Model lidského zraku pro hodnocení kvality obrazu

Prezentace na téma: "Model lidského zraku pro hodnocení kvality obrazu"— Transkript prezentace:

1 Model lidského zraku pro hodnocení kvality obrazu
České vysoké učení technické Fakulta elektrotechnická katedra radioelektroniky DIPLOMOVÁ PRÁCE Model lidského zraku pro hodnocení kvality obrazu Vedoucí práce: Ing. Karel Roubík Ph. D. Diplomant: Jan Vojtíšek Jan Vojtíšek

2 Cíle diplomové práce Fyziologie lidského vidění a rozbor metod zpracování obrazu Hodnocení kvality obrazu objektivní subjektivní Návrh modelu lidského vidění (HVS - Human Visual System) Ověření funkce modelu Jan Vojtíšek

3 Návrh modelu HVS Prediktor viditelných diferencí (VDP)
Původně navržen S. Dalym Vstup modelu Výstup modelu Mapa viditelných diferencí Míry kvality obrazu Model rozptylu světla na zorničce Jednoduchá implementace modelu v Matlabu R12 s použitím Image Processing Toolboxu Jan Vojtíšek

4 Mapa viditelných diferencí
Originál obrázku Poškozený obrázek Rozdílový obrázek Šedotónová mapa Barevná mapa

5 Struktura VDP Amplitudová nelin. transformace
Kontrastně-senzitivní funkce Detekční mechanizmus Mapa viditelných diferencí Míra kvality obrazu

6 CSF Citlivost HVS na prostorovou frekvenci
Obecně závisí na mnoha faktorech Maximum CSF približně pro 6,5 c/deg Implementace filtru - frekvenční oblast

7 Rozdělení do frekvenčně-orientačních kanálů
Celkem 31 kortexových kanálů (5*6+1) Kortexový filtr ve třetím frekvenčním rozlišení

8 Návrh kortexových filtrů
Vznik kortexového filtru Filtry původně navržené A. B. Watsonem Charakteristiky filtrů tvoří Hanningova funkce Prostorově frekvenční filtry - celkem 5 filtrů + baseband Orientační filtry s odezvou na 30° (6 orientací) Filtry jsou spojité, součet matic je 1 ve všech bodech filtrů

9 Maskovací efekt Definice maskování
Kontrastní fázově-nekoherentní maskování Masker a signál Vzájemné maskování Význam parametru  Efekt učení

10 Psychometrická funkce
Určení pravděpodobnosti detekce rozdílů Sloučení kanálů Určení znaménka Význam parametrů  a  Jan Vojtíšek

11 Porovnání měr kvality obrazu se subjektivními testy
5 různých předloh, 5 metod komprese, 5 kompresních poměrů, celkem bylo srovnání provedeno na 125 obrázcích. Barevná mapa viditelných diferencí pro obrázek s kompresním poměrem 37,7

12 Grafické rozhraní modelu
Vstup pro dva obrázky Možnost nastavení parametrů modelu Textový a grafický výstup VDP a model rozptylu

13 Vylepšení modelu oproti Dalyho návrhu
Míry kvality obrazu IQM1 a IQM2 Doplnění o model monitoru Změna části modelu reprezentující CSF Změna výpočtu vzájemného maskování Doplnění a diskuze nad parametry psychometrické funkce Komplexní testování Různé typy obrázků Poškození (rozmazání, konturování, šum, komprese)

14 Výhody a nevýhody modelu
Výhody VDP Univerzalita modelu druh poškození typ obrázku Možnost testování jednotlivých bloků Mapa viditelných diferencí přesně zakresluje rozdíly mezi vstupními obrázky Nevýhody Nutnost změny parametrů modelu Výpočetní náročnost