автореферат диссертации по радиотехнике и связи, 05.12.04, диссертация на тему:Методы и алгоритмы анализа качества передачи мелких деталей и резких границ цветных телевизионных изображений

На правах рукописи

Сай Сергей Владимирович

МЕТОДЫ И АЛГОРИТМЫ АНАЛИЗА КАЧЕСТВА ПЕРЕДАЧИ МЕЛКИХ ДЕТАЛЕЙ И РЕЗКИХ ГРАНИЦ ЦВЕТНЫХ ТЕЛЕВИЗИОННЫХ ИЗОБРАЖЕНИЙ

Специальность: 05.12.04. - Радиотехника, в том числе системы и устройства радионавигации, радиолокации и телевидения

Автореферат диссертации на соискание ученой степени доктора технических наук

Хабаровск 2003

Работа выполнена

в Хабаровском государственном техническом университете

Научный консультант: доктор технических наук, профессор

Официальные оппоненты: доктор технических наук, профессор доктор технических наук, профессор доктор технических наук, профессор

Быков Р.Е.

Полосин Л.Л. Мамчев Г.В. Мартышевский Ю.В.

Ведущая организация:

АО «Московский научно-исследовательский телевизионный институт»

Защита диссертации состоится 21 октября 2003 г. в 9-00 часов на заседании диссертационного совета Д 212. 268. 01 Томского государственного университета систем управления и радиоэлектроники по адресу: 634050, г.Томск, пр.Ленина, 40.

С диссертацией можно ознакомиться в библиотеке Томского государственного университета систем управления и радиоэлектроники

Автореферат разослан "Д^/ " СЛ^/^л^р-*. 2003 г.

Ученый секретарь диссертационного совета

Кузьмин А.А.

1ос>3'к

1

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. В процессе проектирования цифровой телевизионной (ТВ) системы с высоким качеством возникает следующая основная проблема. С одной стороны, для компактного представления и передачи видеоданных по каналам связи с ограниченной полосой пропускания, требуется использовать эффективные алгоритмы сжатия. С другой — необходимо обеспечить высокое качество передачи мелких деталей и резких границ декодированных цветных изображений, от которых зависят такие характеристики изображения как четкость и резкость.

Четкость и резкость обычно оцениваются разрешающей способностью и длительностью переходных характеристик (ПХ) каналов яркости и цветности линейной системы. Разрешающая способность системы традиционно определяется числом различимых линий, вычисляемого по значению максимальной пространственной частоты, при которой обеспечивается пороговый контраст воспроизводимого изображения предельно контрастной штриховой миры. По переходной характеристике определяется резкость границ крупных деталей изображения как разность между точками соответствующими 0,1 и 0,9 ПХ.

Традиционные методы оценки четкости и резкости изображения разработаны- в основном применительно к стандартным аналоговым системам цветного телевидения. В цифровых видеосистемах возникают специфические искажения, обусловленные ограничениями выбранного алгоритма сжатия. Такие искажения могут привести к неадекватным результатам по отношению к субъективным оценкам качества декодированного изображения при использовании стандартных методов измерения. Наиболее часто используемый на практике среднеквадратичный критерий не дает объективных оценок визуальной четкости и резкости, так как глаз в процессе восприятия обрабатывает изображение по характерным признакам, а не усредняет его поэлементно.

Поиск и разработка новых объективных методов, которыми занято множество исследователей разных стран, пока не привели к созданию единой методологии, надежно гарантирующей адекватные результаты оценок качества цветных изображений в современных цифровых видеосистемах. До сих пор, наиболее надежным и достоверным способом оценки качества изображения является метод субъективных экспертиз, который позволяет оценивать работоспособность видеосистемы в целом на основе зрительного восприятия декодированного изображения. Процедуры субъективных оценок требуют большого объема испытаний и времени. На практике, данный метод является трудоемким процессом, что накладывает ограничения при решении задач контроля, настройки и оптимизации параметров кодека.

Таким образом, пока что не существует объективных критериев оценки четкости и резкости изображения, которые могли бы надежно гарантировать адекватность результатов к субъективному восприятию с учетом влияния искажений и шумов, возникающих в процессе цифровой обработки и передачи сигналов.

Цель диссертационной работы заключается в разработке новых методов и алгоритмов оценки качества передачи мелких деталей и резких границ цветных изображений на основе объективных критериев, которые могли бы надежно гарантировать адекватность результатов к субъективным зрительным оценкам четкости и резкости изображений в цифровых ТВ системах.

Для достижения поставленной цели потребовалось решить следующие задачи:

• обосновать выбор метрической системы координат, в которой будут проводиться количественные измерения, и разработать объективный критерий качества воспроизведения мелких деталей испытательного телевизионного изображения с учетом порогов зрительного восприятия;

• разработать математическую модель и алгоритм синтеза испытательной таблицы, позволяющие задавать исходный цветовой контраст объект-фон в пороговых значениях равноконтрастной системы координат;

• разработать методику субъективных оценок, позволяющую экспериментально определять зависимости порогового контраста, при котором мелкие детали изображения различаются глазом в зависимости от: размера, пространственной ориентации, цветовых координат и времени предъявления наблюдаемых объектов;

• разработать модель преобразования флуктуационных помех (ФП), присутствующих в цветоделенных сигналах изображения, в равноконтрастное цветовое пространство;

• разработать объективные критерии и новые методы, позволяющие оценивать интегральное влияние погрешностей алгоритмов сжатия на визуальную четкость, резкость и точность цветопередачи мелких деталей декодированного изображения;

• разработать алгоритм и программный анализатор качества передачи мелких деталей и резких границ испытательного изображения по объективным критериям;

• определить взаимосвязь численных результатов анализа с субъективными оценками качества изображений по выбранной шкале;

• доказать обоснованность теоретических моделей и достоверность разработанных критериев с помощью объективных экспериментальных оценок качества декодированного испытательного изображения для различных алгоритмов сжатия и сопоставления полученных результатов с субъективными оценками тестовых изображений.

< Научная новизна. Принципиально новым является метод оценки цветовых различий мелких деталей испытательного изображения в нормированном равноконтрастном цветовом пространстве, который учитывает изменения порогового контраста наблюдаемых объектов в зависимости от их размеров, пространственной ориентации, цветовых координат и времени предъявления.

Новый метод синтеза испытательного изображения в равноконтрастном цветовом пространстве позволяет задавать исходный контраст объект-фон непосредственно в минимальных цветовых порогах (МЦП), что является принци-

>

пиальным отличием от известных способов синтеза, где контраст задается отношением разности яркостей объекта и фона к их максимальному значению.

На основе разработанной методики субъективных оценок, получены экспериментальные числовые значения порогового контраста мелких деталей, при котором они еще различаются глазом. Определены новые характеристики спада контрастной чувствительности зрения по индексам яркости и цветности равно-контрастного цветового пространства в зависимости от размеров деталей при заданных условиях наблюдения.

Разработанный метод оценки визуальной четкости изображения отличается от известных тем, что контраст мелких деталей определяется нормированным средним значением по площади анализируемого «окна» изображения штриховой миры, а не по значению амплитуды первой гармоники яркостного и цвето-разностных сигналов. При этом исходный контраст объект-фон задается не его максимальным значением, а величиной в два-три раза превышающей пороговое значение, что позволяет оценить работоспособность системы в допороговой области, где искажения наиболее существенны.

Разработанный метод оценки резкости изображения отличается от известных тем, что степень "размытости" границ крупных деталей определяется не по переходным характеристикам яркостного или цветоразностного каналов, а по изменению равноконтрастных цветовых координат между граничными цветами. При этом длительность вертикальных, горизонтальных и наклонных границ определяется числом элементов растра как разность между точками, для которых цветовое различие относительно граничных цветов превышает нормированный порог.

"Границу трехцветности" предложено оценивать не по полосе пропускания каналов цветности, а по новому методу, который определяет зависимость нормированной ошибки цветопередачи от размеров объектов с учетом порогов зрительного восприятия цветности мелких деталей.

Модель преобразования шумов в равноконтрастной системе координат дает оценку среднеквадратичных значений помех по индексам яркости и цветности числом МЦП, а не напряжением помех в сигналах основных RGB цветов, что является новым подходом к анализу зашумленности цветных изображений.

Получены новые рекомендации по выбору и оптимизации параметров алгоритмов сжатия на высокое качество передачи мелких деталей и резких границ изображений в следующих системах: кодирование длин серий, кодирование методом ДИКМ, кодирование с преобразованием, кодирование на основе вейвлет-преобразования, межкадровое кодирование.

На защиту выносятся следующие положения:

1. Разработанный метод оценки цветовых различий деталей испытательного изображения в нормированном равноконтрастном цветовом пространстве и полученные экспериментальные зависимости порогового контраста зрения от характеристик наблюдаемых объектов расширяют область применения равноконтрастных координат до возможности определения ошибки цветопередачи не только крупных, но и мелких деталей изображений.

2. Разработанный метод синтеза испытательной последовательности кадров изображения в равноконтрастном цветовом пространстве позволяет задавать исходный контраст объект-фон непосредственно в значениях МЦП, что повышает эффективность оценки визуальной четкости по значению контраста мелких деталей декодированного изображения.

3. Разработанная модель преобразования шумов в равноконтрастном цветовом пространстве позволяет оценивать среднеквадратичное значение помех непосредственно в значениях МЦП и обосновывать требования к помехоустойчивости системы с целью обеспечения заданной визуальной четкости изображения.

4. Метод оценки четкости изображения, разработанный на основе вычисления среднего контраста мелких деталей неподвижных или подвижных фрагментов изображения, гарантирует адекватность результатов к субъективным оценкам с учетом интегрального влияния искажений и шумов, возникающих в системе.

5. Метод оценки резкости изображения, разработанный на основе определения длительности границы числом элементов растра как разность между точками, для которых цветовое различие относительно граничных цветов превышает один нормированный порог, дает достоверную степень "размытости" границ крупных деталей изображения с точки зрения получателя.

6. Метод оценки точности цветопередачи мелких деталей по критерию, разработанному в нормированном цветовом пространстве, дает более корректную оценку "границы трехцветности", т.к. учитывает пороги зрительного восприятия и искажения сигналов цветности после декодирования.

7. Результаты анализа качества испытательного изображения по объективным критериям в системах цифрового сжатия на основе: кодирования длин серий, ДИКМ, дискретных ортогональных преобразований, вейвлет преобразования и метода компенсации движения — дают новые рекомендации по выбору и настройке параметров алгоритмов сжатия, при которых обеспечивается высокое качество передачи мелких деталей и резких границ изображения.

8. Результаты объективных экспериментальных оценок четкости и резкости испытательных изображений для различных алгоритмов сжатия и сопоставления полученных результатов с субъективными оценками качества тестовых изображений — доказывают обоснованность теоретических моделей и достоверность разработанных критериев.

Методы исследований. В диссертационной работе использовались методы теории анализа и обработки цветных изображений, методы теории вероятности и математической статистики, методы дискретных преобразований, вычислительные методы, методы объектно-ориентированного программирования.

Практическая значимость полученных результатов заключается в следующем.

1. Разработанные новые положения теории проектирования цифровых телевизионных систем на основе результатов объективного анализа качества передачи мелких деталей и резких границ цветных изображений позволяют повысить эффективность проведения НИР и ОКР, при модернизации существующих

и при разработке новых образцов цифровых кодеков, повысить их качественные показатели.

2. Полученные решения проблемы поиска объективных критериев качества цветных телевизионных изображений позволяют существенно сократить объем экспериментальных исследований на основе субъективных оценок или полностью их исключить, что дает возможность значительно снизить затраты материальных ресурсов, денежных средств и времени на разработку цифровых кодеков.

3. Полученные рекомендации по оптимизации и настройке параметров алгоритмов цифрового сжатия на высокую четкость и резкость цветных изображений, а также разработанные программные продукты, представляют практический интерес при проектировании новых и модернизации известных цифровых ТВ систем.

4. Результаты работы реализованы в Институте проблем морских технологий ДВО РАН (г. Владивосток), что подтверждается соответствующими актами о внедрении (использовании) программно-аппаратных комплексов — «Устройство ввода и сжатия цветного изображения с дискретным косинусным преобразованием», «Анализатор четкости статических изображений», «Архиватор изображений на основе дискретного вейвлет преобразования».

5. Реализован и доведен до практического использования компьютерный анализатор качества передачи мелких деталей и резких границ испытательных изображений, который используется в лаборатории «Мультимедиа» Хабаровского краевого центра новых информационных технологий и в сервисном центре ЗАО «Тензор» (г. Хабаровск).

6. Теоретические и практические результаты диссертационной работы использованы в учебном процессе Хабаровского государственного технического университета при подготовке инженеров по специализациям «Системы цифровой обработки сигналов», «Мультимедийные системы» специальности 220100 «Вычислительные машины, комплексы, системы и сети».

Личный вклад автора. Большая часть результатов получена при проведении научно-исследовательских работ на кафедре Вычислительной техники Хабаровского государственного технического университета. За последние 10 лет под научным руководством автора выполнены следующие НИР, финансируемые по § 53 Министерством образования РФ: 1. "Разработка и исследование программно-аппаратных средств кодирования видеоинформации высокой четкости в информационных сетях" (1993-1995г.). 2. "Анализ и синтез эффективных методов сжатия видеоинформации" (1996-1997г.). 3. "Машинное моделирование методов сжатия, передачи и оценки качества изображений высокой четкости" (1996-1998г.). 4. Грант по проекту "Анализ искажений цветопередачи в системах кодирования сигналов высокой четкости" (1998-1999г.). 5. "Разработка и исследование методов проектирования телевизионных и компьютерных видеосистем с цифровой компрессией на основе анализа искажений четкости, резкости и точности цветопередачи изображений" (1999-2002г.).

