ватолин Д.С. Методика объективной оценки качества восстановления фона в видео. Цифровая обработка сигналов. 2016 № 3 С. 26–33.
  • Ватолин Д.С., Паршин А.Е. Методы для объективной оценки качества видеокодеков по сжатым ими видеопоследовательностям. Новые информационные технологии в автоматизированных системах. 2006 № 9 С. 4–12.
  • Домасёв М.В., Гнатюк С. Цвет, управление цветом, цветовые расчеты и измерения. СПб.: “Питер”, 2007 224 с.
  • Лебедев Д.С. Модель механизма распознавания ориентации 3-полосных двухградационных оптотипов. Сенсорные системы. 2015 Т. 29 № 4 С. 309–320.
  • Максимов В.В. Трансформация цвета при изменении освещения. М.: Наука, 1984 161 с.
  • Монич Ю.И., Старовойтов В.В. Оценки качества для анализа цифровых изображений. Искусственный интеллект. 2008 № 4 С. 376–385.
  • Рожкова Г.И., Матвеев С.Г. Зрение детей: проблемы оценки и функциональной коррекции. М.: Наука, 2007 315 с.
  • Хикс Ч. Основные принципы планирования эксперимента. М.: МИР, 1967 406 с.
  • Aldridge R.P., Hands D.S., Pearson D.E., Lodge N.K. Continuous quality assessment of digitally coded television pictures. IEE Proceedings of the Vision Image and Signal Processing. 1998 V. 145 (2). P. 116–123. DOI: 10.1049/ip-vis:19981843
  • Alpert T., Evain J-P. Subjective quality evaluation – The SSCQE and DSCQE methodologies. Ebu Tech Rev. 1997 P. 12–20.
  • Anwar S., Li C., Porikli F. Deep underwater image enhancement. arXiv preprint arXiv:1807.03528. 2018 12 p.
  • Bailey R.A. Design of Comparative Experiments. Cambridge University Press. 2008 255 p. DOI: 10.1017/CBO9780511611483
  • Chen Q., Xu J., Koltun V. Fast image processing with fullyconvolutional networks. Proc. IEEE Conference on Computer Vision and Pattern Recognition. 2017 V. 9 P. 2497–2506.
  • Corriveau P., Gojmerac C., Hughes B., Stelmach L. All subjective scales are not created equal: The effects of context on different scales. Signal Processing. 1999 V. 77 (1). P. 1–9. DOI: 10.1016/S0165-1684 (99)00018-3
  • Cunningham D.W., Wallraven C. Experimental design: from user studies to psychophysics. AK Peters/CRC Press. 2011 392 p.
  • van Dijk A.M., Martens J.-B., Watson A.B. Quality assessment of coded images using numerical category scaling. Proc SPIE. 1995 V. 2451 P. 90–101. DOI: 10.1117/12.201231
  • Fairchild M.D., Johnson G.M. The iCAM framework for image appearance, image differences, and image quality. J. Electron. Imaging. 2004 V. 13 P. 126–138.
  • Gulliksen H., Tucker L. A general procedure for obtaining paired comparisons from multiple rank orders. Psychometrika. 1961 V. 26 P. 173–184.
  • Hamberg R., de Ridder H. Continuous assessment of perceptual image quality. Journal of the Optical Society of America. 1995 V. 12 P. 2573–2577. DOI: 10.1364/JOSAA.12.002573
  • Hamberg R., Ridder H. Time-varying Image Quality: Modeling the Relation between Instantaneous and Overall Quality. SMPTE Journal. 1999 P. 802–811. DOI: 10.5594/J04337
  • Hands D.S. A basic multimedia quality model. IEEE Transactions on Multimedia. 2004 V. 6 (6). P. 806–816. DOI: 10.1109/TMM.2004.837233
  • Ijsselsteijn W., de Ridder H., Hamberg R., Bouwhuis D., Freeman J. Perceived depth and the feeling of presence in 3DTV. Displays. 1998 V. 18 P. 207–214. DOI: 10.1016/S0141-9382 (98)00022-5
  • ITU-R Recommendation ITU-R P.910. 1999 Subjective video quality assessment methods for multimedia applications.
