CC BY
20
УДК 778.5
Е. И. Нестерова, Е. В. Щербакова
Санкт-Петербургский государственный университет кино и телевидения ул. Правды, 13, Санкт-Петербург, 191119, Россия E-mail: shcherbakova@yandex.ru
РЕШЕНИЕ ЗАДАЧ КЛАССИФИКАЦИИ АУДИОВИЗУАЛЬНОЙ ТЕХНИКИ С ИСПОЛЬЗОВАНИЕМ ЛИНГВИСТИЧЕСКИХ ШКАЛ
В работе рассмотрена методика классификации киновидеотехники, предполагающая использование многомерной лингвистической шкалы переменной «субъективная оценка качества изображения». Многомерная лингвистическая шкала формируется в результате использования расчетной модели, являющейся функцией принадлежности к терм-множеству, и строится на основе экспериментальных одномерных лингвистических шкал характеристик, влияющих на качество изображения.
Ключевые слова: нечеткое множество, лингвистическая переменная, аудиовизуальная техника, функция принадлежности, интеллектуальная экспертиза, психофизическая экспертиза.
В связи с широкой номенклатурой мультимедийной техники при формировании элементной базы зрелищных предприятий в той или иной степени возникают проблемы рационального выбора, необходимости классификации, сравнительного квалиметрического анализа, в частности средств воспроизведения изображения по совокупности выходных качественных характеристик [Нестерова, 2008]. В работе предложена методика классификации средств воспроизведения изображения по комплексу характеристик, определяющих интегральное качество создаваемого ими изображения.
В основе квалиметрии изделий аудиовизуальной техники и услуг в кинематографии лежат инструментальные (приборные) и экспертные методы [Нестерова, Щербакова, 2007]. Анализ приборных методов показал, что они предназначены для анализа отдельных характеристик и не учитывают особенностей субъективного восприятия изображения. Однако при решении квалиметрических задач в кинематографии необходимы комплексные модели, учитывающие совокупное влияние отдельных характеристик. Как правило, такие модели включают параметры, которые могут быть определены с использованием различных экспертных методов. Кроме того, именно на экспертных методах основывается решение задач ранжирования, присвоения градаций, классификации различных видов и моделей киновидеотехники, в частности средств воспроизведения изображения. В то же время методы экспертной квалиметрии основаны на двух классах экспертиз - психофизических (сенсорных) и функциональных (интеллектуальных, логических) [Нестерова, Щербакова, 2007; 2008]. Несмотря на разнообразие задач, которые можно решать с помощью экспертных методов, можно сформулировать обобщенный алгоритм и психофизической, и функциональной экспертизы, который, как правило, включает следующие этапы: формирование перечня обобщенных и частных квалимет-рических параметров; формирование требований к организации экспертизы, выбор измерительных шкал, методик оценки, методов оценки достоверности; определение коэффициентов чувствительности к субъективным характеристикам при психофизических экспертизах или коэффициентов весомости параметров при функциональных экспертизах; оценка возможности обменных соотношений между характеристиками; расчёт уровня качества изделий или услуг с использование интегральной модели.
Для выбора наиболее предпочтительной модели киновидеотехники с точки зрения уровня обеспечиваемых характеристик, классификации изделий киновидеотехники целесообразно использовать элементы теории нечетких множеств, позволяющей формировать субъективные шкалы лингвистических переменных, состоящие из терм-множеств, объединяющих определенные сочетания физических значений оцениваемых характеристик [Заде, 1976].
Элементы теории нечетких множеств в настоящее время стали находить все более широкое распространение для анализа результатов, в основном, интеллектуальных экспертиз. Результаты, получаемые при использовании таких методик, как правило, характеризуются тем,
ISSN 1818-7900. Вестник НГУ. Серия: Информационные технологии. 2009. Том 7, выпуск 1 © Е. И. Нестерова, Е. В. Щербакова, 2009
что диапазоны терм-множеств не имеют строгого физического обоснования; а функции принадлежности к терм-множествам формулируются в результате применения искусственных семантических правил (например, для усиления или ослабления принадлежности к нечеткому множеству используется возведение функции принадлежности в какую-либо степень).
При проведении психофизических квалиметрических экспертиз по оценке качества изображения, создаваемого аудиовизуальными средствами, можно получить кривые распределения вероятности ответов экспертов, например, о заметности изменений, вносимых в анализируемую характеристику изображения. Лингвистическая шкала переменной «субъективная оценка изображения» может быть сформулирована с использованием методики, рассмотренной в данной работе.