Соискателем лично разработаны, исследованы и решены все поставленные в работе задачи.

Апробация работы. За последние 5 лет основные положения и результаты работы были представлены на следующих НТК: III-й Международный симпозиум «Конверсия науки - международному сотрудничеству»// Томск, 1999; 3-я Международная научно-техническая конференция «Интерактивные системы — проблемы человеко-компьютерного взаимодействия» // Ульяновск, 1999; 3-я Международная конференция «Цифровая обработка сигналов и ее применение»// Москва, 2000; Юбилейная научно-технической конференции по радиоэлектронике // ТУ СУР, Томск, 2000; 10-я Международной научно-техническая конференция «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций» // Рязанская государственная радиотехническая академия, 2001; 56-я и 58-я Научная сессия, посвященная Дню Радио// Москва, 2001, 2003; 1-я, 2-я и 3-я Всероссийская научно-техническая конференции «Теоретические и прикладные вопросы современных информационных технологий»// Улан-Удэ, 2000 - 2002; 1-я, 2-я и 3-я Международная конференция «Телевидение: передача и обработка изображений»// Санкт-Петербург, 2000-2003.

Результаты диссертационных исследований обсуждалась:

- на расширенных научных семинарах Кафедры вычислительной техники ХГТУ, Хабаровск, 1999-2002.

- на научном семинаре Кафедры телевидения и видеотехники СПбГЭТУ, Санкт-Петербург, 2001.

- на расширенных научных семинарах Кафедры телевизионных устройств ТУ СУР, Томск, 1999, 2002.

Публикации. По результатам исследований, представленных в диссертации, опубликовано 46 работ (27 без соавторов), в том числе 2 монографии, 7 статей в центральных журналах, 1 авторское свидетельство, 4 зарегистрированные программы для ЭВМ.

Структура диссертации. Диссертация состоит из введения, четырех глав, заключения, списка литературы из 137 наименований, приложения. Объем диссертации 255 стр., таблиц 16, рисунков 62.

СОДЕРЖАНИЕ РАБОТЫ

Во введении содержится обоснование актуальности и практической значимости рассматриваемой проблемы, анализируется ее современное состояние. Сформулированы основные задачи исследований и основные научные положения, которые выносятся на защиту.

В первой главе приведен аналитический обзор современных методов обработки, передачи и оценки качества цветных изoбpàжeний. Изложены основные принципы кодирования сигналов изображения и приведен анализ искажений в следующих системах: 1. Кодирование длин серий 2. Кодирование с предсказанием. 3. Кодирование на основе ортогональных преобразований. 4. Кодирование на основе вейвлет преобразования. 5. Межкадровое кодирование с компенсацией движения, включая стандарты семейства MPEG.

В результате обзора показано, что наибольшее распространение в настоящее время имеют стандарты JPEG и MPEG, которые достаточно полно представле-

ны в литературе. Однако в большинстве литературных источниках приводится описание алгоритмов цифрового кодирования без детального анализа влияния степени сжатия на потери качества декодированных изображений по объективным критериям. Наиболее часто приводятся основные типы искажений, возникающие в процессе внутрикадрового и межкадрового кодирования, которые дают их визуальную характеристику по степени «заметности» того или иного артефакта и, поэтому, не являются объективными.

Приводится обзор известных методов анализа качества цветных изображений: 1. Методов субъективных экспертиз. 2. Методов оценки четкости и резкости изображений по результатам измерений разрешающей способности и длительности переходных характеристик. 3. Методов оценки качества по глобальным мерам различий. Особое внимание уделяется анализатору качества изображений PQA-200, который разработан фирмой Tektronix на основе методики JND (Just Noticeable Difference — «едва заметное различие») и, по мнению специалистов корпорации Sarnoff, дает наиболее близкие результаты объективных оценок качества тестируемых видеопоследовательностей к их субъективным оценкам.

В результате обзора получены следующие выводы.

1. Наиболее надежным и достоверным методом анализа качества изображений является метод субъективных экспертиз.

2. Результаты анализа искажений по усредненному значению нормированной ошибки (MSE) или по отношению сигнал-шум (PSNR), которые часто приводятся в литературе, не позволяют объективно оценить качество воспроизведения мелких деталей и резких переходов, т. к. глаз в процессе восприятия обрабатывает изображение по характерным (локальным) признакам, а не усредняет его поэлементно.

3. Известные методы оценки разрешающей способности, длительности цветовых переходов и точности цветопередачи, применительно к цифровым ТВ системам, имеют следующие недостатки: а) оценка разрешающей способности по пространственной частоте, на которой амплитуда первой гармоники штриховой миры равна пороговому значению, может привести к неверным результатам при исследовании искажений в цифровых системах, где в процессе обработки сигналов используются нелинейные преобразования; б) зависимость порогового контраста от чувствительности зрения к восприятию цвета мелких деталей приводит к неоднозначности оценок, что затрудняет анализ точности передачи мелких деталей по сигналам изображения цветной штриховой миры; в) испытательное изображение штриховой миры с предельным контрастом не позволяет оценить точность воспроизведения мелких малоконтрастных деталей изображения; г) оценка резкости вертикальных границ по длительности ПХ каналов яркости и цветности, и горизонтальных границ по величине межстрочного интервала, не дает объективную оценку искажений цветовых переходов в цифровой системе, где используется двумерная фильтрация сигналов цветности, а также не позволяет оценить искажения на наклонных границах; д) оценка длительности переходного процесса по уровням 0.1 и 0.9 ПХ, не согласована со свойствами зрительного восприятия перепадов яркости и цветности, так как

наше зрение более чувствительно к перепадам яркости и менее чувствительно к перепадам цветности И, следовательно, пороги зрительного обнаружения цветовых перепадов, а также заметности выбросов будут разными; е) известные методы оценки точности цветопередачи в равноконтрастном цветовом пространстве дают объективные результаты при анализе искажений крупных деталей изображения и, как показывает литературный обзор, практически отсутствуют методы оценки точности цветопередачи мелких деталей по объективным критериям.

4. Анализ методики JND позволяет отметить следующие замечания и недостатки. Высокочастотные субдиапазоны сигналов яркости и цветности, полученные после их фильтрации методом «пирамиды Гаусса», содержат информацию о резких границах и текстурах с мелкими деталями. Однако такая информация позволяет лишь локализовать различимые отсчеты для данного уровня «пирамиды» с контрастом более 1 JND и не содержит данных о размерах деталей и протяженности границ. Поэтому, результаты анализа карт JND по интегральным оценкам для яркости и цветности не дают объективных оценок ухудшения визуальной четкости и резкости декодированной видеопоследовательности.

В последнем разделе первой главы приводится обзор моделей зрения, из которого следует, что в большинстве литературных источниках основное внимание уделяется пороговым характеристикам для монохромных изображений и недостаточно полно представлены результаты исследований зрительного восприятия мелких цветных деталей и резких переходов.

В заключение-первой главы приводится вывод о том, что до сих пор не найдены объективные критерии качества изображений в цифровых ТВ системах по показателям четкости, резкости и точности цветопередачи с адекватными результатами к субъективным оценкам. Ставятся основная цель и задачи диссертационных исследований.

Вторая глава посвящена разработке объективного критерия оценки качества передачи мелких деталей цветных изображений.

Основная трудность в разработке такого критерия заключается в том, что пороговый контраст зрения является функцией многих параметров. В частности, при анализе визуальной четкости испытательного детерминированного изображения, пороговый контраст мелких деталей, при которых они еще различаются глазом, можно представить в виде функции:

Кпор=/(а,1,С0,Сф,а), (1)

где а — угловой размер наблюдаемых объектов; t — время предъявления изображения объекта наблюдателю; Св — цветовые координаты объекта; Сф —

цветовые координаты фона, а - среднеквадратичное значение шума.

На первом этапе решения поставленной задачи, необходимо было найти такую метрическую систему координат, в которой единичные изменения сигналов соответствовали порогам зрительного восприятия по всему цветовому пространству, как для неподвижных, так и для подвижных мелких деталей.

Одним из наиболее распространенных способов оценки цветовых различий крупных деталей статических изображений является преобразование RGB про-

странства в равноконтрастную систему координат (W'u'v', ¿Vv* или ¿ab*), где область рассеяния координат цвета преобразуется из эллипсоида в сферу с фиксированным радиусом для всего цветового пространства. В этом случае величина порога выбирается равным среднему цветовому порогу (СЦП) получателя и сохраняет постоянное значение в независимости от цветовых координат объекта.

Ошибка цветопередачи в равноконтрастном цветовом пространстве, например, в системе МКО 1964 г. (Вышецки), определяется величиной радиус-вектора в системе W'u'V* координат и оценивается числом МЦП:

^=3-J(fv; - w'0 f+(u'a- о: f+(v: - v; /, (2)

где W*,U*0,V* — координаты цвета крупного объекта в исходном (эталонном) изображении и W'0 , U'0, V'a —координаты цвета в декодированном изображении; W* =25 У'/3 -17 — светлота (индекс яркости); U' = 13 W'{и - и0), V* = 13 W*(v - v0) — координаты цветности (индексы цветности); и и v — координаты цветности диаграммы Мак-Адама; ив и vD — координаты цветности опорного белого ыя= 0,201, v0 = 0,307.

При сравнении цветовых полей расположенных в "окошке" на нейтральном фоне, цветовые различия (2) считаются малозаметными при е < 2...3 (МЦП) для всего цветового пространства, что объясняется свойствами равноконтраст-ных систем и согласуется с опытом. С уменьшением размеров наблюдаемых объектов пороги цветовых различий будут увеличиваться и зависеть от наблюдаемого цвета, что объясняется свойствами зрительного восприятия. Поэтому, равноконтрастные цветовые пространства практически не используются для анализа искажений цветопередачи мелких деталей, т.к. при этом теряется основное свойство равноконтрастных систем.

В результате проведенных исследований, автором предложен и реализован метод модификации (нормализации) равноконтрастных систем с целью их использования не только для анализа искажений цветопередачи крупных деталей, но и для оценки точности передачи мелких цветных деталей. Нормализация равноконтрастного цветового пространства заключается в следующем.

Используя (2), определим цветовое различие между двумя деталями изображения величиной радиус-вектора АЕ

АЕ=з - w2f+(v; - v2')2+си; -и;)2, (з>

где W'U^Vj —цветовые координаты 1-го объекта; W^U^Vj —цветовые координаты 2-го объекта. В отличие от (2), выражение (3) определяет цветовое различие между объектами одного изображения, а не между объектами изображений «до» и «после» цифровой обработки. Если, один из объектов является фоном, то цветовое различие между координатами объекта и фона находится как

ае=з ^{w; -w;f+(v; +(и; (4)

или в системе разностных координат

АЕ = ^]{АЖ')2 + (Ли')2 + (АУ')2, (5)

где АШ* = 3(0;* - 1Гф), Ли* =3(и*0~и'ф), АУ' = 3(У0' - Уф) —разностные значения в МЦП по индексам яркости и цветности; Ж0*С/*К0* — цветовые координаты объекта; \¥ф11фУф — цветовые координаты фона.

Полагаем, что крупная деталь изображения различается глазом на уровне фона, если выполняется условие:

АЕ>АЕпор, (6)

где АЕ = 2...3 (МЦП)— пороговый контраст, который сохраняет постоянное значение в пределах всего цветового пространства.

Далее, подставим (5) в (6) и преобразуем к следующему виду

г • V АУР

/ . \2 Аи

АУ'

К^пор;

>1.

(7)

С уменьшением угловых размеров деталей контрастная чувствительность зрения падает, и значение порога АЕпор становится зависимой величиной от угловых размеров (а) объекта, как по светлоте, так и по цветности. При этом критерий различения мелких деталей определяется как

АТР

\2

Мпор{а)

Аи

V г +

АУ

\

ДУпвр{а)

£1,

(8)

где АЖ*ор, Аи'пор, АУ*ор —пороговые значения по индексам яркости и цветности, которые для общего случая, также зависят от цветовых координат фона, времени предъявления объекта и уровня шума.

Запишем (8) в следующем виде

^(АЖ')2+(Ай')2 + (АУ')2 >1, (9)

где АЖ* = А1¥* / Аф'пор, Ли* = Аи' / Аи'пор и АУ* = АУ" /АУ'пор — нормированные значения контраста объект-фон.

При выполнении условия (9) принимается решение, что цветовое различие между объектом и фоном заметно глазом и, следовательно, мелкие детали различимы. Таким образом, переход из равноконтрастной системы РУ'и'У' координат в нормированную систему АЖ'ли'АУ' координат позволяет на основании критерия (9) объективно оценивать цветовые различия не только крупных, но и мелких деталей при заданных условиях (а, Сф, а, /) наблюдения цветного изображения. Для того чтобы использовать критерий (9) на практике, необходимо было определить числовые значения А1¥*ор, Аи*пор и АУ*пор порогового

контраста мелких деталей, при которых они еще различаются глазом, в зависимости от размера а деталей для заданных условий наблюдения и эксперимен-

+

+

+

тально доказать, что выражение (9) справедливо для любых испытательных цветов.

Для решения поставленной задачи потребовалось: 1. Разработать алгоритм синтеза испытательного изображения состоящего из малоразмерных статических и динамических объектов с регулируемым контрастом в значениях МЦП. 2. Разработать методику проведения эксперимента и на основе субъективных оценок определить пороговые значения контраста мелких деталей.

Автором разработан новый алгоритм синтеза испытательной таблицы в рав-ноконтрастной системе координат, который позволяет задавать исходный контраст объект-фон непосредственно в значениях МЦП, что является принципиальным отличием от известных способов синтеза, где относительный контраст изображения задается процентным отношением разности яркости объекта и фона к яркости объекта.

Алгоритм синтеза заключается в следующем.

