The 10 references with contexts in paper P. Babkin S., Y. Pavlov N., П. Бабкин С., Ю. Павлов Н. (2016) “Анализ и сравнение объективных методов оценки качества изображений // Analysis and Comparison of Objective Methods for Image Quality Assessment” / spz:neicon:technomag:y:2014:i:9:p:203-215

1
Грег Хоффман. Моделирование человеческого зрения для объективной оценки качества изображения // MediaVision. Информационно-технический журнал. 2010. No 7. С. 43-45.
Total in-text references: 1
  1. In-text reference with the coordinate start=1908
    Prefix
    Однако субъективные оценки, как правило, слишком неудобны, трудоемки и дороги, и как бы они ни выполнялись – в соответствии с требованиями стандарта ITU R BT.500 или неформально, на глаз, – требуют много времени, ресурсов и средств. Причем даже в лучших условиях они не всегда дают схожие результаты
    Exact
    [1]
    Suffix
    . Объективные показатели качества изображения могут быть классифицированы в зависимости от наличия исходного изображения (без искажений), с которым искаженное изображение должно сравниваться: 1)эталонные 2)неэталонные 3)псевдоэталонные.

2
Дмитриев Н.И., Хрусталёв А.А. Система распознавания объектов, обеспечивающая работу бортовой системы технического зрения в реальном времени // Научнотехническая конференция «Техническое зрение в системах управления 2011»: тез. докл. М.: Изд-во «Ротапринт» ИКИ РАН, 2011. С. 40-47.
Total in-text references: 3
  1. In-text reference with the coordinate start=2250
    Prefix
    Объективные показатели качества изображения могут быть классифицированы в зависимости от наличия исходного изображения (без искажений), с которым искаженное изображение должно сравниваться: 1)эталонные 2)неэталонные 3)псевдоэталонные. Большинство существующих подходов известны как эталонные, что означает наличие эталонного изображения
    Exact
    [2]
    Suffix
    . Во многих практических применениях, однако, эталонное изображение отсутствует, и желателен неэталонный или "слепой" подход к оценке качества. В третьем типе методов эталонное изображение предоставляется только частично, в виде набора извлеченных признаков, предоставленных в качестве дополнительной информации, нужной для того чтобы помочь оценить качество искаженного изобр

  2. In-text reference with the coordinate start=6835
    Prefix
    немаловажных дополнений для реализации вычислений этого и последующего факторов. 1) Сравниваемые изображения должны быть нормированы по яркости. 2) Для вычисления матрицы [U, V] используется принцип, приведенный в [6]. Здесь U и V - матрицы горизонтальных и вертикальныx пространственных частот соответственно. 3) Результатом вычисления значений [U, V] будет матрица размером
    Exact
    [2*m, 2*n]
    Suffix
    , поэтому в этом случае свертка осуществляется с использованием теоремы корреляции: 1* 1212 1 r( )[( )( )].DaajFXk Xk N   (5) Здесь 12r - взаимная корреляция двух последовательностей данных 1()xn и 2()xn, а их ДПФ-образы равны соответственно 12( ),( )X k X k; 1 FD  обозначает обратное дискретное преобразование Фурье.

  3. In-text reference with the coordinate start=6835
    Prefix
    немаловажных дополнений для реализации вычислений этого и последующего факторов. 1) Сравниваемые изображения должны быть нормированы по яркости. 2) Для вычисления матрицы [U, V] используется принцип, приведенный в [6]. Здесь U и V - матрицы горизонтальных и вертикальныx пространственных частот соответственно. 3) Результатом вычисления значений [U, V] будет матрица размером
    Exact
    [2*m, 2*n]
    Suffix
    , поэтому в этом случае свертка осуществляется с использованием теоремы корреляции: 1* 1212 1 r( )[( )( )].DaajFXk Xk N   (5) Здесь 12r - взаимная корреляция двух последовательностей данных 1()xn и 2()xn, а их ДПФ-образы равны соответственно 12( ),( )X k X k; 1 FD  обозначает обратное дискретное преобразование Фурье.

