Full reference image quality assessment

Abstract

Bu tezde, seyrek komşu önemine dayalı yeni bir tam referans görüntü kalitesi değerlendirme yöntemi önerilmiştir. Yöntem esas olarak paralel çalışan iki ayrı işlem hattından oluşur. İlk işlem hattında, giriş görüntüsünden bir dizi örtüşmeyen blok elde edilir ve merkezi bloğu yeniden oluşturmak için seyrek kodlamada kullanılmak üzere bir merkezi blok ve dört komşu blok seçilir. Komşu bloklar sözlük olarak kullanılır ve merkezi blok ilgili sinyal olarak tasarlanır. Elde edilen seyrek vektörler daha sonra referans ve çarpık görüntü arasındaki benzerlik ölçümünde kullanılan seyrek önem haritalarını oluşturmak için kullanılır. İkinci işlem hattında, gradyan bilgisi, önerilen yöntemin genel performansını artırmak için yardımcı bir özellik olarak kullanılır. Bu tezde, önerilen yöntemin performansını belirleyebilmek için bir takım deneyler yapılmıştır: Önerilen yöntem, dört görüntü kalitesi değerlendirme veri kümesi üzerinde en son teknoloji sığ ve derin yöntemlerle karşılaştırılmıştır. Deneylerden elde edilen sonuçlara göre, önerilen yöntem İnsan Görme Sistemi ile güçlü bir korelasyona sahiptir ve benzerleri ile rekabetçi bir performans göstermektedir.

In this thesis, a novel full reference image quality assessment method based on sparse neighbor significance is proposed. The method consists of two separate pipelines running in parallel. In the first pipeline, a set of non-overlapping blocks are obtained from the input image, and a central block and four neighboring blocks are chosen to be used in the sparse coding to reconstruct the central block. The neighboring blocks are used as dictionaries and the central block is devised as the signal of interest. The obtained sparse vectors are then utilized to create the sparse significance maps, which are used in the similarity measurement between the reference and the distorted image. In the second pipeline, the gradient information is employed as an auxiliary feature to enhance the overall performance of the proposed method. In this thesis, to be able to determine the performance of the proposed method, several experiments are conducted: the proposed method is compared against the state-of-the-art shallow and deep methods on four image quality assessment datasets. According to the results from the experiments, the proposed method possesses a strong correlation with the Human Visual System and shows a competitive performance with respect to its counterparts.