На первом этапе, для опорного 1-кадра последовательности с форматом Nx х Ny задаются форма, размеры, пространственное положение и цветовые

координаты W*U*V* объектов и фона. Для последующих кадров задаются вектора движения. На втором этапе, для каждого кадра видеопоследовательности, на основе разработанной математической модели, выполняется преобразование {К.,,J um,,,j {К,,J Gm,t,j которое необходимо для визуализации

исходной последовательности на экране кинескопа и для подачи цифровых RGB сигналов на вход исследуемой системы. На третьем этапе выполняется циклическая регенерация синтезированных М кадров с заданной частотой /кадр

повторения. При воспроизведении испытательной последовательности, динамические объекты перемещаются по заданной траектории на число элементов определяемое вектором движения. Аналогично разработан алгоритм синтеза испытательной видеопоследовательности, где исходные цветовые координаты объектов и фона задаются в системе I'u'v'.

На основе описанного выше алгоритма, разработаны испытательная таблица и видеопоследовательности, в которые включены все необходимые элементы для анализа качества воспроизведения мелких деталей и резких границ статических и динамических изображений.

Рассмотрим основные характеристики испытательной таблицы, которая разработана для анализа качества кодирования, передачи и воспроизведения статических изображений. Таблица представляет собой изображение формата CIF (352x288), которое разбито на 6 одинаковых фрагментов (120x144). Объекты изображения расположены на сером неокрашенном фоне. Для 1 -го и 2-го фрагментов контраст объект-фон задан числом МЦП по индексу яркости ± ЛЕ^..

Для 3-го и 4-го фрагментов контраст объект-фон задан по индексу цветности ± АЕц. и для 5-го и 6-го фрагментов по индексу цветности ± АЕу..

На рис. 1. показан фрагмент таблицы по индексу яркости.

Каждый фрагмент таблицы содержит следующие объекты: а) горизонтальные, вертикальные и наклонные штриховые миры с толщиной штрихов в 1, 2, 3, 4 и 5 элементов растра — необходимы для оценки разрешающей способности и визуальной четкости; б) одиночные малоразмерные детали прямоугольной формы — необходимы для оценки ошибки цветопередачи и "границы трехцветности"; в) крупные детали треугольной формы — необходимы для оценки длительности цветовых переходов и резкости границ.

Рис. 1.

Для анализа качества кодирования, передачи и воспроизведения мелких деталей и резких границ динамических изображений разработаны три типа испытательных последовательностей с форматами 352x288, 720x576 и 1440x1152 элементов. В качестве опорного 1-кадра последовательности формата 352x288 использована таблица, аналогичная для анализа статических изображений. Последовательность состоит из 12-ти кадров, которая циклически повторяется с частотой /кадр=30 Гц. Пространственные координаты объектов т-го кадра

смещены относительно (тя-1)-го кадра на заданные вектора движения. В процессе регенерации последовательности все детали изображения испытательной таблицы становятся динамическими.

В испытательной последовательности с форматом 720x576 каждый кадр состоит из 4-х фрагментов формата 352x288, где для дополнения числа элементов в горизонтальном направлении до 720 добавлено по 8 элементов фона с левой и правой стороны кадра. И, наконец, для последовательности формата 1440x1152 каждый кадр содержит 4 фрагмента формата 720x576, при этом, 12 кадров регенерируются с частотой /кадр-60 Гц.

Для определения пороговых характеристик зрительного восприятия мелких деталей изображения синтезированы испытательная таблица и последовательность формата 352x288 в программной среде С++Вш1с1ег 5. Разработанный программный интерфейс пользователя позволяет регулировать следующие параметры опорного (1-го кадра) изображения — яркость фона, контраст объект-фон по индексам яркости и цветности и уровень шума в цветоделенных каналах.

Пороговые значения контраста для неподвижных деталей по индексам яркости и цветности получены экспериментальным путем с помощью субъективных оценок по следующей методике.

1. Наблюдателю предлагалось испытательное изображение с регулируемыми значениями цветового контраста по оси АШ* с шагом 1 (МЦП) и по осям Ли', АУ' с шагом 2 (МЦП). Расстояние от наблюдателя до экрана подбиралось таким образом, чтобы минимальный размер £т1П объекта равный одному элементу растра соответствовал его угловому размеру а «1'.

2. В процессе эксперимента наблюдатель изменял значение контраста, начиная с минимального, по заданной оси координат, до тех пор, пока линии штриховой миры не становились различимыми в выбираемых фрагментах изображения с одинаковыми размерами деталей.

3. В качестве критерия оценки ставилось условие — линии штриховых мир, наблюдаемых фрагментов должны различаться глазом, по сравнению с предыдущим изображением, т.е. у которого контраст объект-фон ниже на один шаг.

4. При выполнении условия 3., наблюдатель фиксировал значение контраста Л W'nop {AU'nop или Л V'nop) при котором, по его мнению, обеспечивалась

достаточная «различимость» линий.

В экспериментах участвовали студенты и сотрудники Хабаровского государственного технического университета. В таблице 1. приведены субъективные средние оценки порогового контраста от размера 5 объектов для яркости фона 1Уф - 80, где среднее арифметическое значение получено по результатам

оценок 20-ти наблюдателей.

В таблице размер объектов определен числом элементов растра, а величина пороговых значений числом МЦП. Например, при минимальных размерах линий (5=1) среднее значение порога зрительного восприятия (различения) по индексу яркости равно 6 МЦП и по индексам цветности 72 и 76 МЦП.

Как показали результаты экспериментов, значения порогов различения мелких деталей на неокрашенном фоне по осям AU* и AV* примерно одинаковы, и превышают значения порогов по оси AW*в 10... 13 раз. Изменение индекса яркости фона от 70 до 90 МЦП не оказывает существенного влияния на пороги зрительного восприятия мелких деталей.

При анализе точности воспроизведения цвета мелких деталей в системе lluv* наблюдается расхождение в оценках цветовых порогов по координатам и и v* в 1.5... 1.8 раза. Поэтому использование системы W'U*V' в данном случае можно считать более предпочтительным.

На втором этапе экспериментальных исследований необходимо было доказать, что выражение (9) справедливо не только для цветовых координат наблюдаемых объектов по индексам яркости и цветности, но и для любых других выбираемых цветов. Для решения поставленной задачи, был проведен ряд субъективных оценок по следующей методике.

1. Наблюдателю предлагалось испытательное изображение. Отличие заключалось в том, что изменения цветовых координат объектов, относительно фона, задавались в цифровых значениях RGB сигналов с шагом 1.

2. Начальные установки цветовых координат соответствовали следующим значениям: R0=G0=B0=Y0, т.е. на экране наблюдалось изображение фона. В процессе эксперимента наблюдателю предлагалось изменять цветовые координаты R0,G0,B0 таким образом, чтобы оценить цветовые различия для трех ос-

Табл. 1.

S 5 4 3 2 1

¿Ко? 2 2 3 4 6

ли'пор 24 26 34 48 72

24 24 36 52 76

новных цветов: "красного", "зеленого" и "синего", а также, для трех дополнительных цветов: "желтого", "голубого" и "пурпурного".

3. Условие, по которому наблюдатель оценивал "различимость" деталей осталось прежним. В момент, когда наблюдатель принимал решение, что "различимость" мелких деталей в анализируемых блоках достаточная, программа выполняла преобразование {АЯ,АС,АВ} {АЖ*,Аи*,ЛУ*} и вычисляла значение контраста объект-фон

АЕ(8) = .

А1¥

№пвр(3)

+

' ли' *

+

АУ

¿УпоЛ8)

(10)

где АИ/пор(8), Аипор{5), АУпор(5) —пороговые значения из табл. 1, полученные на первом этапе эксперимента.

В результате экспериментов получено, что при различимости штриховых линий, отклонение контраста (10) от единицы не превышает 5% не только для основных и дополнительных, но и для любых наблюдаемых цветов. Таким образом, результаты субъективных оценок позволяют сделать вывод о том, что критерий (9) является объективным для всего цветового пространства при заданных условиях наблюдения.

Пороговые значения контраста для подвижных деталей испытательной последовательности получены экспериментальным путем с помощью субъективных оценок по следующей методике. При проведении эксперимента наблюдатель изменял значение контраста по индексам яркости или цветности, начиная с минимального, до тех пор, пока динамические объекты с размером 5 не становились различимыми в анализируемых фрагментах изображения.

Как показали результаты экспериментов, при движении объектов, пороговые значения контраста по сравнению с данными таблицы 1., увеличивались, в зависимости от г, в соответствии с функцией /(¿) = 1 /(1 - е~"9), где Э =0,05 — время инерции зрения; I — заданный интервал времени, за который объект перемещается на число элементов соответствующих вектору движения. В частности, при Г = 0,033 с. (/каф=30 Гц) пороговые значения контраста мелких деталей увеличились примерно в 1,8...2 раза. Данные результаты подтверждаются известной закономерностью спада контрастной чувствительность зрения при наблюдении динамических объектов. Таким образом, полученные экспериментальные данные позволяют использовать критерий (9) на практике в качестве объективной оценки точности передачи как неподвижных, так и подвижных мелких деталей испытательного изображения.

Третья глава посвящена разработке новых методов и алгоритмов анализа качества передачи мелких деталей и резких границ испытательного изображения на основе критерия (9), с учетом влияние искажений и шумов, возникающих в процессе цифровой обработки и передачи сигналов в системах со сжатием видеоданных.

Автором разработаны методы оценки визуальной четкости, резкости и точности цветопередачи, позволяющие сопоставлять численные результаты с

г

субъективными оценками по объективным критериям. Методика анализа состоит из следующих этапов.

На первом этапе, с помощью компьютерного моделирования, синтезируется испытательная последовательность из 12-ти кадров изображения в пространстве RGB сигналов с 24-х битном представлением каждого элемента, где в качестве исходных цветовых координат объектов использовано равноконтрастное W U V пространство. Контраст изображения штриховых линий и мелких одиночных деталей зависит от их размера и в два-три раза превышает пороговые значения в соответствии с данными табл. 1. Такой выбор контраста обусловлен тем, что в большинстве случаях именно мелкие малоконтрастные детали изображения искажаются в большей степени в процессе цифрового кодирования. На втором этапе цифровые Rm>,j, Gm t J, BmlJ. сигналы испытательной последовательности подаются на вход исследуемой системы, преобразуются в сигналы яркости (У) и цветности (CR и Св) и обрабатываются на основе используемого алгоритма кодирования. На третьем этапе, после декодирования, испытательная последовательность восстанавливается и выполняется поэлементное преобразование Rm, , Gm i J, BmlJ сигналов в равноконтрастное цветовое пространство— Для каждого кадра. При этом все 12 кадров восстановленного изображения записываются в ОЗУ компьютерного анализатора. На четвертом этапе, по соответствующим локальным фрагментам восстановленного изображения измеряются контраст мелких деталей, точность цветопередачи и длительность цветовых границ, и ставиться оценка — визуальной четкости, границе «трехцветности» и резкости по объективным критериям.

Рассмотрим метод измерения контраста применительно для неподвижных мелких деталей опорного кадра испытательной последовательности. Для оценки ухудшения визуальной четкости необходимо измерить контраст для каждого фрагмента, декодированного изображения штриховых мир с фиксированным размером (8) линий и сравнить полученное значение с пороговым.

Полагаем, что линии штриховых мир различаются наблюдателем, если выполняется условие

АЕ( S,k)=.

AW'{6,к)

г —. \2 AU {5,к)

¿U'„op(5)

AV (8,к) Ж'поЛ8)

2

>1, (11)

где АЕ{8,к) — среднее нормированное значение контраста линий, усредненное по площади к-то «окна» изображения выбираемого фрагмента; АШ', А и',

АУ' —средние значения контраста по индексам яркости и цветности; к — параметр, определяющий тип анализируемого «окна» (к = 0 - вертикальная штриховая мира, к = 1 - горизонтальная, к = 2 - наклонная); А№^ор(8), Аи*пор(8),

АУ^ор(8) —пороговые значения контраста из табл. 1.

2

Так как, испытательное изображение разделено на фрагменты по индексам яркости и цветности, то критерии различения мелких деталей по каждой координате определяются следующим образом

= Д = !, (12)

ЛШ'тр{8) и Ли'тр{5) у АУ'тр{8)

где в процессе вычислений выбираем минимальное значение контраста из трех (к) анализируемых «окон» с фиксированным 8 по каждой цветовой координате, что позволяет учесть влияние пространственной ориентации линий на точность декодирования _

На рис. 2. показан пример пространственного по- - '

ложения анализируемых «окон» фрагмента изображе- -ЧФ ния по индексу яркости, с контрастом в два раза выше '!

пороговых значений.

При отсутствии искажений, средние значения контраста по индексам яркости и цветности равны ис- [^^^Р41 ходным значениям. В этом случае, контраст всех анализируемых «окон» испытательного изображения в Чг' два раза превышает пороговые значения и, следовательно, четкость изображения не ухудшается. При на- " ~ ™ личии искажений, среднее значение контраста анализируемых «окон» будет уменьшаться. Рис. 2.

И, если, контраст по индексу яркости или цветности становится меньше порогового, т.е. условия (12) не выполняются, принимается решение, что мелкие детали с размером 8 не различаются получателем. В конечном итоге, по минимальному размеру (<5тш) штриховых линий, контраст которых еще удовлетворяет критериям (12), можно определить максимальное количество различимых элементов изображения, что дает оценку визуальной четкости по индексам яркости и цветности.

Очевидно, что оценка по критериям (12) зависит от исходного контраста изображения мелких деталей. В частности, снижение контраста штриховых линий всего на 1...2 порога даст «плохие» результаты при использовании малоконтрастного испытательного изображения (рис. 2). Если же, исходный контраст превышает пороговые значения, например в 10 раз, то такое снижение контраста не приводит к ухудшению визуальной четкости.