3
Miyahara M., Kotani K., Algazi V.R. Objective Picture Quality Scale (PQS) for Image Coding // IEEE Ttransactions on Communications. 1998. Vol. 46, no.9. P. 1215-1226. DOI: 10.1109/26.718563
Total in-text references: 5
  1. In-text reference with the coordinate start=3510
    Prefix
    Но он недостаточно отражает воспринимаемое визуальное качество. Два искажения изображения с одной и той же среднеквадратичной ошибкой могут иметь очень разные типы, некоторые из которых являются гораздо более заметным, чем другие. В
    Exact
    [3-5]
    Suffix
    предложены принципы измерения качества изображения, основанные на том факте, что зрительная система человека предрасположена к извлечению структурной информации из изображения. Представленные в этих статьях методы, показавшие хорошие результаты в сравнении с субъективной оценкой экспертов, и будут рассматриваться в дальнейшем в этой статье. 1.

  2. In-text reference with the coordinate start=4742
    Prefix
    и реализация алгоритмов объективной оценки изображений PQS (Picture Quality Scale) и MS-SSIM (Multi-scale Structural Similarity), которые будут описаны далее в статье; 2) создание модифицированного алгоритма, проведение экспериментов с использованием тестовых изображений, анализ полученных результатов. 2.1. Реализация алгоритма объективной оценки изображений PQS В статье
    Exact
    [3]
    Suffix
    , посвященной реализации алгоритмов объективной оценки изображений, рассмотрен метод и описаны немаловажные аспекты, необходимые для его практической реализации. Объективная оценка качества изображения PQS применима только к монохромным изображениям.

  3. In-text reference with the coordinate start=9579
    Prefix
    Также возможно использование других граничных детекторов, таких как Canny (подробнее будет рассмотрен в разделе 3). После того, как были вычислены все пять факторов, необходимо вычислить саму оценку PQS. В статье
    Exact
    [3]
    Suffix
    предлагается вычислять её двумя способами. 1) С помощью линейной комбинации вычисленных факторов iF: 12132435465PQS=.aaFaFaFaFaF         . (10) 2) С помощью линейной комбинации принципиальных компонентов iZ: 1213243PQS=.bbZbZbZ      (11) В данной статье для вычисления PQS будет использоваться линейная комбинация факторов iF (при этом значений PQS буде

  4. In-text reference with the coordinate start=10086
    Prefix
    факторов iF: 12132435465PQS=.aaFaFaFaFaF         . (10) 2) С помощью линейной комбинации принципиальных компонентов iZ: 1213243PQS=.bbZbZbZ      (11) В данной статье для вычисления PQS будет использоваться линейная комбинация факторов iF (при этом значений PQS будет лежать в пределах (0;1], где 1- это полное совпадение изображений). Авторы статьи
    Exact
    [3]
    Suffix
    провели регрессионный анализ для получения коэффициентов ia, целью которого было получение максимального соответствия оценки PQS и субъективной экспертной оценки. Полученные ими значения коэффициентов таковы: 1a=5,797; 2a=0,035; 3a=0,044; 4a=0,01; 5a=0,132; 6a=0,135. 2.2.

  5. In-text reference with the coordinate start=12559
    Prefix
    (которые были реализованы в среде MATLAB 7.8) были использованы монохромные изображения, полученные с помощью тепловизионной системы наблюдения (разработчик – фирма ООО «ИЭОС») и обработанные алгоритмами сжатия динамического диапазона. В разделе 2.1. упоминалась возможность использования других граничных детекторов вместо того, который был предложен авторами статьи
    Exact
    [3]
    Suffix
    . В данной статье был предложен метод модификации алгоритма PQS путём замены граничного детектора Kirsch на граничный детектор Canny [8], являющийся одним из лучших граничных детекторов по исследованиям, приведенным в многочисленных статьях, например в [9].

