Podcast
Questions and Answers
Les métriques IQA peuvent être classées en deux catégories uniquement.
Les métriques IQA peuvent être classées en deux catégories uniquement.
False (B)
Le PSNR (Peak Signal to Noise Ratio) prend en compte le HVS (système de vision humaine).
Le PSNR (Peak Signal to Noise Ratio) prend en compte le HVS (système de vision humaine).
False (B)
Le SSIM est utilisé pour mesurer la qualité visuelle d'une image par rapport à une image de référence.
Le SSIM est utilisé pour mesurer la qualité visuelle d'une image par rapport à une image de référence.
True (A)
La sensibilité à la fréquence est une des propriétés fondamentales du HVS.
La sensibilité à la fréquence est une des propriétés fondamentales du HVS.
Le DMOS est une métrique utilisée uniquement pour des évaluations subjectives.
Le DMOS est une métrique utilisée uniquement pour des évaluations subjectives.
Le MSE (Mean Square Error) est une mesure exclusive à la qualité d'une image déformée.
Le MSE (Mean Square Error) est une mesure exclusive à la qualité d'une image déformée.
Un intervalle de confiance de 95% est souvent associé à chaque note MOS.
Un intervalle de confiance de 95% est souvent associé à chaque note MOS.
L'effet de masquage détermine la visibilité d'un signal en présence d’un autre signal.
L'effet de masquage détermine la visibilité d'un signal en présence d’un autre signal.
Les métriques subjectives peuvent être facilement intégrées à des applications en temps réel.
Les métriques subjectives peuvent être facilement intégrées à des applications en temps réel.
Les résultats d'évaluation des métriques subjectives dépendent de nombreux facteurs, y compris l'état émotionnel des observateurs.
Les résultats d'évaluation des métriques subjectives dépendent de nombreux facteurs, y compris l'état émotionnel des observateurs.
Les métriques à référence réduite comparent uniquement des images sans référence.
Les métriques à référence réduite comparent uniquement des images sans référence.
Le PSNR est calculé en fonction de la luminance et de la structure de l'image.
Le PSNR est calculé en fonction de la luminance et de la structure de l'image.
Les méthodes IQA ne peuvent pas imiter les prévisions de qualité d'un observateur humain.
Les méthodes IQA ne peuvent pas imiter les prévisions de qualité d'un observateur humain.
Les systèmes d'acquisition d'images ne peuvent pas utiliser les métriques IQA pour améliorer la qualité d'image.
Les systèmes d'acquisition d'images ne peuvent pas utiliser les métriques IQA pour améliorer la qualité d'image.
Les algorithmes de traitement d'image ne peuvent pas être évalués à l'aide de métriques IQA.
Les algorithmes de traitement d'image ne peuvent pas être évalués à l'aide de métriques IQA.
La méthode objective d'évaluation de la qualité est conçue pour être précise et automatique.
La méthode objective d'évaluation de la qualité est conçue pour être précise et automatique.
La base de données IVC a été publiée par le Laboratoire d'Image, Vidéo et Communication de l'Université de Lyon.
La base de données IVC a été publiée par le Laboratoire d'Image, Vidéo et Communication de l'Université de Lyon.
La base de données IVC comprend 160 images de test générées à partir de 10 images de référence couleur.
La base de données IVC comprend 160 images de test générées à partir de 10 images de référence couleur.
La méthode à double stimulus utilise des images de test affichées de manière séquentielle.
La méthode à double stimulus utilise des images de test affichées de manière séquentielle.
Les échelles d'altération dans la base de données IVC sont limitées à trois classes.
Les échelles d'altération dans la base de données IVC sont limitées à trois classes.
La base de données A57 a été créée à partir d'une expérience sur 54 images de test.
La base de données A57 a été créée à partir d'une expérience sur 54 images de test.
La base de données A57 utilise uniquement des distorsions de compression JPEG.
La base de données A57 utilise uniquement des distorsions de compression JPEG.
