Évaluation de la qualité d'image - Base de données LIVE

Différents types de dégradations

• Les dégradations d'image lors de la compression JPEG sont principalement appelées « effet de blocs ».
• Visuellement, cet effet se manifeste par des contours verticaux et horizontaux aux frontières entre les blocs.
• La visibilité de cet effet dépend de la distribution spatiale du signal de l'image.
• Chaque bloc est encodé indépendamment, ce qui peut créer une discontinuité à la frontière entre deux blocs, perçue par l'œil humain.

Effet d'oscillations parasites (ringing effect)

• Cette dégradation est généralement due à l'étape de quantification ou de décimation des coefficients de hautes fréquences.
• Elle apparaît sous forme d'oscillations au voisinage des régions à fort contraste.
• Ces oscillations apparaissent comme un bruit autour des régions à fort contraste.
• Les ondelettes dont le support croise le bord d'un objet créent ce type d'artefact.

Flou

• Le flou est un effet esthétique qui donne un contour imprécis.
• Il apparaît principalement lors de la compression JPEG et JPEG2000.
• La perte de netteté de l'image est une caractéristique du flou.
• Les bords des objets sont plus diffus dans une image floue.
• Le flou peut être lié à l'acquisition de l'image, au mouvement ou être volontaire.

Bruit

• Le bruit est une dégradation d'image provoquée par une perturbation externe.
• On peut déterminer le type de bruit sur l'image pour choisir la méthode la plus adaptée pour le réduire.
• "Bruit poivre et sel" : bruit impulsionnel ou bruit de grenaille.
• Il est causé par des fortes perturbations soudaines dans le signal d'image.
• L'apparence de ce type de bruit est éparpillée de façon aléatoire, principalement par des pixels blancs ou noirs.
• "Bruit gaussien" : une forme idéalisée de bruit blanc, provoqué par des fluctuations aléatoires dans le signal.

Évaluation subjective

• La mesure de la qualité visuelle d'images, appelée « méthode subjective d'évaluation de la qualité d'images », est basée sur le jugement humain.
• Un groupe de personnes (expert et non-expert) évalue la qualité des images.
• L'évaluation suit une grille d'évaluation à plusieurs niveaux pour générer une note subjective.
• Les facteurs influents sont la distance d'observation, les conditions de visualisation, le type d'écran, le choix des images, les observateurs, et les facteurs psychologiques.

Distance d'observation

• La distance d'observation affecte la visibilité du stimulus.
• Fixer la distance entre 4 et 6 fois la hauteur de l'image pour toutes les expériences.

Écran

• Calibrer l'écran pour des conditions optimales et reproductives.
• S'assurer que les couleurs affichées correspondent au stimulus d'origine.

Conditions de visualisation

• L'environnement et l'éclairage de la salle affectent la perception des stimuli de l'expérience.
• Eviter un éclairage élevé pour éviter de troubler l'observateur.
• La couleur de fond affectera l'apparence des couleurs testées.

Choix des images

• Choisir un panel d'images variées et représentatives de l'application visée.

Facteurs psychologiques

• Débuter les tests par une séance d'initiation.
• Expliquer clairement l'objectif du test et le protocole à respecter pour éviter d'influencer les participants.
• Préférer des tests de courte durée et variés.
• Sélectionner des observateurs avec une acuité visuelle et une vision des couleurs normales.

Méthodes catégorielles

• Les observateurs attribuent une note de qualité à une image en fonction de leur jugement personnel.
• Les échelles peuvent utiliser un vocabulaire descriptif (adjectifs) ou numérique (0 à 100).

Méthodes à simple stimulus

• L'observateur voit une image et choisit au mieux la note de qualité.
• Suivie d'une période de latence, l'image suivante est présentée.

Méthodes à double stimulus

• L'observateur compare l'image dégradée à l'image originale en évaluant sa fidélité.

Méthodes comparatives

• Les deux images sont présentées simultanément pour qu'un observateur détermine quelle image est de meilleure qualité.

MOS (Score d'opinion moyen)

• La note moyenne de qualité est calculée en combinant les notes de tous les observateurs, donnée par la formule :

  MOS(i) = 1/N * Σ Note(i)

DMOS (Difference mean opinion score)

• Calculé comme la différence entre les notes de qualité brutes des images de référence et des images testées.

Intervalle de confiance

• Un intervalle de confiance est fixé à 95% pour réduire l'impact d'éventuelles erreurs lors du calcul du MOS
• Il est calculé à l'aide d'une formule incluant l'écart-type. Formule fournie par l'article.