4
Zhou Wang, Bovik A.C., Sheikh H.R., Simoncelli E.P. Image Quality Assessment: from Error Visibility to Structural Similarity // IEEE Transactions on Image Processing. 2004. Vol. 13, no. 4. P. 600-612. DOI: 10.1109/TIP.2003.819861
Total in-text references: 3
  1. In-text reference with the coordinate start=3510
    Prefix
    Но он недостаточно отражает воспринимаемое визуальное качество. Два искажения изображения с одной и той же среднеквадратичной ошибкой могут иметь очень разные типы, некоторые из которых являются гораздо более заметным, чем другие. В
    Exact
    [3-5]
    Suffix
    предложены принципы измерения качества изображения, основанные на том факте, что зрительная система человека предрасположена к извлечению структурной информации из изображения. Представленные в этих статьях методы, показавшие хорошие результаты в сравнении с субъективной оценкой экспертов, и будут рассматриваться в дальнейшем в этой статье. 1.

  2. In-text reference with the coordinate start=10438
    Prefix
    Авторы статьи [3] провели регрессионный анализ для получения коэффициентов ia, целью которого было получение максимального соответствия оценки PQS и субъективной экспертной оценки. Полученные ими значения коэффициентов таковы: 1a=5,797; 2a=0,035; 3a=0,044; 4a=0,01; 5a=0,132; 6a=0,135. 2.2. Реализация алгоритма объективной оценки изображений MS-SSIM В статье
    Exact
    [4]
    Suffix
    описывается метод оценки качества изображений SSIM, основанный на сравнении эталонного и искаженного изображения по трем характеристикам: яркость, контрастность и структура. Блок – схема алгоритма SSIM представлена на рис.2.

  3. In-text reference with the coordinate start=11897
    Prefix
    формулы 1 ( , ) [ ( , )][ ( , )][ ( , )] M Mjj Mjj j MSSSIM x ylx yc x ys x y   , (12) где ,,Mjj   - параметры, используемые для регулировки относительной важности трех компонентов. Фактически за счёт параметров настройки оценка MS-SSIM можно, в частном случае, получить оценку SSIM. Обе оценки реализованы в среде MATLAB авторами статей
    Exact
    [4, 5]
    Suffix
    . Так же, в статье [5] доказана большая точность полученных результатов методом MS-SSIM, поэтому для дальнейших исследований в рамках данной работы выбран именно он. 3.Анализ и сравнение результатов работы алгоритмов PQS и MS-SSIM Для тестирования описанных алгоритмов (которые были реализованы в среде MATLAB 7.8) были использованы монохромные изображения, полученные с помощью

5
Zhou Wang, Bovik A.C., Simoncelli E.P. Multiscale structural similarity for image quality assessment // Conference Record of the Thirty-Seventh Asilomar Conference on Signals, Systems and Computers. Vol. 2. Pacific Grove, CA, Nov. 9-12, 2003. IEEE, 2004. P. 13981402. DOI: 10.1109/ACSSC.2003.1292216
Total in-text references: 3
  1. In-text reference with the coordinate start=3510
    Prefix
    Но он недостаточно отражает воспринимаемое визуальное качество. Два искажения изображения с одной и той же среднеквадратичной ошибкой могут иметь очень разные типы, некоторые из которых являются гораздо более заметным, чем другие. В
    Exact
    [3-5]
    Suffix
    предложены принципы измерения качества изображения, основанные на том факте, что зрительная система человека предрасположена к извлечению структурной информации из изображения. Представленные в этих статьях методы, показавшие хорошие результаты в сравнении с субъективной оценкой экспертов, и будут рассматриваться в дальнейшем в этой статье. 1.