Sept experts en imagerie ont évalué les distorsions dans la base de données A57.
Sept experts en imagerie ont évalué les distorsions dans la base de données A57.
La stratégie d'évaluation de la base de données IVC est similaire à celle des bases de données Toyama et LIVE.
La stratégie d'évaluation de la base de données IVC est similaire à celle des bases de données Toyama et LIVE.
Le coefficient de corrélation de Pearson mesure la force d'une relation non linéaire entre deux variables.
Le coefficient de corrélation de Pearson mesure la force d'une relation non linéaire entre deux variables.
Les coefficients de corrélation de rang sont des estimateurs non paramétriques typiques de la monotonie.
Les coefficients de corrélation de rang sont des estimateurs non paramétriques typiques de la monotonie.
L'Erreur Quadratique Moyenne (RMSE) est utilisée pour mesurer la fidélité des valeurs estimées par rapport aux valeurs réelles.
L'Erreur Quadratique Moyenne (RMSE) est utilisée pour mesurer la fidélité des valeurs estimées par rapport aux valeurs réelles.
La distance city-block est utilisée pour représenter la distance entre les images d référence lors de l'évaluation de la qualité d'image.
La distance city-block est utilisée pour représenter la distance entre les images d référence lors de l'évaluation de la qualité d'image.
La réorganisation du DCT est appliquée à l'image déformée avant l'image de référence.
La réorganisation du DCT est appliquée à l'image déformée avant l'image de référence.
Le coefficient de corrélation de Kendall est représenté par le symbole RHO.
Le coefficient de corrélation de Kendall est représenté par le symbole RHO.
Les coefficients de corrélation de Pearson nécessitent des hypothèses sur la linéarité entre les variables.
Les coefficients de corrélation de Pearson nécessitent des hypothèses sur la linéarité entre les variables.
L'indice de qualité visuelle d'une image est obtenu en regroupant les distances de chaque sous-bande DCT réorganisée.
L'indice de qualité visuelle d'une image est obtenu en regroupant les distances de chaque sous-bande DCT réorganisée.
Le vecteur de caractéristiques initial contient 36 éléments après réduction de moitié.
Le vecteur de caractéristiques initial contient 36 éléments après réduction de moitié.
Le score de qualité de l'image est prédit à partir des vecteurs de caractéristiques dans un algorithme d'apprentissage machine.
Le score de qualité de l'image est prédit à partir des vecteurs de caractéristiques dans un algorithme d'apprentissage machine.
Les coefficients MSCN sont ajustés par la fonction AGGD pour les produits pairs verticaux.
Les coefficients MSCN sont ajustés par la fonction AGGD pour les produits pairs verticaux.
L'algorithme SVM est un exemple d'apprentissage profond utilisé pour la prédiction.
L'algorithme SVM est un exemple d'apprentissage profond utilisé pour la prédiction.
Les algorithmes d'apprentissage machine peuvent transformer une image en vecteur de caractéristiques avant d'analyser sa qualité.
Les algorithmes d'apprentissage machine peuvent transformer une image en vecteur de caractéristiques avant d'analyser sa qualité.
Les effets de bloc lors de la compression JPEG se manifestent principalement par des contours flous.
Les effets de bloc lors de la compression JPEG se manifestent principalement par des contours flous.
L'effet d'oscillations parasites est causé par la quantification des coefficients basses fréquences.
L'effet d'oscillations parasites est causé par la quantification des coefficients basses fréquences.
Le flou dans une image JPEG provient d'une compression excessive.
Le flou dans une image JPEG provient d'une compression excessive.
Le bruit poivre et sel est aussi connu sous le nom de bruit binaire.
Le bruit poivre et sel est aussi connu sous le nom de bruit binaire.
Le flou volontaire est un type de dégradation d'image qui résulte d'un mouvement.
Le flou volontaire est un type de dégradation d'image qui résulte d'un mouvement.
Le bruit dans une image est toujours causé par une perturbation interne.