Для построения одномерной лингвистической шкалы одной из характеристик, влияющих на «субъективную оценку изображения» - яркости изображения - использовалась экспериментальная методика [Нестерова, 2005. С. 92-98]. Эксперимент заключался в следующем. На экран выводилось два одинаковых изображения. Одно являлось эталоном, а во второе вносились изменения с помощью программы Photoshop. Рассчитывались вероятности заметности изменения яркости изображения как P = m / n (m - количество экспертов, заметивших изменение параметра, n - общее число экспертов). По мере увеличения вносимого изменения вероятность росла и достигала 1. Изображение с достигнутым значением яркости принималось за эталонное в следующем эксперименте, и в последующем в него вносились изменения. Количество градаций изменения яркости, соответствующих 100 %-му обнаружению, т. е. количество терм-множеств на лингвистической шкале переменной «субъективная оценка яркости изображения» для тест-объекта (т. е. такого изображения, которое, по возможности, характеризуется только оцениваемым параметром) составило 5, а для сюжета - 3. Результаты экспериментальных исследований по построению одномерных лингвистических шкал, учитывающих распределение вероятности заметности изменения таких характеристик видеоизображения, как яркость, детальность и геометрическое подобие элементов изображения (для тест-объектов и сюжетов) приведены на рис. 1-3.
Рис. 1. Распределения вероятности заметности изменения яркости видеопроекционного изображения:
а - тест-объект; б - сюжет
Рис. 2. Распределение вероятности заметности изменения детальности изображения на сюжете
Рис. 3. Распределение вероятности заметности геометрических искажений элементов изображения:
а - тест-объект; б - сюжет
В результате аналогичного эксперимента по предъявлению серии изображений с моделированным и неизменным значением характеристики может быть определена не только вероятность обнаружения вносимого в изображение изменения Р(у | у), но и вероятность ложных тревог Р(у | п). В теории обнаружения сигнала используются таблицы, в которых по
, М1 - М2
этим вероятностям можно определить статистический параметр а. =—1-2 для
тест-объекта изображения и di^ =М—М-2- для сюжета, где М1 - М2 - ширина
с
терм-множества, определяющая разность между значениями субъективного параметра, при которых вероятности обнаружения и ложных тревог принимают определенные значения [Леонов, 1977]. В результате такого эксперимента может быть определен коэффициент чувствительности к /-у параметру ki = / di.
1 ^
Среднеквадратическое отклонение коэффициента чувствительности к 1-й характеристике может быть определено на основании разброса коэффициентов чувствительности при различных величинах отклонения характеристики и при различных уровнях влияющих факто-
характеристике; kj - значения коэффициентов чувствительности, определяемые при различных условиях восприятия изображения; п - количество экспериментальных значений коэффициента чувствительности к 1-й характеристике.
В качестве функции принадлежности к нечеткому множеству, сформированному определенными сочетаниями величин яркости, детальности и геометрических искажений, соответствующих диапазонам заметности искажений для сюжета, примем п-мерную характеристическую функцию, соответствующую нормальному распределению зависимых случайных величин [Нестерова, 2007. С. 40-41; Левин. 1957] k■■:
где Д^. - отклонения значений характеристик от эталонных значений, измеренные в нормированной шкале отношений; ти+х - парный коэффициент корреляции между характеристиками, учитывающий возможность обменных соотношений между ними; п - количество характеристик; ai - среднеквадратическое отклонение коэффициента чувствительности к 1-й характеристике.
Графическое изображение этой функции для одномерного (однопараметрического) случая приведено на рис. 4. Как видно из рисунка, Q = 1 при Дqi = 0 (т. е. при отсутствии искажений) или ki = 0 (отсутствие коэффициента чувствительности свидетельствует о ничтожном значении характеристики на интегральную оценку). В то же время период этой зависимости представляет собой разность значений субъективного параметра, для которых вероятность правильного обнаружения Р(у / у) = 100%, а вероятность ложных тревог Р(у / п) = 0
(в этом случае статистический параметр ё = 4,64). Таким образом, М1 - М2 = diст.. - ширина терм-множества (градации, диапазона) между одним и другим уровнями качества. Следовательно, ст.. = Дqj « 1 /ki ^ ст.. « 1 / ), т. е. при увеличении чувствительности к 1-му параметру уменьшается дисперсия субъективных оценок.