  2. In-text reference with the coordinate start=11897
    Prefix
    формулы 1 ( , ) [ ( , )][ ( , )][ ( , )] M Mjj Mjj j MSSSIM x ylx yc x ys x y   , (12) где ,,Mjj   - параметры, используемые для регулировки относительной важности трех компонентов. Фактически за счёт параметров настройки оценка MS-SSIM можно, в частном случае, получить оценку SSIM. Обе оценки реализованы в среде MATLAB авторами статей
    Exact
    [4, 5]
    Suffix
    . Так же, в статье [5] доказана большая точность полученных результатов методом MS-SSIM, поэтому для дальнейших исследований в рамках данной работы выбран именно он. 3.Анализ и сравнение результатов работы алгоритмов PQS и MS-SSIM Для тестирования описанных алгоритмов (которые были реализованы в среде MATLAB 7.8) были использованы монохромные изображения, полученные с помощью

  3. In-text reference with the coordinate start=11923
    Prefix
    M Mjj Mjj j MSSSIM x ylx yc x ys x y   , (12) где ,,Mjj   - параметры, используемые для регулировки относительной важности трех компонентов. Фактически за счёт параметров настройки оценка MS-SSIM можно, в частном случае, получить оценку SSIM. Обе оценки реализованы в среде MATLAB авторами статей [4, 5]. Так же, в статье
    Exact
    [5]
    Suffix
    доказана большая точность полученных результатов методом MS-SSIM, поэтому для дальнейших исследований в рамках данной работы выбран именно он. 3.Анализ и сравнение результатов работы алгоритмов PQS и MS-SSIM Для тестирования описанных алгоритмов (которые были реализованы в среде MATLAB 7.8) были использованы монохромные изображения, полученные с помощью тепловизионной системы

6
Ashish Meshram. Speckle Noise Reduction in Ultrasound Images // Matlab Central: website, 11 Apr. 2013. Available at: http://www.mathworks.com/matlabcentral/fileexchange/41240speckle-noise-reduction-in-ultrasound-images/content/dftuv.m , accessed 05.02.2014.
Total in-text references: 1
  1. In-text reference with the coordinate start=6677
    Prefix
    Фактор искажения 1F вычисляется как     mn mn imn fmn F , 2 ,1 1 , , . (4) При этом есть несколько немаловажных дополнений для реализации вычислений этого и последующего факторов. 1) Сравниваемые изображения должны быть нормированы по яркости. 2) Для вычисления матрицы [U, V] используется принцип, приведенный в
    Exact
    [6]
    Suffix
    . Здесь U и V - матрицы горизонтальных и вертикальныx пространственных частот соответственно. 3) Результатом вычисления значений [U, V] будет матрица размером [2*m, 2*n], поэтому в этом случае свертка осуществляется с использованием теоремы корреляции: 1* 1212 1 r( )[( )( )].

7
Айфичер Э., Джервис Б. Цифровая обработка сигналов. Практический подход. 2-е изд. М.: Вильямс, 2008, 992 с. [Ifeachor E.C., Jervis B.W. Digital Signal Processing: A Practical Approach. 2 nd ed. Prentice Hall, 2002. 934 p.]
Total in-text references: 1
  1. In-text reference with the coordinate start=7530
    Prefix
    Для этого последовательность 1()xn заменяют последовательностью 1()axn, которая состоит из последовательности 1()xn с добавленными 21N нулями, а последовательность 2()xn, дополненная 11N нулями, превращается в последовательность 2()axn
    Exact
    [7]
    Suffix
    . Часть кода реализации вычислений в среде MATLAB 7.8 приведена ниже: img1 = imread('c1.jpeg'); img2 = imread('c2.jpeg'); % нормировка изображений (в данном случае входные изображения 8-битные) im1 = double(img1)/255; im2 = double(img2)/255; ei = im1 - im2; Второй фактор искажения F2 Фактор искажения 2F включает более полную модель визуального восприятия.