Le bruit dans une image est toujours causé par une perturbation interne.
Les artefacts créés par les ondelettes se produisent principalement sur les contours d'objets à faible contraste.
Les artefacts créés par les ondelettes se produisent principalement sur les contours d'objets à faible contraste.
Tous les blocs dans la compression JPEG sont encodés de manière indépendante les uns des autres.
Tous les blocs dans la compression JPEG sont encodés de manière indépendante les uns des autres.
Flashcards
Effet de bloc
Effet de bloc
Distorsion visuelle qui apparaît sur les frontières des blocs dans les images compressées avec JPEG. On observe des lignes verticales et horizontales plus ou moins visibles en fonction de la distribution spatiale du signal.
Effet d'oscillations parasites (ringing effect)
Effet d'oscillations parasites (ringing effect)
Dégradation due à la quantification ou la décimation des coefficients de hautes fréquences. On observe des oscillations autour des zones à fort contraste, ressemblant à du bruit.
Flou
Flou
Perte de netteté dans l'image, résultant d'une compression trop forte, notamment avec JPEG et JPEG2000. On observe des contours flous et des images moins précises.
Flou d'acquisition
Flou d'acquisition
Signup and view all the flashcards
Flou de mouvement
Flou de mouvement
Signup and view all the flashcards
Flou volontaire
Flou volontaire
Signup and view all the flashcards
Bruit
Bruit
Signup and view all the flashcards
Bruit poivre et sel
Bruit poivre et sel
Signup and view all the flashcards
Coefficient de corrélation linéaire
Coefficient de corrélation linéaire
Signup and view all the flashcards
Coefficient de corrélation de rang
Coefficient de corrélation de rang
Signup and view all the flashcards
Erreur de prédiction de la qualité
Erreur de prédiction de la qualité
Signup and view all the flashcards
Métrique à référence réduite
Métrique à référence réduite
Signup and view all the flashcards
GGD (Generalized Gaussian Distribution)
GGD (Generalized Gaussian Distribution)
Signup and view all the flashcards
Métrique IQA à référence complète
Métrique IQA à référence complète
Signup and view all the flashcards
Métrique IQA sans référence
Métrique IQA sans référence
Signup and view all the flashcards
PSNR (Peak Signal to Noise Ratio)
PSNR (Peak Signal to Noise Ratio)
Signup and view all the flashcards
Limite du PSNR
Limite du PSNR
Signup and view all the flashcards
Indice de similarité structurelle (SSIM)
Indice de similarité structurelle (SSIM)
Signup and view all the flashcards
Sensibilité de fréquence
Sensibilité de fréquence
Signup and view all the flashcards
Sensibilité à la luminance
Sensibilité à la luminance
Signup and view all the flashcards
Effet de masquage
Effet de masquage
Signup and view all the flashcards
Qu'est-ce que la base de données IVC ?
Qu'est-ce que la base de données IVC ?
Signup and view all the flashcards
Comment a été créée la base de données IVC ?
Comment a été créée la base de données IVC ?
Signup and view all the flashcards
Comment les images de la base de données IVC ont-elles été évaluées ?
Comment les images de la base de données IVC ont-elles été évaluées ?
Signup and view all the flashcards
Qu'est-ce que la base de données A57 ?
Qu'est-ce que la base de données A57 ?
Signup and view all the flashcards
Comment a été créée la base de données A57 ?
Comment a été créée la base de données A57 ?
Signup and view all the flashcards
Comment les images de la base de données A57 ont-elles été évaluées ?
Comment les images de la base de données A57 ont-elles été évaluées ?
Signup and view all the flashcards
Quel est le lien entre les bases de données IVC et A57 ?
Quel est le lien entre les bases de données IVC et A57 ?
Signup and view all the flashcards
Qu'est-ce que le DMOS ?
Qu'est-ce que le DMOS ?
Signup and view all the flashcards
Qu'est-ce que l'intervalle de confiance ?