  • ITU-R Recommendation ITU-T BT.500-13. 2002 Methodology for the subjective assessment of the quality of television pictures.
  • ITU-R Recommendation ITU-R BT.710-4. 1998 Subjective assessment methods for image quality in high-definition television.
  • ITU-R Report ITU-R BT.1082. 1990 Studies toward the unification of picture assessment methodology.
  • ITU-T Recommendation ITU-T P.800. 1996 Methods for subjective determination of transmission quality.
  • ITU-T Recommendation ITU-T P.930. 1996 Principles of a reference impairment system for video.
  • Kim A., Reynaud R., Hess K., Mullen. A normative data set for the clinical assessment of achromatic and chromatic contrast sensitivity using a qCSF approach. Investigative ophthalmology and visual science. 2017 V. 58 (9). P. 3628–3636. DOI:10.1167/iovs.17-21645
  • Kontsevich L.L., Tyler C.W. Analysis of stereothresholds for stimuli below 2.5 c/deg. Vision Res. 1994 V. 34 (17). P. 2317–2329. DOI: 10.1016/0042-6989 (94)90110-4
  • Kontsevich L.L., Tyler C.W. A simpler structure for local spatial channels revealed by sustained perifoveal stimuli. J. Vis. 2013 V. 13 (1). P. 1–12. DOI: 10.1167/13.1.22
  • Kratochvíl T., Slanina M. Digital Video Image Quality, Digital Video. Floriano De Rango (Ed.). 2010 P. 487–500.
  • Kuang J., Johnson G.M., Fairchild M.D. iCAM06: A refined image appearance model for HDR image rendering. Journal of Visual Communication and Image Representation. 2007 V. 18 (5). P. 406–414. DOI: 10.1016/j.jvcir.2007.06.003
  • Lambooij M., Ijsselsteijn W.A., Heynderickx I. Visual discomfort of 3DTV: Assessment methods and modeling. Displays. 2011 V. 32 (4). P. 209–218. DOI: 10.1016/j.displa.2011.05.012
  • Ledig C., Theis L., Huszar F., Caballero J., Cunningham A., Acosta A., Acosta A., Aitken A., Tejani A., Totz J., Wang Z., Shi W. Photo-realistic single image super-resolution using a generative adversarial network. Proc. IEEE Conference on Computer Vision and Pattern Recognition. 2017 P. 4681–4690.
  • Li Y., Zhang Y., Xu X., He L., Serikawa S., Kim H. Dust removal from high turbid underwater images using convolutional neural networks. Opt. Laser Technol. 2019 V. 110 P. 2–6. DOI: 10.1016/j.optlastec.2017.09.017
  • Lissner I., Preiss J., Urban P., Lichtenauer M.S., Zolliker P. Image-difference prediction: From grayscale to color. IEEE Transactions on Image Processing. 2013 V. 22 (2). P. 435–446. DOI: 10.1109/TIP.2012.2216279
  • Lu H., Li Y., Zhang L., Serikawa S. Contrast enhancement for images in turbid water. J. Optical Society of America A. 2015 V. 32 P. 886–893. DOI: 10.1364/JOSAA.32.000886
  • Macdiarmid F., Darby P. J. Double-stimulus assessment of television picture quality. EBU Tech. Rev. 1982 V. 192 P. 70–79.
  • Mangeruga M., Bruno F., Cozza M., Agrafiotis P., Skarlatos D. Guidelines for underwater image enhancement based on benchmarking of different methods. Remote Sensing. 2018b. V. 10 (10). P. 1652 DOI: 10.3390/rs10101652
  • Mangeruga M., Cozza M., Bruno F. Evaluation of underwater image enhancement algorithms under different environmental conditions. J. Mar. Sci. Eng. 2018a. V. 6 (1). P. 1–13. DOI: 10.3390/jmse6010010
  • Mantiuk R.K., Tomaszewska A., Mantiuk R. Comparison of four subjective methods for image quality assessment. Comput Graph Forum. 2012 V. 31 (8). P. 2478–2491. DOI:10.1111/j.1467-8659.2012.03188.x
  • Mohammadi P., Ebrahimi-Moghadam A., Shirani S. Subjective and Objective Quality Assessment of Image: A Survey. arXiv preprint arXiv:1406.7799. 2014 50 p. http://arxiv.org/abs/1406.7799.