Таким образом, критерии (12) дают объективную оценку ухудшения визуальной четкости малоконтрастных деталей изображения, т.е. позволяют оценивать работоспособность системы в допороговой области.

Для того чтобы исключить влияние исходного контраста на неоднозначность оценок, воспользуемся следующими выражениями:

ли\3)-ли\б)\/ли'{б)<ап.,

(13)

АГ(8)-АУ (8)

!АГпор{8)«2.,

где е .(8), £и- (8), Ъу. (8) — нормированные к пороговым, отклонения контраста от исходных значений; Qw., Qu., ()у. — параметры качества, определяющие допустимые значения снижения контраста по индексам яркости и цветности. Если условия (13) выполняются, считаем, что отклонение контраста от исходного значения «незаметно» для глаза и, при этом, сохраняется высокое качество воспроизведения мелких деталей. Очевидно, что степень «заметно-сти» будет зависеть от выбираемых параметров качества.

Рассмотрим методику измерений применительно для подвижных (динамических) объектов испытательной последовательности. Для оценки ухудшения визуальной четкости необходимо: вычислить средние значения контраста линий штриховых мир по индексам яркости и цветности для каждого кадра испытательной последовательности и оценить среднее значение по совокупности 12-ти кадров:

I м\А1¥\т,5)-АЙ\т,6)\

где М-12 — число кадров; /(/) — функция, учитывающая спад контрастно-чувствительной характеристики (КЧЗ) зрения в зависимости от времени предъявления объектов; 8= 1, 2, 3, 4, 5. Снижение контраста по индексам цветности находится аналогично.

После вычислений (14) проверяются условий (13). Если (13) выполняются по индексу яркости и по индексам цветности, принимается решение, что мелкие подвижные детали различаются наблюдателем и снижение визуальной четкости малозаметно.

Таким образом, разработанные методы позволяют объективно оценить ухудшение визуальной четкости как неподвижных, так и подвижных деталей декодированной последовательности.

Резкость изображения оценим степенью «размытости» границ крупных деталей треугольной формы (см. рис. 1). Используя равноконтрастное цветовое пространство, полагаем, что начало перехода, например, в диагональном направлении фиксируется положением (г',/)-го элемента в т-м кадре при выполнении условий:

IV - Ж АШ*

\2

'и* -и* л2

ли

пор

гу' - V*

А К

пор

>1, (15)

где I = I,, г'; +1, + 2,...; ] = , _/, + 1, у, + 2,...; г';, — пространственные координаты центра треугольной детали 1-го фрагмента, которые смещаются на вектор

движения от кадра к кадру; АШпор, Аи„ор, АУпор — пороги цветовых различий

по индексам яркости и цветности для крупных деталей.

Таким образом, считаем, что переход обнаружен, если нормированное значение цветовых различий между соседними элементами превышает единицу.

После фиксации пространственного положения (г0,у0) начала границы, вычисляется контраст между элементами в горизонтальном (г0 + /г,) - (;0), вертикальном (у'0) - (7о + к2) и диагональном (г0 + ^) - (]0 + 1ц) направлениях, где к = 1,2,3.... На каждом шаге И проверяются условия (15). При невыполнении условий (15), т.е. когда цветовые различия между соседними элементами становятся малозаметными, считаем, что цветовой переход завершен и фиксируем значения /г,,/г2 и к3, которые определяют длительности цветовых границ. Далее выбирается среднее значение из трех величин /г = /77е<зи[/г1,/г2,А3], что, в конечном итоге, дает оценку «размытости» границ крупных деталей т-го кадра.

Интегральная оценка резкости границ динамических объектов определяется по совокупности М кадров испытательной последовательности 1 м 1 и 1 м

V =77 ЕМ»)'V = V = (16)

Считаем, что высокая визуальная резкость изображения обеспечивается при «размытости» границ крупных деталей не более 2...3 элементов растра по яркости и не более 4...6 элементов по цветности.

Для оценки границы «трехцветности» определим нормированную ошибку цветопередачи мелких одиночных деталей прямоугольной формы опорного кадра испытательной последовательности на основании следующего выражения- — — - — -- —

и'(#)-и'0(5)

Липор{8)

2

V' (8) -у; (8)

(17)

где и'(8), У*(8) — цветовые координаты малоразмерных деталей, усредненные по площади объектов; С/* (5), Уа'(8) —исходные цветовые координаты мелких деталей изображения, которые заранее известны.

В отличие от традиционного метода оценки ошибки цветопередачи крупных деталей, в выражении (17) вычисляется среднее значение цветовых координат по площади объектов декодированного изображения. Выбор такого способа обусловлен тем, что погрешности алгоритма кодирования влияют не только на искажения цветовых координат в центре объекта, но и на искажения его формы. При этом с уменьшением размеров деталей цветовые координаты будут «размываться» по площади объекта, что учитывается в выражении (17) и дает более достоверную оценку. Границу "трехцветное™" оценим минимальным размером детали 8т]л, для которого значение ошибки не превышает единичного значения

%'уЛбы „)£1. (18)

При выполнении условия (18) принимается решение, что цветовые различия между заданными и воспроизводимыми цветами малозаметны и, следовательно, ошибка не превышает допустимого значения.

Считается, что для обеспечения высокого качества цветопередачи крупных деталей, допустимое значение ошибки должно быть не более 3-4 МЦП при угловых размерах деталей а> 10', т.е. значения порогов цветовых различий в (17) равны: Аи\ор{8 > 10) = АУ'пор{8 > 10) «3...4 МЦП.

С уменьшением размеров деталей, пороги цветовых различий увеличиваются в соответствии с данными табл. 1., что учитывается в выражении (17). Следовательно, оценка точности цветопередачи мелких деталей и границы «трех-цветности» по критерию (18) является объективной.

В системе с ограниченными полосами пропускания каналов цветности, уменьшение размеров деталей приводит к увеличению ошибки цветопередачи и к уменьшению границы "трехцветности". Известно, что глаз менее чувствителен к искажениям данного типа при угловых размерах деталей а< 1,5... 10'. Однако такой вывод в большей степени соответствуют результатам экспериментальных исследований чувствительности зрения к искажениям цветности мелких деталей в виде чередующихся цветных линий (цветных штриховых мир). При наблюдении мелких одиночных деталей чувствительность нашего зрения к изменению цветового тона более высокая. Как показали результаты экспериментальных исследований субъективных оценок цветовосприятия мелких деталей испытательного изображения по осям С/ и V , цветовой тон наблюдаемых объектов сохраняется при их размерах 8 > 3 элемента растра. Таким образом, полагаем, что для обеспечения высокого качества цветопередачи, значение ошибки (17) не должно превышать единичного значения при размере мелких деталей £т!п= 3, который определяет заданную границу "трехцветно-сти".

Разработанные критерии оценки качества передачи мелких деталей получены без учета шумов в цветоделенных сигналах и могут быть использованы для исследования влияния системных и аппаратурных искажений на снижение четкости декодированного изображения. Следовательно, корректность результатов анализа справедлива в том случае, когда уровень шума в получаемом изображении достаточно мал. В цифровой видеосистеме анализ влияния флуктуаци-онных помех можно разделить на две части — в допороговой и после пороговой области. В допороговой области качество доставки закодированных видеоданных достаточно высокое и наличие шумов в системе приводит лишь к незначительным флуктуациям ЯСВ сигналов изображения. Но, если уровень шума и вероятность ошибок превысили допустимое значение, наблюдается резкое ухудшение качества декодированного изображения за счет возможных изменений пространственно-временного положения отсчетов сигналов и/или существенных скачков амплитудных значений.

С целью анализа влияния флуктуационных помех, в допороговой области, на снижение четкости передаваемых деталей изображения воспользуемся следующими допущениями: 1. Взаимодействие сигналов и шумов изображения —

аддитивное. 2. Закон распределения плотностей вероятностей стационарного шума — близок к нормальному закону. 3. Шумы в R, G, и В сигналах восстановленного изображения — слабо коррелированны между собой. Данные допущения широко используются в инженерных расчетах помехоустойчивости ТВ систем и позволяют упростить анализ с допустимыми погрешностями.

Наличие шумов в системе приводит к тому, что цветовые координаты объектов и фона декодированного изображения "размываются". При этом точка в пространстве RGB координат преобразуется в эллипсоид с полуосями, значения которых пропорциональны среднеквадратичным уровням (сгя,сгс,сгв) помех в цветоделенных каналах.

В процессе вычисления контраста штриховых линий выполняется преобразование {Rm hJ GmiJ Bm t J}^> {W'mJtJ U*m lJ V*,J. Следовательно, значения рав-ноконтрастных координат становятся случайными величинами со среднеквад-ратическими отклонениями — &w. ,5^. ,5у .

Здесь необходимы следующие замечания. Дело в том, что известные равно-контрастные системы получены экспериментальным путем, где в процессе субъективных оценок ставилось соответствие цветовых различий в значениях МЦП изменениям сигналов основных цветов приемника на входе видеоконтрольного устройства (ВКУ). Поэтому, в большинстве литературных источниках приводятся формулы преобразования RGB —» W U'V* без учета параметра «гамма» кинескопа. Также, при проведении экспериментов обеспечивались нормальные условия наблюдения, т.е. для которых уровень шума в наблюдаемом изображении был сведен к минимуму.

Наличие шума в цветоделенных каналах приводит к тому, что уровень флуктуационных помех в наблюдаемом изображении будет зависеть от коэффициента «гамма» кинескопа. Для учета данного фактора используем известное преобразование сигналов основных цветов приемника на входе ВКУ в относительные значения яркости свечения люминофоров кинескопа

LK=k-(RY, Lc=k- {G)r, LB=k- (B)r, (19)

где /=2.8— коэффициент «гамма» кинескопа; к—масштабный коэффициент, учитывающий диапазон изменения относительных яркостей в пределах от 1 до 100 и диапазон изменения цифровых RGB сигналов от 0 до 255. При этом в формулах преобразований сигналов в равноконтрастную систему координат произведем замену R, G, В значений на LR, La и LB.

Определим дисперсии значений равноконтрастных координат, воспользовавшись методом линеаризации функций, что обоснованно при малых среднеквадратичных значениях шума в цветоделенных каналах.

Определим дисперсию индекса яркости W* - 25 YI/3 -17. С математической точки зрения линеаризации функции JV* = р(У]/3) есть приближенное представление этой функции первыми двумя членами ряда Тейлора. В этом случае, дисперсия величины W* может быть найдена в приближенном виде:

D[W ]■■

'8W^

8Y

D[7] =

25

3 ■ Y

2/3

D[Y],

(20)

где знак m указывает на то, что при вычислении частной производной подставляются математические ожидания величин.

В свою очередь, координата яркости определяется линейным преобразованием: Y = 0,299Lr + 0,587Lc + 0,114LB. Следовательно, с учетом принятых допущений:

D[Y] = 0,2992 - D[Lr] + 0,5872 • D[La] + 0,1142 • D[LB]. (21)

Учитывая (19), на основе метода линеаризации, находим дисперсии: D[Lr] *(k-y Rir-^D[R], Д1й]«{к ■ у ■ G^Jb[G] ,

D\_LB]^{k-r-B^Jo[B], (22)

Определим дисперсию величины U*. Так как, координата U* определяется с помощью нелинейных преобразований RGB координат, учитываем их малый разброс относительно средних и находим приближенное значение дисперсии с помощью метода линеаризации функций U* =13 fV*(u-u0):

D[U ]■■

'dU^

dL

C{LR} +

R

Л2

sir

ydLCJ

D[LG] +

dlf 5LK

D[LE

(23)

где частные производные найдены в следующем виде

- = 13|

dU' „(25а4 ,

dlR dU' dLc

dLR

= 13

= 13

3 Y 25 a

W

ЗУ 25a,

rill

5 / \ a->T - bdJ , {и-щ)+ 2 W

2/3

fi /• a-\T ~ bJJ „,<

- - (u - Uq ) + ——H— W

чв \ЪУ Г

где и = и1{и + У + \¥) = и/Т- у = У/(II+ У+ №) = У 1Т\ и = ахЬК + а2Ьс + аъЬв\ V = я41Л + а5Ьс + а6Ьв\ IV = а1Ьп + аяЬа + а9Ьв; Т = + ЬгЬс + Ь3ЬВ — модуль цвета; а,...а9 —постоянные коэффициенты.

Дисперсия координаты У' определена аналогичным способом.

Определим критерий, при котором линии штриховых мир будут различаться наблюдателем на фоне помех. Для решения поставленной задачи, использовано известное «правило трех сигма» из которого следует, что вероятность отклонения случайной величины X с любым законом распределения (близким к нормальному закону) от своего математического ожидания на величину не менее Ъ(т{Х\ не превышает 1/9. Критерий, при котором мелкие детали с размером § будут различаться наблюдателем на фоне помех по светлоте, найден в следующем виде

AW'{8) > AW*nop{8)kw. + 3<pw. {8)aw., (24)

где AW*nop{S) —пороговый контраст в соответствии с данными табл. 1; к^. — коэффициент, учитывающий изменение порогов за счет введение параметра у; <р . (8) — весовая функция. Аналогичным образом определены критерии по

индексам цветности. Введение в (24) весовой функции обусловлено тем, что контрастная чувствительность зрения падает с уменьшением размеров деталей и, следовательно, влияние шумов на их различимость будет в большей степени. Как показали результаты экспериментальных исследований, максимальное значение ср{8)= 1 соответствует минимальному ((5 = 1) размеру штриховых линий и с увеличением размеров штрихов значения весовой функции уменьшаются пропорционально уменьшению порогов в табл. 1.

