개선된 인지적인 구조 유사도 기반 이미지 품질 평가에 관한 연구
Research of Improved Perceptual Image Quality Assessment based on Structural Similarity
- 주제(키워드) 영상처리 , 기계학습
- 발행기관 아주대학교
- 지도교수 김영진
- 발행년도 2016
- 학위수여년월 2016. 2
- 학위명 석사
- 학과 및 전공 일반대학원 전자공학과
- 실제URI http://www.dcollection.net/handler/ajou/000000021404
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
현재까지 인간 시각 체계를 정확하게 반영하기 위한 이미지 평가 기법에 대한 연구가 많이 이루어져 오고 있다. SSIM (Structural Similarity Index)은 인간의 시각 체계가 이미지의 구조적 정보에 예민하다는 점을 이용하여 구조적 정보를 이용하여 이미지를 평가하는 대표적인 인간 시각 체계를 만족시키는 평가 기법이다. 하지만 SSIM으로 대표되는 기존의 이미지 품질 평가 기법들은 크게 두 가지 문제를 갖고 있다. 첫 번째로 SSIM은 이미지의 색 차이를 반영하지 못하는 문제가 있다. 이러한 문제를 해결하기 위해, HSI 색 공간을 활용한 SHSIM (Hue, Saturation, Intensity)기법이 제안되었으나 이 기법 또한 두 컬러 이미지 간 인지적인 색 차이를 충분히 반영하지는 못하고 있다. 본 논문에서는 CIE Lab 색 공간을 도입하여 대응 되는 픽셀들의 인지적 색 차이를 계산하여 이미지 평가에 활용하는 방법을 제안한다. 다음으로는 실제 이미지의 왜곡 정도와 모델에 의한 평가 결과값들의 관계를 비교해 보았을 때, 평가 결과 값들이 왜곡 종류에 대해 편향된다는 문제가 있다. 이문제를 해결하기 위해 SVM (Support vector machine) 분류기를 활용하여 이미지를 왜곡 종류에 따라 분류하고 각각에 최적의 평가 수식을 적용함으로써 성능을 개선하는 최적화 시스템을 제안한다. 한편, 이러한 기법들은 인간의 실제 판단 결과를 고려하지는 않기 때문에 인간 시각 체계를 반영하는 데에 한계가 있다. 이러한 한계를 극복하기 위해 본 논문에서는 기계학습 기법 중 하나인 SVR (Support vector regression)을 이용하여 실제 판단 결과 정보들과 함께 학습시켜 이미지의 품질을 예측하는 새로운 기법을 제안한다. 이미지의 구조적인 특징들을 위상 패턴과 인지적 색 차이로 표현하고 이 특징 정보들을 기계학습 시켜 컴퓨터로 하여금 인간의 시각에 가까운 판단을 할 수 있도록 하였다. 제안하는 기법들을 평가하기 위해, 이미지 평가 분야에서 가장 많이 알려진 데이터베이스들을 사용하였으며 네 종류의 평가 기준들을 이용하였다. 실험 결과에서는 제안하는 기법이 다른 기법들보다 인간 시각 체계와 더 상관성이 높다는 것을 보여줌으로써 성능을 입증하였다.
more목차
1 장 서론 1
2 장 기존의 이미지 품질 평가 기법 3
2.1절 SSIM 평가 기법 3
2.2절 SSIM의 개선 연구 4
2.3절 연구 동기 5
3 장 인지적 색 공간을 이용한 컬러 이미지 평가 기법(PC-SSIM) 9
3.1절 CIE Lab 색 공간 색 유사도 수식 9
3.2절 인지적 색 유사도를 반영한 이미지 평가 기법 10
3.3절 실험환경 및 결과비교 11
4 장 기계학습법 기반 최적화 시스템을 이용한 인지적 이미지 평가 기법 14
4.1절 SVM (Support vector machine) 분류기 14
4.2절 왜곡 종류별로 이미지 분류 및 최적 상수 결정 16
4.3절 실험환경 및 결과비교 19
5 장 새로운 구조적 특징을 이용한 이미지 평가 기법 24
5.1절 왜곡 이미지의 특징 추출 25
5.2절 SVR (Support vector regression) 28
5.3절 실험환경 및 결과비교 28
6 장 결론 및 향후 연구 31
참고문헌 32
Abstract 35
