Geri Dön

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

  1. Tez No: 748746
  2. Yazar: ALİ ERDEM ALTINBAŞ
  3. Danışmanlar: PROF. DR. YILDIRAY YALMAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Piri Reis Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Termal görüntülere derin öğrenme tabanlı süper çözünürlük yöntemlerinin uygulanması

    Application of deep learning based super resolution in thermal images

    CANER CİVE

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ENDER METE EKŞİOĞLU

  2. 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

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA ERSEL KAMAŞAK

  3. 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

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ERKAN ÜLKER

  4. 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

    İngilizce

    2024

    Elektrik ve Elektronik MühendisliğiDokuz Eylül Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA ALPER SELVER

  5. TV ve set üstü cihaz arayüz kullanılabilirlik ölçümü

    Usability evaluation of TV and set-top box interfaces

    AYCAN PEKPAZAR

    Doktora

    Türkçe

    Türkçe

    2021

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÇİĞDEM ALTIN GÜMÜŞSOY