Blind image quality metric for color images based on human vision system and deep CNN
Renkli imgeler için derin evrişimsel sinir ağı ve insan görme sistemi temelli referanssız imge kalite metriği
- Tez No: 748746
- Danışmanlar: PROF. DR. YILDIRAY YALMAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Piri Reis Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 67
Özet
Bu çalışmada, renkli imgeler için derin evrişimsel sinir ağı kullanılarak, insan görme sistemine uygun bir referanssız görüntü kalitesi metriği geliştirilmiştir (BIQM). Geliştirilen kalite metriği dört aşamadan oluşmaktadır. İlk aşamada insan görme sistemine uygunluğu sebebiyle renkli imge, YUV uzayına dönüştürülür. İkinci aşamada imgedeki gürültü çeşidine göre önceden eğitilmiş (pre-trained) Deep CNN belirlenir. Sonraki aşamada ise kalitesi ölçülmek istenen imge belirlenen Deep CNN ile temizlenir (denoise) ve bu işlemin sonucunda elde edilen imgenin referans imge olduğu varsayılır. Böylelikle problem tam referanslı (full-reference) kalite ölçüm problemine dönüştürülür. Son aşamada ise elde edilen referans imge ile kalitesi ölçülmek istenen imgenin yapısal benzerliği (Structural Similarity) her bir renk kanalı (Y, U ve V) için ölçülür. Elde edilen ölçüm sonuçları insan görme sistemi (human vision system, HVS) dikkate alınarak ağırlıklandırılır. Deneysel sonuçlar göstermiştir ki, geliştirilen metrik diğer kalite ölçüm metriklerinin kaliteye göre sıralayamadığı görselleri sıralayabilmiştir. Ayrıca 100 katılımcı ile bir anket yapılmıştır. Anket sonuçları önerilen yöntemin HVS ile uyumluluğunu desteklemektedir. Dahası, geliştirilen metrik sayesinde, yaygın olarak kullanılan diğer referanssız kalite metriklerinin yanıldığı bazı imgelerde insan görme sistemine uygun sonuçlar alınmıştır. Uygulamanın gerçekleştirildiği MATLAB kodları linkte verilmiştir: https://bit.ly/3NIrNBs
Özet (Çeviri)
In this study, a blind image quality metric (BIQM) for human vision system (HVS) has been developed by using deep convolutional neural network (CNN) for color images. The proposed quality metric consists of four stages. In the first stage, the colored image is transformed into YUV color space due to its compatibility with the HVS. In the second stage, pre-trained deep CNN is defined according to the noise type in the image (jpeg, gaussian, etc.). In the next step, the image whose quality is to be measured is denoised with deep CNN, and the image obtained as a result of this process is assumed to be the reference image. Thus, the problem is transformed into a full-reference quality measurement problem. In the last stage, each color channel (i.e., Y, U, and V) of the image whose quality is to be measured with the obtained reference image is measured by structural similarity (SSIM) method. The measurement results are weighted by considering the HVS. The experimental results show that the developed metric was able to sort the images that other quality metrics could not sort. Moreover, a survey was conducted with 100 participants to rank images in 3 different qualities, and the survey results support that the proposed method is compatible with the HVS. It also modified the SSIM which is normally a full-referenced method, to use as no-reference. Moreover, thanks to the proposed BIQM, more appropriate results are obtained compared to commonly used no-reference quality metrics. MATLAB codes and some images used for the proposed BIQM are available in the link: https://bit.ly/3NIrNBs
Benzer Tezler
- Termal görüntülere derin öğrenme tabanlı süper çözünürlük yöntemlerinin uygulanması
Application of deep learning based super resolution in thermal images
CANER CİVE
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU
- Skin lesion classification using deep convolutional neural network and HSV color space
Derin evrişimsel sinir ağı ve HSV renk uzayı kullanarak cilt lezyonlarının sınıflandırılması
TAMERLAN NUSRADDINOV
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Aydınlatmanın görüntü işleme problemlerine etkisinin yapay zeka teknikleri kullanılarak analizi
Analysis of the effect of lighting on image processing problems using artificial intelligence techniques
BİRKAN BÜYÜKARIKAN
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ERKAN ÜLKER
- Advanced MRI reconstruction and detection techniques for meniscal tear diagnosis at high acceleration factors
Yüksek hızlandırma faktörlerinde menisküs yırtığı teşhisi için gelişmiş manyetik rezonans görüntüleme (MRG) geriçatım ve tespit teknikleri
FATMA HARMAN
Doktora
İngilizce
2024
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ALPER SELVER
- TV ve set üstü cihaz arayüz kullanılabilirlik ölçümü
Usability evaluation of TV and set-top box interfaces
AYCAN PEKPAZAR
Doktora
Türkçe
2021
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÇİĞDEM ALTIN GÜMÜŞSOY