CC BY
46
УДК 658.012:004.42
О. В. Цветков, д-р техн. наук, профессор кафедры БТС,
ФГОБУ ВПО «Санкт-Петербургский государственный электротехнический университет „ЛЭТИ" им. В. И. Ульянова (Ленина)» Л. В. Поливанайте, начальник лаборатории, С. А. Куценко, заместитель начальника отдела, М. В. Репина, инженер-программист,
ФГУП «Государственный научно-исследовательский институт прикладных проблем» (ГосНИИПП), Санкт-Петербург
Простая высокоинформативная метрика для оценки качества изображений в биомедицинских системах
Ключевые слова: метрика искажений изображения, качество изображения, оценка качества, энтропия, коэффициент корреляции.
Keywords: image distortion metrics, image quality, quality assessment, entropy, correlation coefficient.
Рассматриваются метрики перцептивного качества изображения. Представлена экспериментальная оценка возможности использования показателя локальной энтропии для формирования объективных метрик оценки качества изображений при сжатии. Приводится сравнение новой теоретико-информационной метрики качества цифровых изображений с наиболее распространенной в настоящее время метрикой — пиковым отношением сигнал/шум.
Введение
Операции получения, хранения и передачи цифровых изображений являются базовыми для многих классов современной биомедицинской техники, от комплексов интроскопии до телемедицинских систем. При этом требования к количеству и качеству хранимых и передаваемых по каналам связи изображений возрастают, значимость получения высококачественных изображений в современной медицине оценивается чрезвычайно высоко.
Сжатие изображений с потерями является основным механизмом согласования источников изображений с каналами, имеющими ограниченную пропускную способность. В сложных системах сжатие может применяться неоднократно, что приводит к значительному и плохо контролируемому снижению качества изображения. По этой причине большое значение для разработчиков и пользователей таких систем имеет инструмент оценки качества конкретных изображений при их обработке в системе. Несмотря на многочисленные исследования в этом направлении, вопрос выбора эффек-
тивной метрики перцептивного качества изображения остается открытым, главным образом в силу сложности разрабатываемых моделей зрительного восприятия человека, лежащих в основе этих метрик. Получающиеся в результате этих исследований метрики сложны в реализации, стоимость создаваемых на их базе приборов достигает десятков тысяч евро. Как следствие, большинство разработчиков пользуются наиболее простой метрикой искажений изображения — пиковым отношением сигнал/шум (PSNR).
В своем исследовании мы рассматриваем теоретико-информационную метрику искажений изображения при сжатии, предложенную в работе [1]. Алгоритм ее вычисления незначительно сложнее, чем вычисление метрики PSNR, однако по результату, как мы покажем ниже, первая в определенных случаях значительно превосходит вторую.
Материалы и методы
Для проведения исследования мы использовали в качестве тестовых изображений фотографии натуральных сцен, не подвергавшиеся при их получении цифровому сжатию. В ходе экспериментов изображения подвергались сжатию по алгоритму JPEG с различными уровнями качества, выбираемыми случайно для каждого изображения.
Использованная нами теоретико-информационная метрика качества вычисляется следующим образом.
1. Входное изображение переводится в монохромное простым сложением его компонентов:
Y(i, j) = R(i, j) + G(i, j) + B(i, j). (1)
Технические средства и технологии обеспечения Безопасности человека
2. Осуществляется двойное дифференциальное преобразование (ДДП) изображения:
Y(i, j) ^ Y(i + 1,7') - Y(i, j), (2а)
Y(i, 7) ^ Y(i, 7 + 1) - Y(i, 7). (2б)
3. Вычисляется энтропия полученного изображения:
за) по всей матрице изображения формируется множество пар
^ = (¥(и '), Y(i,' + 1));
зб) подсчетом частоты вхождения каждого конкретного сочетания (у1, у2) во множество ^ и делением на общее количество рассмотренных пар оценивается вероятность этого сочетания р(У1, У2);
зв) суммированием по всем возможным сочетаниям (у1, у2) вычисляется энтропия двойного дифференциального преобразования изображения:
н = -2(й)1о§2 Р(У1, У2).