Qu'est-ce que l'intervalle de confiance ?
Signup and view all the flashcards
Pourquoi l'intervalle de confiance est-il important ?
Pourquoi l'intervalle de confiance est-il important ?
Signup and view all the flashcards
Qu'est-ce que l'écart-type dans le contexte de la qualité d'image ?
Qu'est-ce que l'écart-type dans le contexte de la qualité d'image ?
Signup and view all the flashcards
Qu'est-ce que l'évaluation objective de la qualité (IQA) ?
Qu'est-ce que l'évaluation objective de la qualité (IQA) ?
Signup and view all the flashcards
Quelles sont les limites desméthodes d'évaluation subjectives ?
Quelles sont les limites desméthodes d'évaluation subjectives ?
Signup and view all the flashcards
Quelles sont les applications des méthodes IQA ?
Quelles sont les applications des méthodes IQA ?
Signup and view all the flashcards
Quel est le but ultime des méthodes IQA ?
Quel est le but ultime des méthodes IQA ?
Signup and view all the flashcards
Vecteur de caractéristiques
Vecteur de caractéristiques
Signup and view all the flashcards
Réduction d'image
Réduction d'image
Signup and view all the flashcards
Machine à Vecteurs de Support (SVM)
Machine à Vecteurs de Support (SVM)
Signup and view all the flashcards
Jeu de données d'entraînement
Jeu de données d'entraînement
Signup and view all the flashcards
Study Notes
Types de dégradations
- Différents types de dégradations affectent la qualité des images, notamment l'effet de bloc, le ringing effect, le flou, et le bruit.
- L'effet de bloc est une distorsion qui apparaît sous forme de blocs aux frontières entre zones de l'image.
- Le ringing effect est un bruit d'oscillations autour des zones à fort contraste.
- Le flou est un effet esthétique qui produit des contours imprécis.
- Le bruit peut être de différentes sortes, comme poivre et sel (bruit impulsionnel) ou gaussien.
Effet de bloc
- La compression JPEG génère l'effet de bloc.
- Visuellement, l'effet apparaît comme des contours verticaux et horizontaux entre blocs.
- La visibilité de l'effet dépend de la distribution spatiale du signal image.
- Les blocs sont encodés indépendamment, ce qui peut causer des discontinuités à leurs jonctions.
- Ces discontinuités sont perceptibles par l'œil humain.
Effet d'oscillations parasites (ringing effect)
- Cette dégradation est due à l'étape de quantification ou de décimation des coefficients hautes fréquences.
- Elle se manifeste sous forme d'oscillations aux frontières des zones de fort contraste.
- Les ondelettes dont le support croise le bord d'un objet créent ce type d'artefact.
Flou
- L'effet esthétique produit des contours imprécis.
- Principalement visible dans les compressions JPEG et JPEG2000, conduisant à une perte de netteté.
- Les bords des objets apparaissent plus diffus.
- Le flou peut provenir de plusieurs facteurs, comme le mouvement, la profondeur de champ, ou une mauvaise acquisition.
Bruit
- Dégradation de l'image due à une perturbation externe.
- Le bruit poivre et sel (bruit impulsionnel) est caractérisé par des pixels en blanc ou noir apparaître aléatoirement.
- Le bruit gaussien est un bruit aléatoire dans le signal image.
Évaluation subjective
- La notation subjective de la qualité des images (évaluation par des observateurs humains).
- Cette méthode permet une évaluation précise de la qualité.
- Prendre en considération les facteurs influents sur l'évaluation subjective :
- Distance d'observation
- Conditions de visualisation, notamment l'écran,
- Choix des images (variété et représentation des scènes)
- Observateurs (compétence, nombre, etc.)
- Facteurs psychologiques
Méthodes catégorielles
- L'observateur attribue une note de qualité à l'image.
- Échelles possibles : vocabulaire qualificatif, échelle numérique de 0 à 100.
