piqe

PIQE(Perception based Image Quality Evaluator)의 무참조 영상 품질 점수

페이지 내 모두 축소

구문

score = piqe(A)
[score,activityMask,artifactsMask,noiseMask] = piqe(A)

설명

score = piqe(A)는 PIQE(Perception based Image Quality Evaluator)를 사용하여 영상 A의 무참조(No-Reference) 영상 품질 점수를 계산합니다. 점수가 낮을수록 더 나은 지각 품질을 나타냅니다.

예제

[score,activityMask,artifactsMask,noiseMask] = piqe(A)는 입력 영상에서 계산된 공간 품질 마스크도 반환합니다.

예제

예제

모두 축소

라이브 스크립트 열기

영상을 작업 공간으로 읽어 들입니다. 잡음과 블러를 추가하여 왜곡된 영상을 생성합니다. imnoise 함수를 사용하여 잡음이 있는 영상을 생성하고, imgaussfilt 함수를 사용하여 흐릿한 영상을 생성합니다.

A = imread("lighthouse.png");
Anoise = imnoise(A,"Gaussian",0,0.05);
Ablur = imgaussfilt(A,2);

원본 영상과 왜곡된 영상의 PIQE 점수를 계산합니다. 

score = piqe(A);
score_noise = piqe(Anoise);
score_blur = piqe(Ablur);

영상을 몽타주 형태로 표시하고 해당 점수를 Figure 제목의 일부로 넣습니다.

montage({A,Anoise,Ablur},Size=[1 3])
title("Original PIQE score = "+score+ ...
    "    |    Noisy PIQE score = "+score_noise+  ...
    "    |    Blurred PIQE score = "+score_blur,FontSize=8)

Figure contains an axes object. The hidden axes object with title Original PIQE score = 24.8481 | Noisy PIQE score = 72.3643 | Blurred PIQE score = 85.7362 contains an object of type image.

라이브 스크립트 열기

왜곡된 영상(JPEG2K로 인한 왜곡)을 작업 공간으로 읽어 들입니다.

Adistorted = imread("DistortedImage.png");

PIQE 점수와 공간 품질 마스크를 계산합니다. 

[score,maskActivity,maskArtifacts,maskNoise] = piqe(Adistorted);

입력 영상에 공간 품질 마스크를 겹쳐 놓습니다. 

mask_1 = labeloverlay(Adistorted,maskActivity,Colormap="winter",Transparency=0.25);
mask_2 = labeloverlay(Adistorted,maskArtifacts,Colormap="autumn",Transparency=0.25);
mask_3 = labeloverlay(Adistorted,maskNoise,Colormap="hot",Transparency=0.25);

원본 왜곡 영상과, 이 왜곡된 영상에 공간 품질 마스크를 겹쳐 놓은 영상을 몽타주 형태로 표시합니다.

figure
montage({Adistorted,mask_1,mask_2,mask_3},Size=[1 4])
title("Distorted Image   |    Activity    |    Noticeable Artifacts    |    Noise", ...
    FontSize=12)

Figure contains an axes object. The hidden axes object with title Distorted Image | Activity | Noticeable Artifacts | Noise contains an object of type image.

왜곡된 영상의 PIQE 점수를 표시합니다.

disp("PIQE score for the distorted image is "+score)
PIQE score for the distorted image is 65.1855

입력 인수

모두 축소

입력 영상으로, 크기가 m×n인 2차원 회색조 영상 또는 m×n×3인 2차원 RGB 영상으로 지정됩니다.

데이터형: single | double | int16 | uint8 | uint16

출력 인수

모두 축소

입력 영상 A에 대한 PIQE 점수로, [0, 100] 범위의 음이 아닌 스칼라로 반환됩니다. PIQE 점수는 무참조 영상 품질 점수로, 영상의 지각 품질과 역상관관계에 있습니다. score 값이 낮을수록 지각 품질이 높고, score 값이 높을수록 지각 품질이 낮습니다.