среднее значение коэффициента чувствительности к 1-й
о
М1 ,£щ1=М2-М1 Щ ^2=МЗ-М2 МЭ
Рис. 4. Графическое представление интегродифференциальной функции: М1 - М2 = Дqi - ширина терм-множества
На рис. 5 графически показано, какие сочетания частных характеристик (яркости, детальности, характеристик, определяющих геометрические искажения изображения), влияющих на интегральное качество изображения, обеспечивают величину характеристической функции, соответствующую определенному классу. Как видно на рисунке, отсутствие отклонений соответствует наивысшему качеству изображения, а по мере увеличения отклонений относительно эталонных значений величина интегрального критерия (функции принадлежности к многомерному терм-множеству) уменьшается. Названия классов, или терм-множеств многомерной итоговой лингвистической шкалы, могут быть любыми, но в кинематографии при сертификации изделий киновидеотехники, услуг по киновидеообслуживанию зрителей нормативно-технические документы предполагают такие категории, как высший, первый и второй классы. Такие же названия терм-множеств были использованы в данной методике.
й
Рис. 5. Значения характеристической функции для различных классов видеоизображений: 1 - интервал значений, соответствующих высшему классу; 2 - интервал значений, соответствующий первому классу; 3 - интервал значений, соответствующий второму классу; кя; кд; кис - коэффициенты чувствительности к яркости, детальности и геометрическим искажениям; Aqя; Дqд; Дquс - величины ухудшений характеристик, измеренные в нормированной относительной шкале
Таким образом, рассмотренная в работе методика может быть использована для сравнительной квалиметрической оценки различных средств воспроизведения изображения по такой выходной характеристике, как интегральная субъективная оценка качества изображения. Причем экспериментальные исследования по оценке заметности изменений частных параметров, влияющих на качество изображения, т. е. субъективные психофизические квалимет-рические экспертизы, позволяют формировать вероятностные одномерные лингвистические классификационные шкалы, а результирующая классификационная лингвистическая шкала формируется с использованием расчетной комплексной модели, позволяющей проводить свертку однопараметрических психофизических зависимостей, полученных экспериментально. Предложенная в работе методика целесообразна для формирования элементной базы предприятий и организаций, использующих мультимедийную технику и соответствующие технологии, а также актуальна для решения проблем классификации, сертификации и сравнительного квалиметрического анализа средств воспроизведения изображения.
Список литературы
Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976. 100 с.
Левин Б. Р. Теория случайных процессов и ее применение в радиотехнике. М.: Советское радио, 1957. 495 с.
Леонов Ю. П. Теория статистических решений и психофизика. М..: Наука, 1977. 223 с.
Нестерова Е. И. Решение задач классификации аудиовизуальной техники с использованием лингвистических шкал // Вестн. Сарат. гос. техн. ун-та. 2008. № 3 (34), вып. 1. С. 92-98.
Нестерова Е. И. Квалиметрические технологии в системах качества предприятий и организаций кинематографии. СПб.: Политехника, 2007. 152 с.
Нестерова Е. И. Методология экспертной квалиметрии и сертификации систем качества в кинематографии. СПб.: Политехника, 2005. 248 с.
Нестерова Е. И., Щербакова Е. В. Использование методов экспертной интеллектуальной квалиметрии для оценки качества услуг по кинопоказу на примере кинотеатров сети «Кронверк Синема». СПб.: СПбГУКиТ. 9 с.: ил. Деп. в ВИНИТИ 08.05.2007, № 509-В2007.
Нестерова Е. И., Щербакова Е .В. К вопросу об использовании психофизических квали-метрических экспертиз // Сб. тр. СПбГУКиТ. 2007. Вып. 20. С. 71-73.
Нестерова Е. И., Щербакова Е. В. Оценка результативности систем качества предприятия и организаций кинематографии. СПб.: СПбГУКиТ. 12 с.: ил. Деп. в ВИНИТИ 17.06.2008, №514-В2008.
Материал поступил в редколлегию 22.07.2008
E. I. Nesterova, E. V. Shcherbakova AUDIOVISUAL EQUIPMENT CLASSIFICATION USING LINGUISTIC SCALES
In work the technique of classification of cinema and video equipment using a multidimensional linguistic scale of the variable "subjective evaluation of the image quality" is discussed. The multidimensional linguistic scale is formed by using a calculation model which is a term-set membership function and is based on experimental one-dimensional linguistic scales of the characteristics influencing the image quality.
Keywords: fuzzy set, linguistic variable, audiovisual equipment, membership function, intellectual evaluation, psychophysical evaluation.
