Métriques IQA et leurs classifications
45 Questions
0 Views

Choose a study mode

Play Quiz
Study Flashcards
Spaced Repetition
Chat to lesson

Podcast

Play an AI-generated podcast conversation about this lesson

Questions and Answers

Les métriques IQA peuvent être classées en deux catégories uniquement.

False

Le PSNR (Peak Signal to Noise Ratio) prend en compte le HVS (système de vision humaine).

False

Le SSIM est utilisé pour mesurer la qualité visuelle d'une image par rapport à une image de référence.

True

La sensibilité à la fréquence est une des propriétés fondamentales du HVS.

<p>True</p> Signup and view all the answers

Le DMOS est une métrique utilisée uniquement pour des évaluations subjectives.

<p>False</p> Signup and view all the answers

Le MSE (Mean Square Error) est une mesure exclusive à la qualité d'une image déformée.

<p>False</p> Signup and view all the answers

Un intervalle de confiance de 95% est souvent associé à chaque note MOS.

<p>True</p> Signup and view all the answers

L'effet de masquage détermine la visibilité d'un signal en présence d’un autre signal.

<p>True</p> Signup and view all the answers

Les métriques subjectives peuvent être facilement intégrées à des applications en temps réel.

<p>False</p> Signup and view all the answers

Les résultats d'évaluation des métriques subjectives dépendent de nombreux facteurs, y compris l'état émotionnel des observateurs.

<p>True</p> Signup and view all the answers

Les métriques à référence réduite comparent uniquement des images sans référence.

<p>False</p> Signup and view all the answers

Le PSNR est calculé en fonction de la luminance et de la structure de l'image.

<p>False</p> Signup and view all the answers

Les méthodes IQA ne peuvent pas imiter les prévisions de qualité d'un observateur humain.

<p>False</p> Signup and view all the answers

Les systèmes d'acquisition d'images ne peuvent pas utiliser les métriques IQA pour améliorer la qualité d'image.

<p>False</p> Signup and view all the answers

Les algorithmes de traitement d'image ne peuvent pas être évalués à l'aide de métriques IQA.

<p>False</p> Signup and view all the answers

La méthode objective d'évaluation de la qualité est conçue pour être précise et automatique.

<p>True</p> Signup and view all the answers

La base de données IVC a été publiée par le Laboratoire d'Image, Vidéo et Communication de l'Université de Lyon.

<p>False</p> Signup and view all the answers

La base de données IVC comprend 160 images de test générées à partir de 10 images de référence couleur.

<p>True</p> Signup and view all the answers

La méthode à double stimulus utilise des images de test affichées de manière séquentielle.

<p>True</p> Signup and view all the answers

Les échelles d'altération dans la base de données IVC sont limitées à trois classes.

<p>False</p> Signup and view all the answers

La base de données A57 a été créée à partir d'une expérience sur 54 images de test.

<p>True</p> Signup and view all the answers

La base de données A57 utilise uniquement des distorsions de compression JPEG.

<p>False</p> Signup and view all the answers

Sept experts en imagerie ont évalué les distorsions dans la base de données A57.

<p>True</p> Signup and view all the answers

La stratégie d'évaluation de la base de données IVC est similaire à celle des bases de données Toyama et LIVE.

<p>False</p> Signup and view all the answers

Le coefficient de corrélation de Pearson mesure la force d'une relation non linéaire entre deux variables.

<p>False</p> Signup and view all the answers

Les coefficients de corrélation de rang sont des estimateurs non paramétriques typiques de la monotonie.

<p>True</p> Signup and view all the answers

L'Erreur Quadratique Moyenne (RMSE) est utilisée pour mesurer la fidélité des valeurs estimées par rapport aux valeurs réelles.

<p>True</p> Signup and view all the answers

La distance city-block est utilisée pour représenter la distance entre les images d référence lors de l'évaluation de la qualité d'image.

<p>False</p> Signup and view all the answers

La réorganisation du DCT est appliquée à l'image déformée avant l'image de référence.

<p>False</p> Signup and view all the answers

Le coefficient de corrélation de Kendall est représenté par le symbole RHO.

<p>False</p> Signup and view all the answers

Les coefficients de corrélation de Pearson nécessitent des hypothèses sur la linéarité entre les variables.

<p>True</p> Signup and view all the answers

L'indice de qualité visuelle d'une image est obtenu en regroupant les distances de chaque sous-bande DCT réorganisée.

<p>True</p> Signup and view all the answers

Le vecteur de caractéristiques initial contient 36 éléments après réduction de moitié.

<p>False</p> Signup and view all the answers

Le score de qualité de l'image est prédit à partir des vecteurs de caractéristiques dans un algorithme d'apprentissage machine.

<p>True</p> Signup and view all the answers

Les coefficients MSCN sont ajustés par la fonction AGGD pour les produits pairs verticaux.

<p>False</p> Signup and view all the answers

L'algorithme SVM est un exemple d'apprentissage profond utilisé pour la prédiction.

<p>False</p> Signup and view all the answers

Les algorithmes d'apprentissage machine peuvent transformer une image en vecteur de caractéristiques avant d'analyser sa qualité.

<p>True</p> Signup and view all the answers

Les effets de bloc lors de la compression JPEG se manifestent principalement par des contours flous.

<p>False</p> Signup and view all the answers

L'effet d'oscillations parasites est causé par la quantification des coefficients basses fréquences.

<p>False</p> Signup and view all the answers

Le flou dans une image JPEG provient d'une compression excessive.

<p>True</p> Signup and view all the answers

Le bruit poivre et sel est aussi connu sous le nom de bruit binaire.

<p>True</p> Signup and view all the answers

Le flou volontaire est un type de dégradation d'image qui résulte d'un mouvement.

<p>False</p> Signup and view all the answers

Le bruit dans une image est toujours causé par une perturbation interne.

<p>False</p> Signup and view all the answers

Les artefacts créés par les ondelettes se produisent principalement sur les contours d'objets à faible contraste.

<p>False</p> Signup and view all the answers

Tous les blocs dans la compression JPEG sont encodés de manière indépendante les uns des autres.

<p>True</p> Signup and view all the answers

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.

Quiz Team

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.

More Like This

Data Quality Assessment
5 questions
Seed Quality Assessment Quiz
3 questions

Seed Quality Assessment Quiz

DefeatedBlueLaceAgate avatar
DefeatedBlueLaceAgate
Water Quality Assessment and Treatment Systems
15 questions
Tea Quality Assessment Quiz
40 questions
Use Quizgecko on...
Browser
Browser