Численное решение разработанной математической модели позволяет оценить влияние аддитивных помех на ухудшение четкости изображения в зависимости от среднеквадратичных значений шумов на выходе цветоделенных каналов видеосистемы и от исходных цветовых координат изображения мелких деталей и фона. В таблице 2. приведены расчетные зависимости среднеквадратичных отклонений цветового контраста по индексам яркости и цветности от сг при условии, что уровень шума в цветоделенных каналов примерно одинаковый (сг« crR ~ иG ~ <7В). Величина сг представлена в процентном отношении к максимальной амплитуде цветоделенных сигналов.

Табл. 2.

а% 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0

V 0.61 1.23 1.84 2.45 3.06 3.68 4.29 4.90 5.52 6.13

V 2.52 5.05 7.57 10.1 12.6 15.1 17.7 20.2 22.7 25.2

<v 1.40 2.80 4.20 5.61 7.01 8.39 9.80 11.2 12.6 14.0

При выполнении расчетов использовались цветовые координаты объектов испытательного изображения с контрастом равным пороговым значениям для деталей с минимальными размерами. Полученные результаты позволяют оценить влияние шума в цветоделенных каналах системы на увеличение порогового контраста и, следовательно, на ухудшение визуальной четкости мелких деталей изображения. Например, для того, чтобы самые мелкие детали (£=1) изображения различались наблюдателем на фоне помех, при относительном уровне шума в цветоделенных каналах сгд да сгс « сг5 = сг = 2% {Ч/= 34 дБ), их контраст должен быть увеличен на 18 МЦП по светлоте и на 75 и 42 МЦП по индексам цветности, т.е. ¿^'>31, АН* > 220 и АУ* > 147, что относительно, исходных цветовых координат означает: А1У* >\5, Аи' >108 и АУ* >140.

Для доказательства корректности разработанной математической модели и, следовательно, работоспособности критериев использованы выборочные значения дисперсий по координатам светлоты и цветности. Сравнение расчетных и экспериментальных данных доказывает корректность и справедливость разра-

ботанной математической модели преобразования шумов. Незначительные отклонения в результатах не превышают 3...5%, что можно считать допустимым для инженерных расчетов, и объясняются погрешностями метода линеаризации и целочисленным представлением цифровых значений RGB сигналов.

Разработанные методы оценки качества воспроизведения мелких деталей и резких границ цветных изображений реализованы в виде программного анализатора в среде C++Builder 5.

Так как, численные оценки снижения контраста (13) и ошибки цветопередачи (17) нормированы к пороговым значениям, то в первом приближении можно считать, что ухудшение качества передачи мелких деталей будет малозаметным при выполнении условий:

т.е. параметры качества (Qw., Qu-, Qy. ), определяющие допустимые значения

снижения контраста по индексам яркости и цветности, равны единице.

Выполнение данных критериев дает объективную оценку «хорошего» качества воспроизведения мелких деталей цветного изображения, если ухудшение качества обусловлено линейными искажениями, что подтверждается результатами анализа качества изображения после линейной фильтрации цветоразност-ных сигналов.

Однако такая оценка является достаточно «грубой» и может привести к некорректным результатам в цифровых системах кодирования, где присутствуют нелинейные искажения. С целью уточнения разработанных критериев, необходимо было сопоставить численные оценки с субъективными оценками качества воспроизведения мелких деталей по выбранной шкале.

В общем случае, для решения поставленной задачи требуется проведение трудоемких экспертных оценок качества декодированного изображения после его обработки на основе используемого алгоритма сжатия. При этом визуальная оценка качества будет зависеть от выбранных параметров алгоритма кодирования. Автором предложено и реализовано более простое, и достаточно эффективное решение поставленной задачи. В качестве шкалы оценок выбрана 10-ти балльная шкала, которая позволяет получать промежуточные ступени оценок между баллами шкалы общего качества и шкалы погрешностей. В качестве модели цифровой системы кодирования выбран алгоритм JPEG, реализованный в графическом редакторе Adobe Photoshop 5, который имеет возможность настройки качества декодированных изображений по 10-ти балльной шкале.

В табл. 3. приведены результаты численных оценок снижения контраста и ошибки цветопередачи мелких деталей испытательного изображения в зависимости от параметра качества (Quality — q), для размеров деталей <5=1 по индексу яркости и 6=3 по индексам цветности.

Табл. 3.

ч 10 9 8 7 6 4 2

V 0.00 0.01 0.11 0.26 0.53 0.98 1.51

еи',у' 0.55 0.56 0.63 0.71 0.75 1.01 1.41

%-у 0.61 0.63 0.65 0.78 0.84 1.27 1.42

Анализ полученных экспериментальных данных позволил сделать следующие выводы. Для обеспечения высокого качества воспроизведения мелких деталей с субъективными оценками по общей шкале качества не менее «хорошо» и «отлично», что соответствует рейтингу 10-ти балльной шкалы q>6...1, необходимо выполнение следующих условий.

1. Снижение контраста штриховых мир по индексу яркости, должно быть не более 50% от пороговых значений для размеров линий в 1 и более элементов растра, т.е. Ëw. (8 > 1) < 0.5.

2. Снижение контраста штриховых мир по индексам цветности, должно быть не более 75% от пороговых значений для размеров линий в 3 и более элементов растра, т.е. ец. у. {8 > 3) < 0.75.

3. Среднее значение ошибки цветопередачи должно быть не более 0.8 для размеров деталей в 3 и более элементов растра: ци<. (8 > 3) <0.8.

4. Средние значения длительностей вертикальных, горизонтальных и наклонных границ крупных деталей, должны быть не более 2...3 элементов растра по индексу яркости и не более 4...6 элементов по индексам цветности.

Необходимо отметить, что если условия 1 -3 выполняются, то в соответствии с выбранным рейтингом обеспечивается высокая визуальная резкость декодированного изображения. В частности, при q = l, после выполнения алгоритма JPEG, длительности границ крупных деталей по индексам яркости и цветности соответствуют следующим значениям: hw> =1.6; у. =3.1.

В четвертой главе приведены результаты анализа качества изображений по объективным критериям и рекомендации по оптимизации и настройке параметров кодеков в следующих системах кодирования: 1. Кодирование длин серий. 2. Кодирование методом ДИКМ. 3. Кодирование с преобразованием. 4. Кодирование методом вейвлет-преобразования. 5. Межкадровое кодирование.

Эксперименты по анализу качества статических изображений проводились по следующей методике.

На первом этапе, с помощью компьютерного анализатора, исследовалось влияние параметров алгоритма цифрового сжатия на качество декодированного изображения испытательной таблицы. При этом определялись следующие зависимости показателей качества от параметра (var) настройки: 1. Снижение контраста по индексам яркости и цветности. 2. Ошибки цветопередачи. 3. Длительности границ крупных деталей по индексам яркости и цветности. Также, для каждого значения var оценивалась эффективность цифрового сжатия в виде отношения объема видеоданных на выходе кодера к входному значению — ксж = Увых / Ую. На втором этапе выбирался или настраивался такой параметр (var), при котором численные результаты анализа соответствовали высокому рейтингу q>6...7. На третьем этапе, для выбранного параметра (var), проводились субъективные оценки качества реальных изображений с целью доказательства того, что при выполнении объективных критериев — визуальное качество декодированных изображений будет достаточно высоким. При проведении

экспериментов использовались оригинальные тестовые изображения, содержащие 50. ..70% тонкоструктурных элементов текстуры.

Анализ качества воспроизведения мелких деталей и резких границ динамический изображений в системах проводился аналогичным образом по интегральным оценкам показателей качества 12-ти кадров испытательной таблицы.

Кодирование длин серий. Метод оценки цветовых различий между соседними элементами в "нормированной" системе координат стал основой для разработки новых методов кодирования статических изображений — модифицированного, двумерного и группового.

Автором разработан модифицированный метод кодирования длин серий, в котором локализация контурных перепадов с заданным порогом осуществляется в равноконтрастной системе координат по следующему алгоритму. 1. На первом этапе вычисляется цветовой контраст (15) между первым элементом строки или блока и последующими элементами. 2. Полученное значение сравнивается с порогом, и если АЕ>ЛЕпор, контурный перепад считается обнаруженным. 3. В момент обнаружения контурного перепада фиксируется его положение по текущим координатам i и j, и формируется код длины серии из группы элементов, для которых справедливо следующее соотношение: ЛЕ < ЛЕпор. 4. Далее фиксируются RGB значения элемента изображения с пространственными координатами (i+1) и (/+!)> и процесс обнаружения следующего контурного перепада повторяется. Очевидно, что искажения отсутствуют при значении порога АЕпор = 0, но при этом — низкая эффективность сжатия. С

увеличением порога эффективность сжатия повышается, но снижается точность передачи малоконтрастных деталей.

Однако при ЛЕпор < 1.5 данные искажения практически незаметны для глаза, что обусловлено выбранным критерием обнаружения контурных перепадов в равноконтрастной системе координат.

Визуальное сравнение качества декодированных тестовых изображений позволяет сделать следующие выводы. Выбор порога менее 2 не ухудшает визуального качества воспроизведения мелких деталей, что согласуется с теоретическими положениями разработанного метода. Увеличение порога приводит к возникновению специфических искажений, обусловленных алгоритмом кодирования, в виде заметных для глаза перепадов контраста на равномерных полях изображения, где происходят плавные изменения сигналов.

В результате экспериментальных исследований получено, что данный артефакт не оказывает заметного влияния на качество изображения при значении порога ЛЕпор < 1.5. При этом, эффективность сжатия цветных изображений различной детальности составляет ксж = 1.2 ...4, что соответствует затрате 20...6 дв. ед./эл. Относительно низкое значение коэффициента сжатия обусловлено тем, что алгоритм кодирования не предусматривает "плавные" изменения цветового контраста между соседними элементами изображения. При ширине контурного перепада более чем один элемент и значении цветового контраста

между соседними элементами ЛЕ > ЛЕпор каждый последующий элемент будет

идентифицироваться как новый контурный перепад.

Автором разработан метод двумерного кодирования длин серий, в котором учтены "плавные" изменения цветового контраста между соседними элементами изображения, и метод группового кодирования на основе анализа цветовой палитры блоков изображения. Эффективность сжатия новых методов составляет ксж = 1.8 ... 10, при сохранение высокого рейтинга качества.

В результате исследования помехоустойчивости методов получено, что для обеспечения изображения с высоким качеством, среднеквадратичное значение шума в канале передачи должно быть не более 0,1% от максимального значения кода серии. Несмотря на то, что разработанные методы кодирования длин серий недостаточно эффективны с точки зрения обеспечения больших коэффициентов сжатия, тем не менее, они позволяют сохранить высокую визуальную четкость и резкость изображения и, следовательно, являются конкурентно способными существующим алгоритмам сжатия без потерь.

Кодирование методом ДИКМ. Анализ качества испытательного изображения по объективным критериям привел к следующим результатам. 1. Допустимое снижение визуальной четкости и резкости изображения обеспечиваются при затратах не менее 6 бит/эл. для ошибок предсказания по яркости и не менее 4 бит/эл. по цветности. 2. Уменьшение числа уровней квантования приводит к дополнительному снижению четкости и резкости деталей, контраст которых превышает диапазон ошибки предсказания. 3. Накопление погрешностей ошибки предсказания в пределах строки или блока приводит к дополнительным искажениям типа "перегрузки на склонах", что не соответствует требованием высокого качества. Исследование влияния помех показало, что для обеспечения высокого качества изображения среднеквадратичное значение флуктуационных помех цифрового канала передачи должно быть не более 0,3% от максимального цифрового кода передаваемой ошибки.

Кодирование с преобразованием. В настоящее время наиболее эффективным методом цифрового сжатия статических изображений считается стандарт JPEG, основанный на дискретном косинусным преобразовании. Известно, что по сравнению с другими типами ортогональных преобразований, ДКП дает лучшие результаты кодирования изображений по значению среднего квадрата ошибки (MSE) или по отношению сигнал-шум (PSNR), т.е. по глобальным мерам качества. Также известно, что глобальные меры не дают объективных оценок качества передачи мелких деталей и резких границ изображений. Поэтому возникает вопрос - будет ли иметь преимущество ДКП по сравнению с другими преобразованиями по результатам объективных оценок на основе новых критериев. В работе получены результаты сравнительного анализа эффективности трех преобразований — ДКП, Уолша (ДПУ) и Хаара (ДПХ).

С целью анализа качества передачи мелких деталей и резких границ цветных изображений автором разработан программный комплекс, где для каждого преобразования реализована единая стратегия кодирования с пороговым отбором коэффициентов трансформации. На рис. 3. показаны примеры обработки

фрагментов испытательного изображения по индексу яркости для трех типов преобразования, которые иллюстрируют визуальное снижение качества изображения за счет обнуления коэффициентов, значения которых меньше порога Ар.

Анализ численных результатов оценок снижения контраста, ошибки цветопередачи и длительности границ и сопоставление с 10-ти балльной шкалой качества, позволили определить значения порогов, при которых обеспечивается высокое качество изображений с рейтингом д = 6...7.

В таблице 4. приведены численные результаты работы анализатора для параметров кодирования, обеспечивающих высокое качество испытательного изображения и для параметров, при которых рейтинг качества снизился до ^ = 3...4 баллов.

В результате анализа рекомендованы следующие (оптимальные) значения порогов = 8 (ДКП), \ = 6 (ДПУ) и \ = 7 (ДПХ), при которых обеспечиваются допустимые значения — снижения контраста мелких деталей, ошибки цветопередачи и длительности границ и, следовательно, сохраняется высокое визуальное качество декодированных изображений.

Сравнение качества тестовых изображений по среднеквадратичному отклонению (МБЕ) показывает незначительное преимущество ДКП перед преобразованиями Уолша и Хаара. Однако, по разработанным объективным критериям, качество воспроизведения мелких деталей и резких границ примерно одинаковое для всех трех преобразований, что доказывается субъективными оценками.

