tuzsutТруды учебных заведений связиProceedings of Telecommunication Universities1813-324X2712-8830СПбГУТ10.31854/1813-324X-2024-10-2-16-23TTPABWtuzsut-565Research ArticleЭЛЕКТРОНИКА, ФОТОНИКА, ПРИБОРОСТРОЕНИЕ И СВЯЗЬELECTRONICS, PHOTONICS, INSTRUMENTATION AND COMMUNICATIONSАлгоритм безэталонной оценки качества изображенийNo-Reference Image Quality Assessment Algorithmhttps://orcid.org/0009-0007-4916-1816ГрицкевичИ. Ю.GritskevichI.

аспирант кафедры телевидения и метрологии

i@robotace.ruhttps://orcid.org/0000-0003-1972-4124ГогольА. А.GogolA.

доктор технических наук, профессор, профессор кафедры телевидения и метрологии

agogol@sut.ruСанкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-БруевичаРоссияThe Bonch-Bruevich Saint-Petersburg State University of TelecommunicationsRussian Federation2024030520241021623Copyright © Грицкевич И.Ю., Гоголь А.А., 20242024Грицкевич И.Ю., Гоголь А.А.Gritskevich I., Gogol A.This work is licensed under a Creative Commons Attribution 4.0 License.https://tuzs.sut.ru/jour/article/view/565

В статье рассматривается разработка алгоритма локальной оценки качества изображений, сфокусированного на анализе контраста и общего качества визуальных данных. Предлагаемый алгоритм направлен на повышение эффективности оценки качества изображений, особенно в условиях низкого контраста и воздействия различных шумов. Методика создания алгоритма дает возможность учитывать спектральные диапазоны и обеспечивает локальную оценку контраста, что делает его применимым в широком спектре задач, связанных с анализом и улучшением качества изображений. Разработанный подход позволяет улучшить качество визуальных данных, поддерживая важные аспекты восприятия контраста и общего качества изображений. Разработана методика безэталонной оценки качества изображений для настройки параметров работы систем обработки изображений. Приведен принцип локальной автоматизированной оценки качества изображений на основе оценки искажений и среднего нормированного контраста. Приводятся результаты натурных испытаний.

The presented article focuses on the development of a local image quality assessment algorithm, specifically designed for analyzing contrast and overall visual data quality. The proposed algorithm aims to enhance the efficiency of image assessment, particularly in conditions of low contrast and the presence of various types of noise. The algorithm's methodology takes into account spectral ranges and provides precise local contrast assessment, making it applicable to a broad spectrum of tasks related to image analysis and enhancement. The developed approach has the potential to improve the quality of visual data by supporting crucial aspects of contrast perception and overall image quality.

