Читать в оригинале

<< ПредыдущаяОглавлениеСледующая >>


2.6.2. Объективное измерение качества

Сложность и дороговизна субъективных методов оценивания качества делают привлекательным автоматическое измерение качества с помощью определенных алгоритмов. Многие разработчики систем видеосжатия и видеообработки часто опираются на так называемые объективные (алгоритмические) меры качества. Наиболее популярной мерой служит пиковое соотношение сигнал/шум PSNR (Peak Signal to Noise Ratio), однако ограниченность этого метода привела к многочисленным попыткам разработать более изощренные меры, которые лучше походят на суждения «живых» зрителей.

2.6.2.1. PSNR

Пиковое соотношение сигнал/шум PSNR (Peak Signal to Noise Ratio) (см. уравнение (2.7)) измеряется с помощью логарифмической шкалы и вычисляется по среднеквадратичному отклонению MSE (mean squared error) исходного изображения от преобразованного видеокадра относительно числа  (квадрата наибольшего возможного значения пиксела, где  число бит на сэмпл кадра):

           (2.7)

Величину PSNR можно легко и быстро вычислить, поэтому оно так популярно при оценивании качества изображения. Его постоянно используют при сравнивании сжатых и несжатых видеопоследовательностей. На рис. 2.15 показаны крупные планы трех изображений: первое изображение (а) является исходным (несжатым), а изображения (б) и (в) являются «подпорченными» (размытыми) вариантами исходного. Изображение (б) имеет PSNR, равное 30.6 дБ, a PSNR для изображения (в) равно 28,3 дБ (отражающее снижение качества изображения).

Рис. 2.15. Примеры PSNR: (а) оригинал, (б) 30.6 дБ, (в) 28.3 дБ.

Рис. 2.16. Изображение с размытым фоном (PSNR = 27.7 дБ).

Мера PSNR имеет целый ряд недостатков. Для вычисления величины PSNR необходимо иметь и исходную, и преобразованную последовательность, однако первая бывает не всегда доступна. Кроме того, не всегда легко проверить, что исходное видео само имело совершенное качество. Величина PSNR плохо коррелирует с субъективными мерами качества, например с ITU-R 500. Для некоторого изображения или последовательности изображений большое PSNR обычно указывает на высокое, а малое PSNR на низкое качество преобразованных изображений по сравнению с исходными. Однако конкретные величины PSNR необязательно гарантируют «абсолютно» субъективное качество. Например, на рис. 2.17 дано искаженное изображение рис. 2.15 (а), на котором был размыт лишь задний фон с облаками. Это изображение имеет PSNR, равное 27.7 дБ по отношению к исходному. Большинство зрителей скажут, что это изображение гораздо лучше изображения на рис. 2.15 (в), так как лицо девочки очень четкое. Это противоречит оценке качества по показателю PSNR. Рассмотренный пример показывает, что рейтинг PSNR не всегда коррелирует с «правдивой» субъективной оценкой качества. В этом случае «живой» обозреватель придает большее значение качеству области с изображением лица по сравнению с другими частями этой картинки.

2.6.2.2. Другие объективные метрики качества

Из-за ограниченности грубых метрик вроде PSNR в последние годы было сделано немало попыток разработать более приемлемые объективные тесты, которые стояли бы ближе к результатам субъективных оценок качества. Много разных подходов предложено в [5 7], однако ни один из них не стал признанной альтернативой субъективным тестам. В настоящее время не имеется стандартизованной и калиброванной системы для объективного («автоматического») тестирования цифрового кодированного видео. Зная об этом, группа VQEG (Video Quality Experts Group) ITU-T поставила перед собой цель развить стандарт для объективной оценки качество видео [8]. Первым шагом в этом процессе было тестирование и сравнение потенциальных моделей объективного оценивания. В марте 2000 года группа VQEG сделала сообщение о первом раунде проверок, при котором было изучено 10 конкурирующих систем при одинаковых условиях испытаний. К сожалению, ни одно из 10 предложений не было признанно подходящим для стандартизации, и VQEG выполняло второй раунд тестов в 2003 году. Несмотря на наметившиеся существенные прорывы в автоматическом оценивании, проблема приемлемого алгоритмического оценивания качества, вероятно, останется открытой еще достаточно долго.

 



<< ПредыдущаяОглавлениеСледующая >>