Таким образом, при настройке параметра порогового отбора коэффициентов трансформации на высокое качество изображений по объективным критериям, преимущество ДКП заключается не в меньшем значении МБЕ, а в незначительном превышении коэффициента сжатия, что подтверждается следующими экспериментальными данными: а) коэффициент цифрового сжатия изображений различной детальности для каждого преобразования с выбранным (оптималь-

Д1Г -ь-б

ГШМ"1!"* иутигт

ДПХ- Ат=1

Лг=14

Рис. 3.

Табл. 4.

Тип V £и'У %-у 4 Я

ДКП 0.41 0.64 0.71 8 6...7

0.77 0.83 1.32 16 3..4

ДПУ 0.36 0.70 0.82 6 6...7

0.72 0.77 1.32 12 3...4

ДПХ 0.21 0.67 0.79 7 6...7

0.63 0.89 1.28 14 3...4

ным) значением порогового отбора коэффициентов трансформации меняется в пределах к^ = 2...15; б) при этом сохраняется высокое визуальное качество передачи мелких деталей и резких границ изображений, и побочные артефакты алгоритма кодирования практически незаметны для глаза; в) при одинаковых показателях качества изображений, эффективность сжатия ДКП — в 1,3..1,5 раза выше преобразования Уолша ив 1,1... 1,2 раза выше преобразования Хаа-ра; г) среднеквадратичное значение помех, до которого не происходит резкого ухудшения качества, должно быть не более 0,3% от максимального значения кода длины серий нулевых коэффициентов трансформации.

Анализ эффективности кодирования изображений с различной детальностью и численные результаты оценок по объективным критериям позволяет сделать вывод о том, что преобразование Хаара незначительно (в 1,1 ...1,2 раза) уступает ДКП по эффективности сжатия при равных показателях качества воспроизведения мелких деталей и резких границ изображений.

Кодирование методом вейвлет-преобразования. Для исследования влияния стратегии квантования на качество декодированных изображений разработан алгоритм, моделирующий цифровой канал передачи видеоданных с компрессией. На основе алгоритма создана программа-архиватор цветных изображений, выполняющая следующие функции. 1. Преобразование цифровых RGB сигналов исходного BMP файла изображения в систему YCRCB координат с последующей фильтрацией цветоразностных сигналов в соотношении 4:2:0. 2. Выполнение вейвлет-декомпозиции для каждой из YCRCB компонент изображения. 3. Обнуление малозначащих коэффициентов разложения в соответствии с выбранной стратегией квантования. 4. Кодирование длин серий нулей вейвлет-разложения. 5. Формирование цифрового потока видеоданных и сохранение сжатого файла изображения. 6. Декодирование и восстановление исходного BMP файла изображения.

Пространственная декорреляция YCRCB компонент выполнена с помощью разделимого дискретного вейвлет-преобразования на основе симметричного биортогонального фильтра Коэна-Добеши-Фово CDF97. В полученном вейвлет-разложении обнуляются все коэффициенты, значения которых не превышает заданный пользователем порог для данного субдиапазона. В работе исследовалась убывающая арифметическая прогрессия пороговых значений, где задавался порог Aj- для высокочастотного субдиапазона и его коэффициент ку убывания для следующего более низкочастотного диапазона. После квантования массив видеоданных обрабатывался комбинированным кодером длин серий нулей. По величине полученного массива на выходе кодера оценивалась эффективность сжатия. Затем массив данных восстанавливался и подвергался обратному вейвлет-преобразованию.

Задача экспериментальных исследований заключалась в поиске оптимальных параметров Ар и ку, при которых обеспечивалось высокое качество воспроизведения мелких деталей изображения испытательной таблицы по объективным критериям и в сопоставлении полученных результатов с субъективными оценками качества тестовых изображений.

• Г'

4Г=12

щ

:

А. =9

!* м ? >п:'

Лг=15

Рис. 4.

V еи'У %-у V V,-

0.56 0.69 0.76 1.5 3.0

На рис. 4. показаны примеры обработки фрагментов испытательного изображения по индексу яркости, иллюстрирующие визуальное снижение качества изображения за счет увеличения порога Аг при фиксированном коэффициенте убывания к =Ъ.

В таблице 5. приведены численные результаты работы программного анализатора для выбранных значений параметров кодирования Ат= 6 и к = 3,

которые можно считать наиболее оптимальными с точки зрения обеспечения допустимого снижения визуальной четкости, резкости и точности цветопередачи мелких деталей испытательного изображения и, следовательно, высокого рейтинга качества по 10-ти балльной шкале ц = 6...7.

Табл. 5. На рис. 5. показан пример обработки тестового изображения «цветок» при разных параметрах квантователя, из которых следует, что увеличение порога Ат в 2.5 раза, при том же значении коэффициента к убывания, позволяет повысить

эффективность сжатия примерно в три раза. Однако, при этом, визуальное качество воспроизведения мелких деталей снижается в значительной степени.

По результатам машинного моделирования алгоритма сжатия и обработки изображений с различной детальностью можно сделать следующий вывод: эффективность сжатия ДВП с системой порогов на основе арифметической прогрессии составляет Кж = 4...30 для значения порога Ар^б и скорости убывания к =Ъ и, при

этом, объективные показатели анализа качества испытательной таблицы с рейтингом ц высоким субъективным оценкам тестовых изображений.

Сравнительный анализ эффективности разработанного алгоритма с ДКП показал, что мелкие детали восстановленного изображения воспроизводятся с бо-

Рис 5

7 адекватны

лее высокой четкостью, чем у ДКП при одинаковых коэффициентах сжатия. При одинаковом качестве изображений по объективным критериям, выигрыш в коэффициенте сжатия составляет 1,5...2 раза. Таким образом, по сравнению с существующими методами кодирования изображений на основе ортогональных преобразований, предлагаемый алгоритм ДВП с выбранной (оптимальной) стратегией квантования является более эффективным.

Межкадровое кодирование. Автором диссертации не ставилась задача экспериментальной оценки реально существующих систем цифрового вещания, т.к. пока что такие системы малодоступны для научных исследований. Тем не менее, разработанный анализатор позволил выявить некоторые особенности межкадрового кодирования стандарта MPEG с помощью компьютерного моделирования.

Для оценки влияния погрешностей межкадрового кодирования разработана тестовая модель кодера, выполняющая следующие процедуры. 1. Формирование тестовой последовательности из 12-ти кадров с форматом 352x288 элементов с контрастом мелких деталей в три раза превышающим пороговые значения. 2. Преобразование RGB сигналов в яркостный (У) и цветоразностные (Сд, Св) с цветовой моделью 4:4:4, т.е. без фильтрации и прореживания цвето-разностных сигналов. 3. Разбиение опорного кадра на макроблоки 16x16 элементов. 4. Определение векторов движения для яркостных макроблоков логарифмическим (трехшаговом) методом. 5. ДКП ошибок предсказания между элементами макроблоков опорного и текущего кадров с равномерным квантованием, где каждое значение трансформанты делится на 16 для Р и В блоков. 6. Формирование кодированной последовательности I, В, В, Р, В, В, Р, В, В, Р, В, В кадров. 7. Декодирование видеопоследовательности.

Такая модель позволяет анализировать только погрешности межкадрового кодирования, а именно: влияние точности выполнения алгоритма поиска вектора движения и погрешностей квантования ошибки предсказания. При проведении эксперимента исследовались три фактора: а) влияние помех на кодовые значения векторов движения; б) точность представления ДКП ошибок предсказания — целочисленное или дробное; в) влияние помех на кодовые значения ошибок предсказания.

На рис. 6. пока-

^""] заны результаты

. ' обработки фраг-: •• ,' - 1" itob по индексу ¿¿^¿■^pSA; яркости 6-го кадра ЗКЙИМ&а тестовой последовательности, иллюстрирующие влия-"I" в® ние указанных фак-

а) а =0,7% " '1)~шГ "" "'""'^^0,7% Т0Р0В Н3 визУаль-

Рис в ное качество изо-

бражений.

,4. I 4 'А.-'

Результаты экспериментов позволили сделать следующие выводы.

1. Оценка качества воспроизведения мелких деталей и резких границ по разработанным методам показала, что целочисленное представление ДКП ошибок предсказания не обеспечивает высокого качества изображения по объективным критериям. 2. Представление ДКП ошибок предсказания значениями с плавающей запятой не ухудшает качества передачи мелких деталей и резких границ при использовании всего лишь одного разряда для дробной части числа. 3. Флуктуационные помехи канала передачи не оказывают заметного влияния на визуальное качество изображений при сг< 0,3% от максимального значения кода векторов движения. Однако превышение данного (порогового) значения приводит к резкому ухудшению качества за счет недопустимых погрешностей векторов движения. 4. Влияние помех на кодовые значения ошибки предсказания, согласно численным оценкам, не снижает визуального качества изображений при <т< 0,3% от максимального значения кода ошибки предсказания.

Таким образом, при кодировании ошибок предсказания числовыми значениями с плавающей запятой и при отношении кодовых значений передаваемых данных к среднеквадратичному уровню шума не менее 50 дБ, погрешности межкадрового кодирования будут минимальными, т.е. не оказывают влияние на ухудшение показателей качества динамических изображений по объективным критериям. В этом случае, показатели качества декодированной последовательности изображений в стандарте MPEG определяются только погрешностями используемого алгоритма внутрикадрового кодирования опорного 1-кадра.

В заключении сформулированы следующие основные результаты.

1. Разработан новый метод оценки цветовых различий мелких деталей испытательного изображения в нормированном равноконтрастном цветовом пространстве, который учитывает изменения порогового контраста наблюдаемых объектов в зависимости от их размеров, пространственной ориентации, цветовых координат и времени предъявления.

2. Разработан метод синтеза испытательной последовательности кадров изображения в равноконтрастном цветовом пространстве, что позволяет задавать исходный контраст объект-фон непосредственно в значениях МЦП и повысить эффективность оценки визуальной четкости по значению контраста мелких деталей декодированного изображения.

3. Получены экспериментальные зависимости порогового контраста зрения от размера и цветовых координат наблюдаемых объектов испытательной последовательности, а также от времени предъявления и уровня флуктуационных помех, которые расширяют область применения равноконтрастного цветового пространства до возможности определения числовой меры цветовых различий не только крупных, но и мелких деталей как неподвижных, так и подвижных изображений.

4. Разработана модель преобразования шумов в равноконтрастном цветовом пространстве, что позволяет оценивать среднеквадратичное значение помех непосредственно в значениях МЦП и обосновывать требования к помехоустойчивости системы с целью обеспечения заданной визуальной четкости изображения.

5. Разработаны критерии, которые позволяют объективно оценить ухудшение визуальной четкости как неподвижных, так и динамических деталей изображения, т.к. учитывают пороги зрительного восприятия мелких деталей, а также возможные флуктуации значений цветовых координат, обусловленные искажениями сигналов и наличием помех в цифровой системе.

6. Разработан метод оценки резкости крупных деталей испытательного изображения и критерий, который дает более достоверную степень "размытости" границ крупных деталей изображения с точки зрения получателя.

7. Разработан метод оценки ошибки цветопередачи мелких деталей и критерий, который дает более корректную оценку "границы трехцветности", т.к. учитывает пороги зрительного восприятия и искажения сигналов цветности после декодирования.

8. На основе новых методов разработан компьютерный анализатор качества передачи мелких деталей и резких границ цветных изображений, позволяющий количественно оценивать снижение контраста, длительности цветовых переходов и ошибки цветопередачи и, по результатам оценок, устанавливать рейтинг качества декодированного изображения по 10-ти балльной шкале.

9. Результаты анализа качества испытательного видеоизображения по объективным критериям в системах цифрового сжатия на основе: а) модифицированных методов кодирования длин серий; б) ДИКМ; в) дискретных ортогональных преобразований; г) вейвлет преобразования; д) метода компенсации движения — позволили получить новые рекомендации по выбору и настройке параметров алгоритмов сжатия, при которых обеспечивается высокое качество передачи мелких деталей и резких границ изображения.

В целом в процессе выполнения работы решена проблема поиска объективных критериев качества передачи и воспроизведения мелких деталей и резких границ, цветных ТВ изображений, а также заложена научно-техническая и методологическая основа для модернизации существующих и разработки новых алгоритмов сжатия и цифровых кодеков с высокой четкостью и резкостью воспроизводимых изображений.

Список опубликованных работ. В качестве основных, из ¿6-ти научных работ, можно выделить следующие публикации.

1. Сай C.B. Качество передачи и воспроизведения мелких деталей цветных телевизионных изображений. — Владивосток: Дальнаука, 2003. — 160 с.

2. Сай С. В. Четкость цветного изображения в системах со сжатием визуальных данных.— Хабаровск: Изд-во Хабар, гос. техн. ун-та, 1999. — 143 с.

3. Сай C.B. Анализ четкости цветных статических изображений в равноконтрастной системе координат // Цифровая обработка сигналов, 2002, №1.

4. Сай C.B. Влияние помех цифрового канала передачи на искажения четкости статических изображений // Телекоммуникации, 2001, № 10.

5. Сай C.B., Сорокин Н.Ю., Ридер X. Повышение скорости реконструкции изображения в системах компьютерной томографии // Телекоммуникации, 2002, № 3.

6. Сай C.B., Савенков И.В. Эффективность цифрового кодирования статических изображений методом вейвлет-преобразования // Телекоммуникации, 2001, № 4.

7. Бахрушин А.П., Бахрушина Г.И., Сай C.B., Храмова Е.В. Спектральный анализ электрокардиограмм на основе комплексной системы импульсных функций // Телекоммуникации, 2001, № 3.

8. Сай С. В., Малинкин Н. А. Искажения цветности в телевизионных измерительных системах повышенного качества // Известия ВУЗов, Приборостроение, 1990, № 6.