데이터형: double

활성도 블록의 공간 품질 마스크로, 크기가 m×n인 2차원 이진 영상으로 반환됩니다. 여기서 m과 n은 입력 영상 A의 차원입니다. activityMask는 입력 영상에서 공간 활성도가 높은 블록(high spatially active block)으로 구성됩니다. 입력 영상에서 공간 활성도가 높은 블록은 압축 아티팩트와 잡음을 비롯한 여러 요인으로 인해 공간적 변동성이 상대적으로 높은 영역입니다. activityMask에서 공간 활성도가 높은 블록에는 값 1이 할당됩니다.

데이터형: logical

눈에 띄는 아티팩트의 공간 품질 마스크로, 크기가 m×n인 2차원 이진 영상으로 반환됩니다. 여기서 m과 n은 입력 영상 A의 차원입니다. artifactsMask는 activityMask의 블록 중 블로킹 아티팩트(압축으로 인함) 또는 갑작스런 왜곡이 포함된 블록으로 구성됩니다.

데이터형: logical

가우스 잡음의 공간 품질 마스크로, 크기가 m×n인 2차원 이진 영상으로 반환됩니다. 여기서 m과 n은 입력 영상 A의 차원입니다. noiseMask는 activityMask의 블록 중 가우스 잡음이 포함된 블록으로 구성됩니다.

데이터형: logical

알고리즘

PIQE는 블록별 왜곡 추정을 통해 영상의 무참조 품질 점수를 계산합니다. 단계는 다음과 같습니다.

  1. N. Venkatanath 등[1]이 제안한 알고리즘을 사용하여 영상의 각 픽셀에 대한 MSCN(Mean Subtracted Contrast Normalized) 계수를 계산합니다.

  2. 입력 영상을 16×16 크기의 비중첩 블록으로 나눕니다.

  3. MSCN 계수의 분산을 바탕으로 공간 활성도가 높은 블록(high spatially active block)을 식별합니다.

  4. 공간 활성도가 높은 것으로 식별된 블록들을 사용하여 activityMask를 생성합니다.

  5. 각 블록에서 블로킹 아티팩트와 잡음으로 인한 왜곡을 MSCN 계수를 사용하여 계산합니다.

  6. 임계값 기준을 사용하여, 블록을 블로킹 아티팩트가 있는 왜곡된 블록, 가우스 잡음이 있는 왜곡된 블록, 왜곡되지 않은 블록으로 분류합니다.

  7. 블로킹 아티팩트가 있는 왜곡된 블록에서 noticeableArtifactsMask를, 가우스 잡음이 있는 왜곡된 블록에서 noiseMask를 생성합니다.

  8. 입력 영상의 PIQE 점수를 왜곡된 블록의 점수 평균으로 계산합니다.

  9. 다음 표에는 PIQE 점수에 따른 영상 품질 척도가 나와 있습니다. 품질 척도와 해당 점수 범위는 LIVE Image Quality Assessment Database Release 2[2]의 데이터셋에 대한 실험적 분석을 통해 할당되었습니다.

품질 척도점수 범위
최상[0, 20]
양호[21, 35]
보통[36, 50]
부족[51, 80]
나쁨[81, 100]

참고 문헌

[1] N. Venkatanath, D. Praneeth, Bh. M. Chandrasekhar, S. S. Channappayya, and S. S. Medasani. "Blind Image Quality Evaluation Using Perception Based Features", In Proceedings of the 21st National Conference on Communications (NCC). Piscataway, NJ: IEEE, 2015.

[2] Sheikh, H. R., Z. Wang, L. Cormack and A.C. Bovik, "LIVE Image Quality Assessment Database Release 2 ", https://live.ece.utexas.edu/research/quality/.

버전 내역

R2018b에 개발됨

참고 항목

함수

도움말 항목