8
Canny J. A computational approach to edge detection // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1986. Vol. PAMI-8, iss. 6. P. 679-698. DOI: 10.1109/TPAMI.1986.4767851
Total in-text references: 1
  1. In-text reference with the coordinate start=12688
    Prefix
    В разделе 2.1. упоминалась возможность использования других граничных детекторов вместо того, который был предложен авторами статьи [3]. В данной статье был предложен метод модификации алгоритма PQS путём замены граничного детектора Kirsch на граничный детектор Canny
    Exact
    [8]
    Suffix
    , являющийся одним из лучших граничных детекторов по исследованиям, приведенным в многочисленных статьях, например в [9]. Основные этапы алгоритма выделения границ Canny приведены далее. 1) Сглаживание.

9
Tzu-Heng Henry Lee. Edge Detection Analysis. Graduate Institute of Communication Engineering, National Taiwan University, Taipei, Taiwan, ROC. Available at: http://disp.ee.ntu.edu.tw/henry/edge_detection.pdf , accessed 01.08.2014.
Total in-text references: 2
  1. In-text reference with the coordinate start=12807
    Prefix
    В данной статье был предложен метод модификации алгоритма PQS путём замены граничного детектора Kirsch на граничный детектор Canny [8], являющийся одним из лучших граничных детекторов по исследованиям, приведенным в многочисленных статьях, например в
    Exact
    [9]
    Suffix
    . Основные этапы алгоритма выделения границ Canny приведены далее. 1) Сглаживание. Размытие изображения для удаления шума. Оператор Кэнни использует фильтр который может быть хорошо приближен к первой производной гауссиана: 24542 491294 1 5 12 15 12 5* 159 491294 24542 BA        . 2) Поиск градиентов.

  2. In-text reference with the coordinate start=13849
    Prefix
    Только локальные максимумы отмечаются как границы. 4) Двойная пороговая фильтрация. Потенциальные границы определяются порогами. 5) Трассировка области неоднозначности. Итоговые границы определяются путём подавления всех краёв, несвязанных с определенными (сильными) границами
    Exact
    [9]
    Suffix
    . Далее проведем сравнение следующих алгоритмов. 1) PQS алгоритм, использующий для вычисления 5F оператор Kirsch. 2) PQS алгоритм, использующий для вычисления 5F оператор Canny. 3) MS-SSIM алгоритм.

10
Рекомендация МСЭ-R ВТ.500-13 (01/2012). Методика субъективной оценки качества телевизионных изображений. Режим доступа: http://www.itu.int/pub/r-rec/en (дата обращения 23.02.2014). . Science and Education of the Bauman MSTU,
Total in-text references: 2
  1. In-text reference with the coordinate start=14245
    Prefix
    Целью сравнения является определение метода, результаты которого максимально соответствуют субъективной оценке. При этом субъективная оценка проводилась в соответствии с рекомендациями, данными в
    Exact
    [10]
    Suffix
    . Ещё одной целью эксперимента было выявление метода нахождения структурных различий, максимально приближенного к субъективной оценке. Для сравнения использовались эталонное изображение (размеры - 282х378) и его версии, полученные в результате обработки эталона различными типами фильтров, основное назначение которых – выделение границ на основе выравнивания гистограммы я

  2. In-text reference with the coordinate start=16077
    Prefix
    Шкала оценок искажений: 5 - незаметно; 4 - заметно, но не раздражает; 3 - слегка раздражает; 2 - раздражает; 1 - очень раздражает. Получение экспертных оценок структурных различий несколько отличается по методике от выставления MOS оценок, однако и в том и в другом случае соблюдались рекомендации, данные в
    Exact
    [10]
    Suffix
    . При оценке структурных различий в качестве наблюдателей выступали специалисты в области цифровой обработки изображений. Шкала оценок в этом случае была непрерывной и её диапазон лежал в пределах от 0 до 1 включительно, где 1-полное структурное сходство.