9. Сай С. В., Малинкин Н. А. Обработка сигналов в телевизионных системах с временным уплотнением // Известия ЛЭТИ, 1990, Вып. 429.

10. Сай C.B. Анализатор четкости статических изображений // Свидетельство об официальной регистрации программы для ЭВМ № 50200100285, ВНТИЦ, 2001.

11. Сай C.B., Савенков И.В. Архиватор изображений на основе дискретного вейвлет-преобразования// Свидетельство об официальной регистрации программы для ЭВМ № 50200100284, ВНТИЦ, 2001.

12. Сай C.B. Архиватор графического изображения на основе анализа цветовой палитры блоков // Свидетельство об официальной регистрации программы для ЭВМ №990141, ВНТИЦ, 1999.

13. Сай C.B. Архиватор графического изображения с дискретным косинусным преобразованием // Свидетельство об официальной регистрации программы для ЭВМ №990142, ВНТИЦ, 1999.

14. Сай С. В. Система цветного телевидения с временным уплотнением: А. с. № 1690221. (Бюл.№ 41 от 07.11.91).

15. Сай C.B., Савенков И.В. Выбор коэффициентов порогового отбора для вейвлет-трансформант цветного изображения // Информатика и системы управления, 2001, №2.

16. Sai S.V. Estimation of definition in standard JPEG //http://www.autex.spb.ru /techsupt/litera/dspa2000.htm

17. Архипов A.B., Сай С. В. Оценка точности цветопередачи мелких деталей с учетом модели цветового зрения // Методы и средства обработки информации: Сб. науч. тр. НИИ КТ. Хабаровск: Изд-во Хабар, гос. техн. ун-та, 2001. Вып. 11.

18. Сай С. В., Шушаков А. И., Карнаухов О. Г. Четкость изображения в видеосистемах со сжатием визуальных данных на основе DCT // Методы и средства обработки информации: Сб. науч. тр. НИИ КТ. Хабаровск: Изд-во Хабар, гос. техн. ун-та, 1999, Вып. 7.

19. Сай С. В. Математическая модель ТВ системы с уплотнением RGB компонент // Методы и средства обработки информации: Сб. науч. тр. НИИ КТ. Хабаровск: Изд-во Хабар, гос. техн. ун-та, 1999, Вып. 7.

20. Сай С. В. Анализ искажений цветопередачи в системах ТВЧ // Методы и средства обработки информации: Сб. науч. тр. НИИ КТ. Хабаровск: Изд-во Хабар, гос. техн. ун-та, 1998, Вып. 1.

21. Сай C.B. Метод сжатия видеоинформации на основе локализации цветовых перепадов // Методы и средства обработки информации: Сб. науч. тр. НИИ КТ. Хабаровск: Изд-во Хабар, гос. техн. ун-та, 1998, Вып. 1.

22. Сай С. В. Метод сжатия визуальных данных на основе анализа цветовой палитры статического изображения // Тр. Хабар, гос. техн. ун-та. Хабаровск: Изд-во Хабар. гос. техн. ун-та, 1998.

23. Сай С. В. Модифицированный метод сжатия изображений // Проблемы технического прогресса Дальневосточного региона: Совместный сб. науч. тр. ХГТУ (Россия) и Цзямусыского политехи, ин-та (КНР) / Под ред. С. И. Клепикова, Лю Зеньхуа. Хабаровск: Изд-во Хабар, гос. техн. ^{^Ый^ЬНА* |

библиотека

СПтрбург , 08 ЗОВ «Т ]

2.ооЭ-h

l

34-

»15489

24. Сай С. В. Метод кодирования цифровой видеоинформации в системе ТВЧ // Сб. науч. тр. НИИ КТ. Хабаровск: Изд-во Хабар, гос. техн. ун-та, 1996. Вып. 2.

25. Сай C.B. Анализатор качества передачи мелких деталей цветных телевизионных изображений // Труды 58-й научной сессии посвященной Дню Радио / Москва, Май 14-15, 2003, Том 1.

26. Сай C.B. Критерий оценки визуальной четкости зашумленных изображений // Телевидение: передача и обработка изображений / Материалы 3-й Международной конференции, Санкт-Петербург, Июнь 5-6, 2003.

27. Сай C.B. Анализатор качества цветных изображений// Теоретические и прикладные вопросы современных информационных технологий /Труды 3-й Всероссийской научно-технической конференции, Улан-Удэ, Август 01-04, 2002.

28. Сай C.B. Объективный критерий качества передачи мелких деталей динамических изображений // Телевидение: передача и обработка изображений / Материалы 2-й Международной конференции. Санкт-Петербург. Май 21-22, 2002.

29. Сай C.B. Метод оценки четкости изображения в стандарте MPEG// Проблемы передачи и обработки информации в сетях и системах телекоммуникаций / Материалы 10-й Международной науч.-техн. конф. Рязань: Рязанская государственная радиотехническая академия, 2001.

30. Сай C.B. Синтез испытательных изображений в равноконтрастной системе координат // Теоретические и прикладные вопросы современных информационных технологий /Труды 2-й Всероссийской научно-технической конференции, Улан-Удэ, Сентябрь 18-22, 2001.

31. Сай C.B. Влияние помех цифрового канала связи на четкость изображения малоразмерных объектов // Труды 56-й научной сессии посвященной Дню Радио, Москва, Май 16-17, 2001, Том 2.

32. Сай C.B. Анализ эффективности цифровой телевизионной системы по показателям четкости изображения // Телевидение: передача и обработка изображений / Материалы 1-й Международной конференции, Санкт-Петербург, Июнь 20-22, 2000.

33. Сай C.B. Оценка показателей четкости цветного изображения в системе с цифровым кодированием на основе ортогональных преобразований // Труды Юбилейной научно-технической конференции по радиоэлектронике, Томск, Октябрь 1315,2000.

34. Сай C.B. Оценка четкости изображения в стандарте JPEG // Цифровая обработка сигналов и ее применение / Материалы 3-й Международной конференции, Москва, Ноябрь 29-30, 2000.

Подписано в печать 28.05.03. Формат 60x84 /16. Бумага писчая. Гарнитура «Тайме». Офсетная печать. Усл. печ. л. 2,0. Уч.-изд. л. 1,7. Тираж 100 экз. Заказ 142.

Отдел оперативной полиграфии издательства Хабаровского государственного технического университета. 680035, Хабаровск, ул .Тихоокеанская, 136.

ВВЕДЕНИЕ.

ГЛАВА 1. МЕТОДЫ ОБРАБОТКИ, ПЕРЕДАЧИ И ОЦЕНКИ КАЧЕСТВА ЦВЕТНЫХ ИЗОБРАЖЕНИЙ.

1.1. Общие принципы обработки сигналов в цифровых ТВ системах.

1.2. Системы и методы кодирования статических изображений.

1.2.1. Кодирование длин серий.

1.2.2. Кодирование с предсказанием.

1.2.3. Кодирования с преобразованием.

1.2.4. Кодирование на основе вейвлет-преобразования.

1.3. Системы и методы кодирования динамических изображений.

1.3.1 .Стандарт MPEG-1.

1.3.2.Стандарт MPEG-2.

1.3.3.Особенности стандартов MPEG-4 и MPEG-7.

1.4. Меры качества цветных изображений.

1.4.1. Метод субъективных экспертиз.

1.4.2. Меры качества воспроизведения мелких деталей и резких границ.

1.4.3. Глобальные меры различий.

1.4.4. Анализатор качества изображений PQA-200.

1.4.5. Модели зрения.

Выводы.

ГЛАВА 2. РАЗРАБОТКА ОБЪЕКТИВНОГО КРИТЕРИЯ КАЧЕСТВА ПЕРЕДАЧИ МЕЛКИХ ДЕТАЛЕЙ

2.1. Выбор метрической системы координат.

2.2. Синтез испытательной таблицы в равноконтрастной системе координат.

2.3. Экспериментальная оценка порогов зрительного восприятия.

Выводы.

10 ГЛАВА 3. РАЗРАБОТКА МЕТОДОВ ОЦЕНКИ КАЧЕСТВА

ВОСПРОИЗВЕДЕНИЯ МЕЛКИХ ДЕТАЛЕЙ И РЕЗКИХ ГРАНИЦ ЦВЕТНЫХ ИЗОБРАЖЕНИЙ.

3.1. Метод оценки визуальной четкости.

3.2. Метод оценки резкости.

3.3. Метод оценки точности цветопередачи.

3.4. Анализ влияния флуктуационных помех.

3.5. Разработка компьютерного анализатора качества цветных изображений.

3.6. Сопоставление численных результатов анализа с субъективными оценками качества цветных изображений.

Выводы.

ГЛАВА 4. АНАЛИЗ КАЧЕСТВА ИЗОБРАЖЕНИЙ В СИСТЕМАХ

С ЦИФРОВЫМ КОДИРОВАНИЕМ.

4.1. Методика экспериментальных исследований.

4.2. Кодирование длин серий.

4.3. Кодирования методом ДИКМ.

4.4. Кодирование с преобразованием.

4.5. Кодирование методом вейвлет-преобразования.

0 4.6. Анализ погрешностей межкадрового кодирования.

Выводы.

Актуальность проблемы. В процессе проектирования цифровой телевизионной (ТВ) системы с высоким качеством возникает следующая основная проблема. С одной стороны, для компактного представления и передачи видеоданных по каналам связи с ограниченной полосой пропускания, требуется использовать эффективные алгоритмы сжатия. С другой — необходимо обеспечить высокое качество передачи мелких деталей и резких границ декодированных цветных изображений. Данные показатели качества определяют такие характеристики изображения как четкость и резкость.

Четкость и резкость обычно оцениваются разрешающей способностью и длительностью переходных характеристик (ПХ) каналов яркости и цветности линейной ТВ системы. Разрешающая способность системы традиционно определяется числом различимых линий (вертикальных, наклонных и горизонтальных), вычисляемого по значению максимальной пространственной частоты, при которой обеспечивается пороговый контраст воспроизводимого изображения предельно контрастной штриховой миры. По переходной характеристике определяется резкость границ крупных деталей изображения как разность между точками соответствующими 0,1 и 0,9 ПХ.

Традиционные методы оценки четкости и резкости изображения разработаны в основном применительно к стандартным аналоговым системам цветного телевидения. В цифровых видеосистемах возникают специфические искажения, обусловленные ограничениями выбранного алгоритма сжатия статических и/или динамических изображений. При использовании стандартных методов измерения такие искажения могут привести к неадекватным результатам по отношению к субъективным оценкам качества декодированного изображения.

Наиболее часто используемый на практике среднеквадратичный критерий не дает объективных оценок визуальной четкости и резкости, так как глаз в процессе восприятия обрабатывает изображение по характерным (локальным) признакам, а не усредняет его поэлементно.

Поиск и разработка новых объективных методов, которыми занято множество исследователей разных стран, пока что не привели к созданию единой методологии, надежно гарантирующей адекватные результаты оценок четкости и резкости изображений в современных'цифровых видеосистемах.

До сих пор, наиболее надежным и достоверным способом оценки качества изображения является метод субъективных экспертиз, который позволяет оценить работоспособность видеосистемы в целом на основе зрительного восприятия декодированного изображения. Процедуры субъективной оценки качества требуют большого объема испытаний и времени. На практике, данный метод является трудоемким процессом, что накладывает определенные ограничения при решении задач контроля, настройки и оптимизации параметров кодека.

Таким образом, пока что не существует объективных критериев оценки визуальной четкости и резкости изображения, которые могли бы надежно гарантировать адекватность результатов к субъективным зрительным оценкам с учетом влияния искажений и шумов, возникающих в процессе цифровой обработки и передачи сигналов в системах со сжатием видеоданных.

Решение данной проблемы позволит избавиться от трудоемких субъективных экспертиз и, тем самым, повысить эффективность контроля, настройки и оптимизации параметров видеосистемы на требуемое качество.

Цель диссертационной работы заключается в разработке новых методов и алгоритмов оценки точности передачи мелких деталей и резких границ цветных изображений на основе объективных критериев, которые могли бы надежно гарантировать адекватность результатов к субъективным зрительным оценкам качества декодированных изображений в цифровых ТВ системах.

Для достижения поставленной цели потребовалось решить следующие задачи:

• обосновать выбор метрической системы координат, в которой будут проводиться количественные измерения, и разработать объективный критерий качества воспроизведения мелких деталей испытательного телевизионного изображения с учетом порогов зрительного восприятия;

• разработать математическую модель и алгоритм синтеза испытательной таблицы, позволяющие задавать исходный цветовой контраст объект-фон в пороговых значениях равноконтрастной системы координат;

• разработать методику субъективных оценок, позволяющую экспериментально определять зависимости порогового контраста, при котором мелкие детали изображения различаются глазом в зависимости от: размера, пространственной ориентации, цветовых координат и времени предъявления наблюдаемых объектов;

• разработать модель преобразования флуктуационных помех (ФП), присутствующих в цветоделенных RGB сигналах изображения, в равноконтраст-ное цветовое пространство;

• разработать объективные критерии и новые методы, позволяющие оценивать интегральное влияние погрешностей алгоритмов сжатия на визуальную четкость, резкость и точность цветопередачи мелких деталей декодированного изображения;

• разработать алгоритм и программный анализатор качества передачи мелких деталей и резких границ испытательного изображения по объективным критериям;

• определить взаимосвязь численных результатов анализа с субъективными оценками качества изображений по выбранной шкале;

• доказать обоснованность теоретических моделей и достоверность разработанных критериев с помощью объективных экспериментальных оценок качества декодированного испытательного изображения для различных алгоритмов сжатия и сопоставления полученных результатов с субъективными оценками тестовых изображений.