  • Narita N. Subjective-evaluation method for quality of coded images. IEEE Trans. Broadcasting. 1994 V. 40 P. 7–13. DOI: 10.1109/11.272416
  • Narita N., Sugiura Y. On an absolute evaluation method of the quality of television sequences. IEEE Trans. Broadcasting. 1997 V. 43 P. 26–35. DOI: 10.1109/11.566821
  • Oehlert G.W. A first course in design and analysis of experiments. University of Minnesota, Minnesota, United States of America. 2010 659 p.
  • Pinson M.H., Janowski L., Papir Z. Video Quality Assessment: Subjective testing of entertainment scenes. IEEE Signal Processing Magazine. 2015 V. 32 (1). P. 101–114. DOI: 10.1109/MSP.2013.2292535
  • Pinson M.H., Wolf S. Comparing subjective video quality testing methodologies. Proc. SPIE Visual Communications and Image Processing. 2003 V. 5150 P. 573–582. DOI: 10.1117/12.509908
  • Phillips J.B., Eliasson H. Subjective Image Quality Assessment–Theory and Practice. Camera Image Quality Benchmarking. John Wiley & Sons. 2018 P. 117–166.
  • Redi J., Liu H., Alers H., Zunino R., Heynderickx I. Comparing subjective image quality measurement methods for the creation of public databases. Proc. SPIE. Image Quality and System Performance VII. 2010 V. 7529 P. 752903 DOI: 10.1117/12.839195
  • Silverstein D., Farrell J. Efficient method for paired comparison. Journal of Electronic Imaging. 2001 V. 10 P. 394
  • Stoica A., Vertan C., Fernandez-Maloigne C. Objective and subjective color image quality evaluation for JPEG 2000 compressed images. Proc. of International Symposium on Signals, Circuits and Systems. 2003 V. 1 P. 137–140. DOI: 10.1109/SCS.2003.1226967
  • Torgerson W.S. Theory and methods of scaling. Wiley, 1985 460 p.
  • Wang Z., Bovik A.C., Sheikh H.R., Simoncelli E.P. Image quality assessment: from error visibility to structural similarity. IEEE Transactions on Image Processing. 2004 V. 13 (4). P. 600–612.
  • Watson A.B., Ahumada A.J. A standard model for foveal detection of spatial contrast. Journal of Vision. 2005 V. 5 (9). P. 717–740. DOI: 10.1167/5.9.6.
  • Watson A.B., Ahumada A.J. Predicting visual acuity from wavefront aberrations. Journal of Vision. 2008 V. 8(4).P.1-19. DOI:10.1167/8.4.17.
  • Watson A.B., Ahumada A.J. Modeling acuity for optotypes varying in complexity. Journal of Vision. 2012 V. 12 (10). P. 1–19. DOI: 10.1167/12.10.19.
  • Wyszecki G., Stiles W.S. Color science. Concepts and Methods. Quantitative data and Formulae. Wiley. 2000 950 p.
  • Xie Z.-X., Wang Z.-F. Color image quality assessment based on image quality parameters perceived by human vision system. Proc. of the 2010 IEEE International Conference on Multimedia Technology (ICMT). 2010 P. 1–4. DOI: 10.1109/ICMULT.2010.5630949
  • Xu L., Lin W., Kuo C.C.J. Visual quality assessment by machine learning. Springer Singapore. 2015 132 p. DOI: 10.1007/978-981-287-468-9
  • Yano S., Ide S., Mitsuhashi T., Thwaites H. A study of visual fatigue and visual comfort for 3D HDTV/HDTV images. Displays. 2002 V. 23 P. 191–201. DOI: 10.1016/S0141-9382 (02)00038-0
  • Zhang X., Wandell B.A. A spatial extension of CIELAB for digital color image reproduction. SID International Symposium Digest of Technical Papers: Society for Information Display. 1996 V. 27 P. 731–734. DOI: 10.1889/1.1985127
  • Zhang X., Wandell B.A. Color image fidelity metrics evaluated using image distortion maps. Signal Processing. 1998 V. 70 (3). P. 201–214. DOI: 10.1016/S0165-1684 (98)00125-X