یک روش اندازه گیری بدون مرجع بلوک در تصاویر کدگذاری شده با dct از طریق تشخیص لبه و رگرسیون
| عنوان | یک روش اندازه گیری بدون مرجع بلوک در تصاویر کدگذاری شده با dct از طریق تشخیص لبه و رگرسیون |
|---|---|
| نویسنده | اوزانسوی، کورای |
| تاریخ انتشار: | 2014-01 |
| موضوع | علوم مهندسی |
| نوع | سند |
| زبان | انگلیسی |
| دیجیتال | بله |
| نسخه خطی | خیر |
| کتابخانه: | دانشگاه اوزیغین |
| شماره ثبت | fd0b15c7-c4e7-48d8-b5c4-cc22d7141af5 |
| محل کتابخانه | گروه مهندسی برق و الکترونیک |
| تاریخ | 2014-01 |
| متن نمونه | در این پایان نامه الگوریتمی که خطاهای مسدودسازی را تشخیص می دهد و نتایج دقیق آن ارائه می شود. امروزه کدگذاری دیجیتال و انتقال تصاویر و فیلم ها در حال افزایش است. خطاهای مسدود کردن مشکلات جدی در انتقال ویدیوهای با نرخ داده پایین (یا توالی تصویر) با استفاده از تکنیک های فشرده سازی مبتنی بر DCT ایجاد می کند. فشرده سازی بیش از حد به دلیل محدودیت پهنای باند ممکن است باعث ایجاد خطا شود. این خطاها باعث ایجاد نارضایتی در کاربران نهایی می شود. ناشران و ارائهدهندگان خدمات اینترنتی همیشه میخواهند اختلالات در سیستمهای خود مانند مسدود کردن را با تکنیکهای اندازهگیری کیفیت ارزیابی کنند. خطاهای مسدود کردن را می توان با روش های اندازه گیری مرجع کامل، مرجع کاهش یافته یا بدون مرجع ایجاد کرد. اندازه گیری بدون مرجع در اینجا کارآمدترین روش است زیرا ممکن است همیشه دسترسی به داده های مرجع امکان پذیر نباشد. این روش همچنین امکان بازرسی در زمان واقعی را فراهم می کند. در این پایان نامه، روش جدیدی را ارائه کردیم که انسداد بدون مرجع را اندازه گیری می کند. این روش مبتنی بر DCT است و از مدل سیستم بینایی انسان نیز استفاده می کند که در ادبیات دیگر نیز ذکر شده است. با این حال، چیزی که این روش را منحصر به فرد می کند این است که با استفاده از الگوریتم تشخیص لبه سوبل از اندازه گیری های نادرست جلوگیری می کند و میانگین نمرات ناظران (MOS) را با نتایج تجربی از طریق تحلیل رگرسیون تطبیق می دهد. این روش های منحصر به فرد به ما کمک کرد تا نتایجی با شباهت زیاد به مقادیر MOS در پایگاه داده LIVE بدست آوریم. از تصاویر پایگاه داده LIVE برای پردازش و آزمایش خروجی های الگوریتم استفاده شد. این پایگاه داده حاوی تصاویری است که در معرض درجات مختلف اعوجاج قرار گرفته اند. ما از تکنیک های همبستگی پیرسون و اسپیرمن برای اندازه گیری میزان مطابقت مقادیر MOS با نتایج ما استفاده کردیم. برای پایگاه داده LIVE، بهترین همبستگی اسپیرمن به دست آمده در ادبیات 94٪ است، در حالی که ما 95٪ را به دست آوردیم. علاوه بر این، ما به همبستگی پیرسون 98٪ دست یافتیم، در حالی که بهترین در ادبیات 94٪ است. این پایان نامه یک الگوریتم تشخیص مصنوع مسدود کننده را ارائه می دهد و از نتایج تجربی دقیق تشکیل شده است. مسدود کردن مصنوعات یک مشکل جدی در انتقال سرعت داده پایین این گونه فیلم ها (یا توالی تصویر) است که از الگوریتم های فشرده سازی مبتنی بر DCT استفاده می کنند. فشرده سازی بیش از حد به دلیل محدودیت های پهنای باند می تواند مصنوعات مسدود کننده را ایجاد کند. تکنیکهای اندازهگیری کیفیت آنلاین برای مصنوعات مانند مسدود بودن برای پخشکنندهها و ارائهدهندگان خدمات اینترنتی برای بازرسی سیستمهای پخش خود مورد نیاز است. اندازه گیری بلوک را می توان از طریق روش های مرجع کامل (FR)، مرجع کاهش یافته (RR) یا بدون مرجع (NR) انجام داد. NR کارآمدترین است زیرا دسترسی به محتوای مرجع ممکن است همیشه امکان پذیر نباشد. روش های NR همچنین امکان بازرسی بلادرنگ را ارائه می دهند. ما یک روش جدید اندازهگیری بلوک NR را پیشنهاد میکنیم. این روش مبتنی بر DCT است و از مدلی از سیستم بینایی انسان مانند برخی از متون استفاده می کند. با این حال، منحصر به فرد است زیرا از الگوریتم تشخیص لبه Sobel برای جلوگیری از محاسبات اشتباه استفاده می کند و همچنین از تحلیل رگرسیون برای مطابقت با میانگین نمرات نظر (MOS) ناظران انسانی استفاده می کند. این ویژگیهای منحصربهفرد روش ما به ما امکان میدهد به نتایجی دست یابیم که بیشتر با مجموعه دادههای MOS برای LIVE که برای آموزش و آزمایش الگوریتم ما استفاده میشود، مرتبط است. برای اندازهگیری میزان مطابقت نتایج ما با مقادیر MOS در LIVE، از فرمولهای همبستگی پیرسون و اسپیرمن استفاده میکنیم. بهترین همبستگی اسپیرمن به دست آمده در ادبیات برای مجموعه داده LIVE 94٪ است در حالی که ما 95٪ دریافت می کنیم. از سوی دیگر، ما یک همبستگی پیرسون 98٪ دریافت می کنیم و 94٪ از بهترین ها در ادبیات پیشی می گیریم. |