Évaluation objective de la qualité des images fixes

• Les métriques objectives, contrairement aux métriques subjectives, sont plus rapides et moins coûteuses.
• Ces métriques permettent de prédire la qualité d'une image de manière automatique.
• Elles ont plusieurs applications, telles que le contrôle de la qualité, l'amélioration des algorithmes de traitement d'image, ou l'optimisation des systèmes de transmission d'image.

Limites des métriques subjectives

• Elles sont longues et coûteuses, nécessitant de nombreux observateurs.
• Ne conviennent pas aux applications en temps réel.
• Les résultats dépendent des conditions physiques et de l'état émotionnel des observateurs, ainsi que des facteurs externes comme le dispositif d'affichage et l'éclairage.

Catégories des métriques IQA selon la présence du signal original

• Métriques à référence complète : utilisent le signal original pour évaluer la qualité de l'image déformée.
• Métriques à référence réduite : utilisent des caractéristiques extraites du signal original pour évaluer la qualité de l'image déformée.
• Métriques sans référence : n'utilisent pas le signal original dans leur processus d'évaluation.

Métriques à référence complète exemples

• PSNR (Peak Signal to Noise Ratio)

PSNR (Peak Signal to Noise Ratio)

• Métrique simple, ne tenant pas compte du système visuel humain (SVH).
• Utilise RMSE (Mean Squared Error) dans sa formule. La formule est fournie.

Indice de similarité structurelle (SSIM)

•  Métrique qui mesure la similarité de structure entre deux images.
•  Prend en compte la luminance, le contraste et la structure de l'image.
•  Formule fournie.

Métrique avec prise en compte des caractéristiques SVH

• Ces métriques incluent la sensibilité de la fréquence, la sensibilité à la luminance et l'effet de masquage.

Bases de données de qualité d'image subjective

•  Les bases de données d'images comme Toyama, LIVE, IVC, et CSIQ sont utilisées pour évaluer la qualité d'images déformées.
•  Les images dans ces bases de données sont soumises à différents types de déformations pour l'évaluation des métriques de qualité.

LIVE image database (2005)

• Base de données utilisée pour mesurer la qualité subjective de 982 images test.
• Images déformées par 5 types de distorsions (jpeg, JPEG2000, bruit, flou et erreurs de transmission).

IVC image database (2006)

• Base de données d'images créée à l'Université de Nantes, France
•  Évaluation subjective basée sur une échelle d'altération à double stimulus des images test en comparaison avec l'image originale.

CSIQ image database (2009)

• Une base de données contenant 30 images de référence.
• Image déformée par 6 types de distorsions (JPEG, JPEG2000, flou gaussien, bruit additif, global contrast et bruit gaussien.)

TID image database (2008)

• Base de données contenant 25 images naturelles et une image artificielle.
• Les images subissent 17 types de déformation, incluant la compression JPEG et JPEG 2000.

Évaluation des performances des métriques de qualité

• La performance des métriques objectives est évaluée en analysant leur capacité à estimer les estimations de qualité subjectives.
• Trois aspects sont évalués : Précision de la prédiction, Monotonicité, et Cohérence.

Coefficient de corrélation linéaire (précision)

• Mesure la force de la relation linéaire entre deux vecteurs (X et Y) par un coefficient, variable entre -1 et 1 incluant. Formule fournie.

Coefficient de corrélation de rang (monotonicité)

• Mesure la relation monotone entre deux vecteurs. Différentes formules sont données dans l'article, incluant Spearman et Kendall.

Erreur de prédiction de la qualité

• RMSE (Root Mean Squared Error) et MAE (Mean Absolute Error). Formule fournie.

BRISQUE (Blind/referenceless image spatial quality Evaluator)

• Métrique sans référence (aveugle) basée sur les propriétés statistiques régulières des images naturelles.

Étapes de la méthode BRISQUE

• Extraire les statistiques de scène naturelles (NSS).
• Calculer les vecteurs de caractéristiques.
• Prédire le score de qualité de l'image.

Normalisation du Contraste Soustrait à la Moyenne (MSCN)

• Technique de normalisation d'image.
• Prend en compte les voisinages pour caractériser les pixels.
• Formule pour le calcul de la luminance, du champ moyen local (μ) et du champ de variance local (σ) est fournie.

Ce quiz porte sur l'évaluation de la qualité d'image dans la base de données LIVE version 2. Testez vos connaissances sur les méthodes d'évaluation, les types de distorsion, et les scores de qualité visuelle. Profitez de questions variées relatives à l'analyse des images et à la perception de leur qualité.