Решение задач классификации аудиовизуальной техники с использованием лингвистических шкал Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 778.5

Е.И. Нестерова

РЕШЕНИЕ ЗАДАЧ КЛАССИФИКАЦИИ АУДИОВИЗУАЛЬНОЙ ТЕХНИКИ С ИСПОЛЬЗОВАНИЕМ ЛИНГВИСТИЧЕСКИХ ШКАЛ

Лингвистические шкалы находят широкое применение для решения вопросов классификации и ранжирования изделий, услуг в различных областях. Для такой области, как аудиовизуальная техника, необходимо классифицировать объекты по обобщенным выходным качественным характеристикам, на которые влияют частные параметры, оцениваемые субъективными психофизическими методами.

В работе приводится методика классификации аудиовизуальной техники по такой выходной качественной характеристике, как качество изображения. Приведенные в работе практические результаты получены на примере видеопроекционного изображения.

Аудиовизуальная техника, классификация, лингвистическая шкала

E.I. Nesterova AUDIOVISUAL EQUPMENT CLASSIFICATION TASKS DESISION WITH THE HELP OF LINGUISTIC SCALES

Linguistic scales find wide application for classification and ranging products, services in various areas. For such area, as the audiovisual equipment, is necessary to classify objects under the resulted qualitative characteristics, which are formed by the individual parameters estimated with the subjective methods.

The technique of classification of audiovisual engineering under such target qualitative characteristic, as resulted quality of the image, is considered in this work. The practical results, given in work, are received on examples of the video projective image.

Audiovisual equipment, classification, linguistic scale

При решении вопросов классификации, ранжирования изделий аудиовизуальной техники и различных услуг киновидеоиндустрии для принятия решения на основе приближенных рассуждений целесообразно использовать понятие лингвистической переменной.

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, 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 принадлежности к нечеткому множеству используется возведение функции принадлежности в квадрат, а для ослабления - возведение в степень ^ и т.п.).

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. Например, лингвистическая шкала такой переменной, как субъективная оценка изображения, может быть сформулирована с использованием методики, рассмотренной в данной работе.

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 характеристики 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. Это значение оцениваемого параметра принималось за эталонное изображение в следующем эксперименте, и в последующем в него вносились изменения и т. д. Количество градаций изменения яркости, соответствующих 100%-ному 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 исследований заметности изменения таких характеристик видеоизображения, как яркость, детальность и геометрическое подобие элементов изображения, приведены на рис. 1-3.

р

wri т т № VT5

Рис. 1. Распределение вероятности заметности изменения яркости видеопроекционного изображения: а - тест-объект; б - сюжет

Рис. 2. Распределение вероятности заметности изменения детальности изображения на сюжете

р

1,0

Геометрические искажения правильных геометрических элементоь, %

10

15

20

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 P(y/y), но и вероятность ложных тревог P(y/N). В теории обнаружения сигнала используются таблицы, в которых по этим вероятностям можно определить статистический параметр

б

4 = М-М.

о.

для тест-объекта изображения и 4І^

М1 - М 2

о,

для сюжета, М1-М2 -

Е

ширина терм-множества, определяющая разность между значениями субъективного

параметра, при которых вероятности обнаружения и ложных тревог принимают

определенные значения. В результате такого эксперимента может быть определен

коэффициент чувствительности к г-му параметру = й Е .

1Е

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 факторов

О =.

-Е(к - К)2 , где к - среднее

значение

П] =1

коэффициента чувствительности к г-й характеристике; ку - 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 [1] ку

І=1

Ґ

1

Л

0 = по821 Е к г Адг I ехр -~ЕАЧг +А°

2

г +1 г г +1 г , г +1

г =1

(1)

где А^г - отклонения значений характеристик от эталонных значений, измеренные в нормированной шкале отношений; гг,г+] - парный коэффициент корреляции между характеристиками, учитывающий возможность обменных соотношений между ними; п -количество характеристик; о1 - среднеквадратическое отклонение коэффициента чувствительности к і-й характеристике.

Графическое изображение этой зависимости для одномерного (однопараметрического) случая приведено на рис. 4. Как видно из рисунка, 0 = 1 при Адг- = 0 (т.е. при отсутствии искажений) или к. = 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/Ы) = 0 (в этом случае статистический параметр 4 = 4,64). Таким образом, М\-М2=4 о. - ширина терм-множества (градации, диапазона) между одним и другим уровнями качества. Следовательно, 4іоі = Адг « 1/кі ^оі « 1/(кД.), т.е. при увеличении

чувствительности к і-му параметру уменьшается дисперсия субъективных оценок.

Рис. 4. Графическое представление интегродифференциальной функции: М1 - М2 = Ад, - ширина терм-множества

1

Исходные данные и результаты расчета функций принадлежности к нечетким

множествам

на универсальном множестве величин характеристик видеопроекционного изображения

Параметр Значение параметра, соответствующее /-му терм-множеству

Дді ДЯ2 ДЯ3 к1 к2 к3 СТ/

Яркость 0,3 0,7 1 0,75 0,75 0,7 0,002

Детальность 0,2 0,5 1 0,3 0,75 0,3 0,135

Геометрические искажения 0,3 0,8 1 0,5 0,5 0,5 0

Парный коэффициент корреляции между яркостью и детальностью, гя д -0,70

Парный коэффициент корреляции между яркостью и оценкой геометрических искажений, гя иск -0,02

Парный коэффициент корреляции между детальностью и оценкой геометрических искажений, гд иск -0,01

О, 0,83 0,06 0,01

Исходные данные и результаты расчета функций принадлежности к нечетким множествам, определяющим качественные «классы» видеоизображения на универсальном множестве величин характеристик приведены в таблице, а на рис. 5 графически показано, какие сочетания характеристик обеспечивают величину характеристической функции, соответствующую определенному классу.

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;

Ддя, Ддд, Д9ис - 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 субъективная оценка качества изображения. Причем, экспериментальные исследования по оценке заметности изменений частных параметров, влияющих на качество изображения, предполагают

проведение субъективных психофизических квалиметрических экспертиз, а результирующая классификационная лингвистическая шкала формируется с использованием расчетной комплексной модели, позволяющей проводить свертку однопараметрических психофизических зависимостей, полученных экспериментально.

ЛИТЕРАТУРА

1. Нестерова Е.И. Квалиметрические технологии в системах качества предприятий и организаций кинематографии / Е.И. Нестерова. СПб.: Политехника, 2007. 152 с.

Нестерова Елена Ивановна -

кандидат технических наук, доцент,

профессор кафедры «Прецизионные технологии и сертификация киновидеотехники» Санкт-Петербургского государственного университета кино и телевидения Статья поступила в редакцию 18.04.08, принята к опубликованию 22.05.08