контрастискаженияоценка качества изображенийобработка изображенийнейронные сетибезэталонная оценка качества изображенийcontrastdistortionsimage quality assessmentimage processingneural networkslocal image assessmentReferencesГрицкевич И.Ю., Ерганжиев Н.А. Алгоритм адаптивного контрастирования с учетом локальных сюжетных осо-бенностей изображения // V Международная научно-техническая конференция, посвященная 140-летию со дня рождения выдающегося физика и создателя первой русской усилительной радиолампы Н.Д. Папалекси «Актуальные проблемы радио- и кинотехнологий» (Санкт-Петербург, Россия, 24–25 ноября 2020). СПб.: Санкт-Петербургский государственный институт кино и телевидения, 2021. С. 36−40. EDN:DNBFGBGritskevich I.Y., Erganzhiev N.A. The Adaptive Contrast Enhancement Algorithm Based on Local Characteristic of the Scene Image. Proceedings of the Vth International Scientific and Technical Conference on Actual Problems of Radio and Film Technologies, 24−25 November 2020, St. Petersburg, Russia. St. Petersburg: St. Petersburg State Institute of Cinema and Tele-vision; 2021. p.36−40. (in Russ.) EDN:DNBFGBГонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2006. 1072 с.Gonzalez R., Woods R. Digital Image Processing. Moscow: Tekhnosfera Publ.; 2006. 1072 p. (in Russ.)Красильников Н.Н. Цифровая обработка 2D- и 3D-изображений. СПб.: БХВ-Петербург, 2011. 608 с.Krasilnikov N.N. Digital Processing of 2D and 3D Images. St. Petersburg: BHV-Petersburg Publ.; 2011. 608 p. (in Russ.)Сифоров В.И., Ярославский Л.П. Адаптивные методы обработки изображений. М.: Наука, 1988. 248 с.Siforov V.I., Yaroslavsky L.P. Adaptive Methods of Image Processing. Moscow: Nauka Publ.; 1988. 248 p. (in Russ.)Начаров Д.В. Метод контрастирования изображений средствами модифицированного S-образного преобразования яркости // Вестник Воронежского государственного технического университета. 2023. Т. 19. № 2. С. 94–102. DOI:10.36622/VSTU.2023.19.2.014. EDN:XEUQGWNacharov D.V. Image Contrast Enhancement by Means of Modified S-Shaped Intensity Transrofm. Bulletin of Voronezh State Technical University. 2023;19(2):94–102. (in Russ.) DOI:10.36622/VSTU.2023.19.2.014. EDN:XEUQGWУмбиталиев А.А., Цыцулин А.К., Левко Г.В., Пятков В.В., Кузичкин А.В., Дворников С.В. и др. Теория и практика космического телевидения. СПб: АО «НИИ телевидения», 2017.Umbitaliev A.A., Tsitsulin A.K., Levko G.V., Pyatkov V.V., Kuzichkin A.V., Dvornikov S.V., et al. Theory and Practice of Space Television. St. Petersburg: JSC "Research Institute of Television", 2017. 368 p. (in Russ.)Suckling J., Parker J., Dance D., Astley S., Hutt I., Boggis C., et al. The mammographic Image Analysis Society Digital Mammogram Database // Exerpta Medica. International Congress Series. 1994. Vol. 1069. PP. 375−378.Suckling J., Parker J., Dance D., Astley S., Hutt I., Boggis C., et al. The mammographic Image Analysis Society Digital Mammogram Database. Exerpta Medica. International Congress Series. 1994;1069:375−378.Van Ginneken B., Romeny B.M.T.H. Computer-aided diagnosis in chest radiography: a survey // IEEE Transactions on Medical Imaging. 1998. Vol. 20. Iss. 12. PP. 1228−1241. DOI:10.1109/42.974918Van Ginneken B., Romeny B.M.T.H. Computer-aided diagnosis in chest radiography: a survey. IEEE Transactions on Mdical Imaging. 1998;20(12):1228−1241. DOI:10.1109/42.974918Karssemeijer N., Otten J.D.M., Rijken H., Holland R. Computer aided detection of masses in mammograms as decision support // IEEE Transactions on Medical Imaging. 1993. Vol. 12. Iss. 4. PP. 608−615.Karssemeijer N., Otten J.D.M., Rijken H., Holland R. Computer aided detection of masses in mammograms as decision support. IEEE Transactions on Medical Imaging. 1993;12(4):608−615.Wang Z., Wu G., Bovik A.C. Reduced and No-Reference Image Quality Assessment // IEEE Signal Processing Magazine. 2011. Vol. 28. Iss. 6. PP. 29−40. DOI:10.1109/MSP.2011.942471Wang Z., Wu G., Bovik A.C. Reduced and No-Reference Image Quality Assessment. IEEE Signal Processing Magazine. 2011;28(6):29−40. DOI:10.1109/MSP.2011.942471Seshadrinathan K., Bovik A.C. Video Quality Assessment // In: Essential Guide to Video Processing. New York: Academic, 2009.Seshadrinathan K., Bovik A.C. Video Quality Assessment. In: Essential Guide to Video Processing. New York: Academic; 2009.Bovik A.C., Wang Z. Modern Image Quality Assessment. New York: Morgan and Claypool, 2006.Bovik A.C., Wang Z. Modern Image Quality Assessment. New York: Morgan and Claypool; 2006.Sheikh H.R., Bovik A.C., De Veciana G. An information fidelity criterion for image quality assessment using natural scene statistics // IEEE Transactions on Image Processing. 2005. Vol. 14. Iss. 12. PP. 2117–2128. DOI:10.1109/TIP.2005.859389Sheikh H.R., Bovik A.C., De Veciana G. An information fidelity criterion for image quality assessment using natural scene statistics. IEEE Transactions on Image Processing. 2005;14(12):2117–2128. DOI:10.1109/TIP.2005.859389Rec. ITU-R BT.500-11 (2002) Methodology for subjective assessment of the quality of television pictures.Rec. ITU-R BT.500-11 Methodology for subjective assessment of the quality of television pictures. 2002.

The authors declare that there are no conflicts of interest present.