(3)
Результаты исследования
Полученные нами результаты представлены на графиках. На рис. 1 показаны диаграммы рассеяния, полученные для двух исследуемых нами метрик, для случая, когда все проанализированные изображения являются версиями одного и того же изображения, сжатого в разной степени. Результаты, отраженные на графиках, показывают, что оба показателя монотонно возрастают по мере увеличения размера сжатого файла, т. е. по мере уменьшения коэффициента сжатия. Однако в том случае, когда выборка тестовых изображений включает сжатые версии различных исходных изображений, ситуация кардинально изменяется (рис. 2). Количественно эти различия отражены в табл. 1.
Приведенные в табл. 1 данные показывают, что энтропия ДДП достаточно сильно зависит от степени сжатия изображения, при этом вариации этого показателя по группе изображений несущественны.
а)
® 5
8 I
л ю н 2 ц N
б)
30
35
рбык, ав
40
5 6 7
Энтропия ДДП, бит
Рис. 1
Диаграмма рассеяния в случае оценки по сжатым версиям одного изображения: а — для Р8ЫЯ; б — для энтропии ДДП
а)
8 I
>н &
л ю но
д 2
ч н
¡5 о
н [3
2 1
£ й
29
34
39
рбык, ав
44
49
б)
¡? й 8 I &8
а
р
л ю но
л 2 ч н
¡ч О
57 Энтропия ДДП, бит
11
Рис. 2
Диаграмма рассеяния в случае оценки по группе изображений: а — для РЯМВ; б — для энтропии ДДП
8
4
1
3
9
№ 1-2(31-323/2014 |
биотехносфера
Таблица 1 Коэффициенты линейной корреляции между размером сжатого изображения и исследуемыми показателями
Массив изображений Коррелируемый показатель
PSNR Энтропия ДДП
Сжатые версии одного изображения 0,98 0,93
Сжатые версии группы изображений 0,20 0,85
Таблица 2 Коэффициенты линейной корреляции между усредненной субъективной оценкой качества изображения и исследуемыми показателями
Массив изображений Коррелируемый показатель
PSNR Энтропия ДДП
Сжатые версии одного изображения Нет данных 0,96
Сжатые версии группы изображений 0,32 (по данным работы [2]) 0,74
В то же время метрика РБМК, имея также высокий коэффициент корреляции с коэффициентом сжатия изображений, обладает большим разбросом по группе различных изображений, тем самым корреляция между этими показателями по группе изображений практически отсутствует.
Ранее нами было проведено исследование корреляции предложенной метрики с субъективными оценками качества [1]. Сводные результаты этих исследований в сопоставлении с имеющимися данными по метрике РБМК представлены в табл. 2.
Заключение
Таким образом, метрика PSNR демонстрирует несколько более высокую корреляцию с усредненной субъективной оценкой качества изображения, чем с его относительным размером, однако все же эта корреляция незначительна. В противоположность ей метрика на основе энтропии двойного дифференциального преобразования изображения почти одинаково хорошо коррелирует как с размером изображения, так и с усредненной субъективной оценкой его качества.
Применяя энтропийную метрику, следует учесть, что она, очевидно, будет давать большую погрешность на искусственных изображениях (рисунках), имеющих изначально малую энтропию. Однако в биомедицинских системах обрабатываются, как правило, естественные изображения, так что в этом классе систем применение предложенной метрики является корректным.
Сравнивая между собой две исследуемые метрики, следует обратить внимание на то, что при вычислении предлагаемой нами метрики не используется какая-либо информация о несжатом изображении, что существенно расширяет возможности ее применения по сравнению с PSNR, для вычисления которой следует обязательно иметь версию изображения без сжатия.
Литература
1. Теоретико-информационная характеристика качества изображений при их цифровом сжатии / С. А. Куценко, С. Р. Немцова, А. С. Мкртумов, О. В. Цветков // Труды СПИИРАН. 2013. Вып. 8(31). С. 190-202.
2. MSU QualityMeasurementTool: Информация о метриках. Электронный ресурс. Доступ: www.compression.ru/video /quality_measure/info.html#startMSUQualityMeasuremen ttool