- Méthodes à simple stimulus et à double stimulus pour la présentation aux observateurs.
Méthodes à double stimulus
- L'observateur compare l'image à évaluer à l'image originale.
- L'observateur note des différences, ou la fidélité à l'image originale, sur une échelle.
Méthodes comparatives
- Présentation simultanée du couple image originale / image dégradée.
- L'observateur juge quelle image est meilleure qualité.
- Utilise une échelle pour noter la différence.
MOS (Mean Opinion Score)
- Note moyenne de la qualité d'image obtenue après l'évaluation par plusieurs observateurs.
- Formule : MOS(i) = (1/N) * Σ Note(i)
DMOS (Difference Mean Opinion Score)
- Mesure de la différence entre la qualité de l'image de référence et l'image à évaluer,
- Formule : di,j = ri,ref(j) - ri,j
Intervalle de confiance
- Fournit un intervalle de confiance autour de chaque note MOS (généralement 95%).
Evaluation objective de la qualité des images fixes
- Utilise des modèles mathématiques objectifs pour prédire la qualité perçue.
- Applications dans les systèmes de contrôle de la qualité, dans l'optimisation des algorithmes de traitement d'image, et dans les systèmes de transmission.
- Utilise les trois types de métriques : à référence complète, à référence réduite et sans référence.
Limites des métriques subjectives
- Longues et coûteuses.
- Non adaptées aux applications en temps réel.
- Influencées par les facteurs physiques des observateurs (état émotionnel, dispositifs d'affichage, conditions d'éclairage)
Métriques à référence complète
- Prennent en compte le signal original pour l'évaluation.
- Exemple : PSNR (Peak Signal to Noise Ratio)
- PSNR utilise la différence entre l'image originale et l'image dégradée pour déterminer la qualité.
Métriques avec prise en compte des caractéristiques SVH
- Utilisent des modèles du Système Visuel Humain pour tenir compte de la perception visuelle humaine.
- Sensibilité à la fréquence spatiale et à la luminance, effet de masquage.
Indice de similarité structurelle (SSIM)
- Mesure de similarité entre deux images en se basant sur la luminance, le contraste et la structure.
- Calculé sur plusieurs fenêtres d'image.
Métriques à référence réduite
- Évaluation de la qualité d'image sans utiliser l'image originale.
Métriques sans référence
- Évaluation de la qualité d'image sans recourir à l'image originale.
- Exemple : BRISQUE.
Bases de données de qualité d'image subjective
- Bases de données pour l'évaluation subjective : Toyama, LIVE, IVC, CSIQ, différentes images et métriques.
- Elles contiennent des images originales et déformées à l'aide de différents algorithmes, avec leurs paramètres (déformation, échelle de mesure etc.).
Evaluation des performances des métriques de qualité
- Précision de la prédiction, monotonie de la prédiction, et cohérence de la prévision.
- Utilisation du coefficient de corrélation linéaire (PCC) et de coefficient de corrélation de rang (RHO).
- Erreur de prédiction de la qualité (RMSE, MAE).
Métrique de qualité d'image sans référence
- Métrique aveugle.
- Exemple: BRISQUE.
Étape de la méthode
- Processus pour obtenir les coefficients nécessaires à la prédiction.
Étape 1 : Extraction des statistiques de scènes naturelles (NSS)
- Identifier les différences entre les distributions d'intensité des pixels des images naturelles et déformées.
Produits par paires pour les relations de voisinage
- Calculer les produits par paires des coefficients MSCN pour capturer les relations entre les pixels voisins.
Studying That Suits You
Use AI to generate personalized quizzes and flashcards to suit your learning preferences.
Related Documents
Description
Ce quiz explore les différentes métriques d'évaluation de la qualité d'image (IQA), y compris le PSNR, le SSIM, et DMOS. Il aborde également des concepts fondamentaux comme la sensibilité à la fréquence et l'effet de masquage. Testez vos connaissances sur l'évaluation objective et subjective des images.
