NO-REFERENCE IMAGE QUALITY ASSESSMENT USING NEURAL NETWORKS

Abstract

في السنوات الأخيرة، شهدنا تقدما ملحوظا في مجال معالجة المعلومات الرقمية. الصور والفيديو الرقمية تنتشر بسرعة. وعلى الرغم من التقدم في مجال الاتصالات الرقمية، فإن الصور / الفيديو مازالت تعاني من عاهات رئيسية والتي تؤدي إلى تدهور جودة الصورة. وبالتالي، هناك حاجة إلى بعض التدابير النوعية الموضوعية لرصد هذه العاهات، وتحسين المعاملات المسيطرة لتحسين الجودة. ومع ذلك، فإن الهدف من صياغة تدابير جودة الصورة صعب للغاية، خاصة في غياب الصورة الأصلية. في هذه الأطروحة، نقترح صورة ذات نوعية التقييم نظام (لا مرجع تعلم ) قائم على استخدام الشبكات العصبية الاصطناعية. والهدف هو تطوير حسابي نموذج لقييم جودة الصور التي تدهورت بفعل التشوهات التالية: الطمس، الضوضاء، ضغط JPEG ، ضغط JPEG2000 ، وعبر كل التشوهات. إن الملاحظة الرئيسية الاصطناعية التي في هذه التشوهات من سببها مجموعة من الميزات التي تميز المستخرجة من الوسيط الناقل مشوهة. يتم استخدام هذه الميزات بالموقع كمدخل إلى الشبكة العصبية للتنبؤ بالجودة. تتعلم الشبكة العصبية التأقلمية العلاقة الغير الخطية بين الميزات الإحصائية وتصنيف الجودة الشاملة، والتي تقارب درجة جودة قريبة من الإدراك البشري. تجرى التجارب على الصور المأخوذة من قاعدة بيانات حية قياسية. يتم تقييم أداء الخوارزمية المقترحة باستخدام المعايير التي أوصى بها فريق الخبراء لجودة الفيديو. تظهر النتائج التجريبية أن التدبير المقترح للجودة يتفوق على نماذج الانحدار اللوجستي التقليدية، مع وجود علاقة ممتازة بين المتوقعة ونقاط الجودة الشخصية. إن نهج التعلم الآلي المقترح هو تقنية قوية، ويمكن تطبيقها على الصور / الفيديو التي تعاني من أي نوع من التشويه