Научная новизна. Принципиально новым является метод оценки цветовых различий мелких деталей испытательного изображения в нормированном равноконтрастном цветовом пространстве, который учитывает изменения порогового контраста наблюдаемых объектов в зависимости от их размеров, пространственной ориентации, цветовых координат и времени предъявления.

Новый метод синтеза испытательного изображения в равноконтрастном цветовом пространстве позволяет задавать исходный контраст объект-фон непосредственно в минимальных цветовых порогах (МЦП), что является принципиальным отличием от известных способов синтеза, где контраст задается отношением разности яркостей объекта и фона к их максимальному значению.

На основе разработанной методики субъективных оценок, получены экспериментальные числовые значения (МЦП) порогового контраста мелких деталей, при котором они еще различаются глазом. Определены новые характеристики спада контрастной чувствительности зрения по индексам яркости и цветности равно контрастного цветового пространства в зависимости от размеров деталей при заданных условиях наблюдения.

Разработанный метод оценки визуальной четкости изображения отличается от известных тем, что контраст мелких деталей определяется нормированным средним значением по площади анализируемого «окна» изображения штриховой миры, а не по значению амплитуды первой гармоники яркостного и цветоразностных сигналов. При этом исходный контраст объект-фон задается не его максимальным значением, а величиной в два-три раза превышающей пороговое значение, что позволяет оценить работоспособность системы в допо-роговой области, где искажения могут быть наиболее существенны.

Разработанный метод оценки резкости изображения отличается от известных тем, что степень "размытости" границ крупных деталей определяется не по переходным характеристикам яркостного или цветоразностного каналов, а по изменению равноконтрастных цветовых координат между граничными цветами. При этом длительность вертикальных, горизонтальных и наклонных границ определяется числом элементов растра как разность между точками, для которых цветовое различие относительно граничных цветов превышает нормированный порог.

Границу трехцветности" предложено оценивать не по полосе пропускания каналов цветности, а по новому методу, который учитывает пороги зрительного восприятия и искажения координат цветности, усредненные по площади малоразмерного объекта.

Модель преобразования шумов в равноконтрастной системе координат дает оценку среднеквадратичных значений помех по индексам яркости и цветности числом МЦП, а не напряжением помех в сигналах основных RGB цветов, что является новым подходом к анализу зашумленности цветных изображений.

Получены новые рекомендации по выбору и оптимизации параметров алгоритмов сжатия на высокое качество передачи мелких деталей и резких границ изображений в следующих системах: кодирование длин серий, кодирование методом ДИКМ, кодирование с преобразованием, кодирование на основе вейвлет-преобразования, межкадровое кодирование.

В целом в процессе выполнения работы решена проблема поиска объективных критериев качества передачи и воспроизведения мелких деталей и резких границ цветных ТВ изображений, а также заложена научно-техническая и методологическая основа для модернизации существующих и разработки новых алгоритмов сжатия и цифровых кодеков с высокой четкостью и резкостью воспроизводимых изображений.

На защиту выносятся следующие положения:

1. Разработанный метод оценки цветовых различий деталей испытательного изображения в нормированном равноконтрастном цветовом пространстве и полученные экспериментальные зависимости порогового контраста зрения от характеристик наблюдаемых объектов расширяют область применения равно-контрастных координат до возможности определения ошибки цветопередачи не только крупных, но и мелких деталей изображений.

2. Разработанный метод синтеза испытательной последовательности кадров изображения в равноконтрастном цветовом пространстве позволяет задавать исходный контраст объект-фон непосредственно в значениях МЦП, что повышает эффективность оценки визуальной четкости по значению контраста мелких деталей декодированного изображения.

3. Разработанная модель преобразования шумов в равноконтрастном цветовом пространстве позволяет оценивать среднеквадратичное значение помех непосредственно в значениях МЦП и обосновывать требования к помехоустойчивости системы с целью обеспечения заданной визуальной четкости изображения.

4. Метод оценки четкости изображения, разработанный на основе вычисления среднего контраста мелких деталей неподвижных или подвижных фрагментов изображения, гарантирует адекватность результатов к субъективным оценкам с учетом интегрального влияния искажений и шумов возникающих в системе.

5. Метод оценки резкости изображения, разработанный на основе определения длительности границы числом элементов растра как разность между точками, для которых цветовое различие относительно граничных цветов превышает один нормированный цветовой порог, дает достоверную степень "размытости" границ крупных деталей изображения с точки зрения получателя.

6. Метод оценки точности цветопередачи мелких деталей по критерию, разработанному в нормированном цветовом пространстве дает более корректную оценку "границы трехцветности", т.к. учитывает пороги зрительного восприятия и искажения сигналов цветности после декодирования.

7. Результаты анализа качества испытательного изображения по объективным критериям в системах цифрового сжатия на основе: кодирования длин серий, ДИКМ, дискретных ортогональных преобразований, вейвлет преобразования и метода компенсации движения — дают новые рекомендации по выбору и настройке параметров алгоритмов сжатия, при которых обеспечивается высокое качество передачи мелких деталей и резких границ изображения.

8. Результаты объективных экспериментальных оценок четкости и резкости испытательных изображений для различных алгоритмов сжатия и сопоставления полученных результатов с субъективными оценками качества тестовых изображений—доказывают обоснованность теоретических моделей и достоверность разработанных критериев.

9. В целом, разработанные методы и алгоритмы анализа качества передачи мелких деталей и резких границ испытательного изображения в нормированном равноконтрастном цветовом пространстве — решают проблему получения объективных, адекватных к субъективным, результатов анализа качества телевизионных изображений с учетом влияния искажений и шумов, возникающих в процессе цифровой обработки и передачи сигналов.

Практическая значимость полученных результатов заключается в следующем.

1. Разработанные новые положения теории проектирования цифровых телевизионных систем на основе результатов объективного анализа качества передачи мелких деталей и резких границ цветных изображений позволяют повысить эффективность проведения НИР и ОКР, при модернизации существующих и при разработке новых образцов цифровых кодеков, повысить их качественные показатели.

2. Полученные решения проблемы поиска объективных критериев качества цветных телевизионных изображений позволяют существенно сократить объем экспериментальных исследований на основе субъективных оценок или полностью их исключить, что дает возможность значительно снизить затраты материальных ресурсов, денежных средств и времени на разработку цифровых кодеков.

3. Разработанные и зарегистрированные программные продукты позволяют поднять качественные показатели цифровых кодеков и повысить качество доставки цветных изображений потребителю.

4. Полученные рекомендации по оптимизации и настройке параметров алгоритмов цифрового сжатия на высокую четкость и резкость цветных изображений представляют практический интерес при проектировании новых и модернизации известных цифровых ТВ систем.

5. Результаты работы реализованы в Институте проблем морских технологий ДВО РАН (г. Владивосток), что подтверждается соответствующими актами о внедрении (использовании) программно-аппаратных комплексов — «Устройство ввода и сжатия цветного изображения с дискретным косинусным преобразованием», «Анализатор четкости статических изображений», «Архиватор изображений на основе дискретного вейвлет преобразования».

6. Реализован и доведен до практического использования компьютерный анализатор качества передачи мелких деталей и резких границ испытательных изображений, который используется в лаборатории «Мультимедиа» Хабаровского краевого центра новых информационных технологий и в сервисном отделе ЗАО «Тензор» (г. Хабаровск).

7. Теоретические и практические результаты диссертационной работы использованы в учебном процессе Хабаровского государственного технического университета при подготовке бакалавров и инженеров по специализациям «Системы цифровой обработки сигналов», «Мультимедийные системы» специальности 220100 «Вычислительные машины, комплексы, системы и сети».

Личный вклад автора. Большая часть результатов получена при проведении научно-исследовательских работ на кафедре Вычислительной техники Хабаровского государственного технического университета. За последние 10 лет под научным руководством автора выполнены следующие НИР, финансируемые по § 53 Министерством образования РФ:

1. "Разработка и исследование программно-аппаратных средств кодирования видеоинформации высокой четкости в информационных сетях" (19931995г.).

2. "Анализ и синтез эффективных методов сжатия видеоинформации"

1996-1997г.).

3. "Машинное моделирование методов сжатия, передачи и оценки качества изображений высокой четкости" (1996-1998г.).

4. Грант по проекту "Анализ искажений цветопередачи в системах кодирования сигналов высокой четкости" (1998-1999г.).

5. "Разработка и исследование методов проектирования телевизионных и компьютерных видеосистем с цифровой компрессией на базе анализа искажений четкости, резкости и точности цветопередачи изображений" (1999-2002г.) .

Соискателем лично разработаны, исследованы и решены все поставленные в работе задачи.

Апробация работы. За последние 5 лет основные положения и результаты работы были представлены на следующих НТК:

- Ш-й Международный симпозиум «Конверсия науки - международному сотрудничеству»//Томск, 1999.

- 3-я Международная научно-техническая конференция «Интерактивные системы — проблемы человеко-компьютерного взаимодействия» // Ульяновск, 1999.

- 3-я Международная конференция «Цифровая обработка сигналов и ее применение»// Москва, 2000.

- Юбилейная научно-технической конференции по радиоэлектронике // ТУ СУР, Томск, 2000.

- 10-я Международной научно-техническая конференция «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций» // Рязанская государственная радиотехническая академия, 2001.

- 56-я и 58-я Научная сессия, посвященная Дню Радио// Москва, 2001, 2003.

- 1-я, 2-я и 3-я Всероссийская научно-техническая конференции «Теоретические и прикладные вопросы современных информационных технологий»// Улан-Удэ, 2000-2002.

- 1-я, 2-я и 3-я Международная конференция «Телевидение: передача и обработка изображений»// Санкт-Петербург, 2000-2003.

Результаты диссертационных исследований обсуждалась:

- на расширенных научных семинарах Кафедры вычислительной техники ХГТУ, Хабаровск, 1999-2002.

- на научном семинаре Кафедры телевидения и видеотехники СПбГЭТУ, Санкт-Петербург, 2001.

- на расширенных научных семинарах Кафедры телевизионных устройств ТУ СУР, Томск, 1999, 2002.

Публикации. По результатам исследований, представленных в диссертации, опубликовано 46 работ (27 без соавторов), в том числе 2 монографии, 1 авторское свидетельство, 4 зарегистрированные программы для ЭВМ, 7 статей в центральных журналах.

Выводы

Разработанный анализатор позволяет объективно оценивать качество воспроизведения мелких деталей и резких границ изображений, что подтверждается сопоставлением численных результатов анализа качества испытательной таблицы с рейтингом 10-т балльной шкалы и с субъективными оценками тестовых изображений в различных системах с цифровой компрессией.

Экспериментальные исследования эффективности работы анализатора в различных системах цифрового кодирования позволили получить следующие выводы и рекомендации по оптимизации (настройке) параметров алгоритмов сжатия на высокое качество воспроизведения мелких деталей цветных изображений.

1. На основе теоретических положений (гл. 2-3), определяющих критерии оценки цветовых различий в «нормированной» равноконтрастной системе координат, разработаны новые методы кодирования длин серий. Оригинальность методов заключается в том, что контраст (4.1) между элементами вычисляется в нормированных порогах зрительного восприятия. Несмотря на то, что разработанные методы кодирования недостаточно эффективны с точки зрения обеспечения больших коэффициентов сжатия (ксж = 1,5. 10), они позволяют сохранить высокую визуальную четкость и резкость изображения при значении порога ЛЕпор<\.5 и среднеквадратичном значении шума канала передачи а <0,1%. и, следовательно, являются конкурентно способными существующим алгоритмам сжатия без потерь.

2. Анализ качества кодирования испытательной таблицы и тестовых изображений методом ДИКМ дает следующие результаты. Допустимое снижение визуальной четкости и резкости изображения обеспечиваются при затратах 6 бит/эл. для ошибок предсказания по яркости (dY) и 4 бит/эл. по цветности (dCR, dCB) при допустимом уровне флуктуационных помех цифрового канала передачи не более 0,3%.

3. При анализе качества декодированных изображений на основе преобразований: косинусного (ДКП), Уолша (ДПУ) и Хаара (ДПХ), получены следующие рекомендации:

- при кодировании изображений с высоким качеством рекомендовано использовать следующие параметры порогового отбора коэффициентов трансформации: Лт=% (ДКП), Лт=6 (ДПУ), Лт=1 (ДПХ);

- среднеквадратичное значение флуктуационных помех должно быть не более 0,3% от максимального значения кода длины серий нулевых значений коэффициентов трансформации;

При выполнении данных рекомендаций сохраняется высокое визуальное качество передачи мелких деталей и резких границ изображений с рейтингом <7 = 6.7, и побочные артефакты алгоритмов сжатия практически незаметны для глаза, что подтверждается результатами субъективных оценок тестовых изображений.

Сравнительный анализ эффективности кодирования привел к следующим результатам:

- коэффициент цифрового сжатия изображений различной детальности для каждого преобразования с выбранным (оптимальным) значением порогового отбора коэффициентов трансформации меняется в пределах ксж = 2. 15;

- при одинаковых показателях качества изображений, эффективность сжатия ДКП — в 1,3.1,5 раза выше преобразования Уолша и в 1,1. 1,2 раза выше преобразования Хаара.

Таким образом, преобразование Хаара незначительно уступает ДКП по эффективности сжатия при равных показателях качества по объективным критериям, что приводит к выводу о расширение возможностей применения различных ортогональных преобразования в цифровых видеосистемах.

4. Исследования влияния стратегии квантования на качество кодирования методом вейвлет-преобразования (ДВП) привело к следующим результатам.

- Использование убывающей арифметическая прогрессии пороговых значений с заданным порогом Лт для высокочастотного субдиапазона и коэффициентом ку убывания для следующего более низкочастотного диапазона обеспечивает высокую эффективность сжатия (ксж = 4-30) для значения порога Ат=6 и скорости убывания ку=Ъ. При этом качество декодированного изображения соответствует высоким оценкам четкости и резкости по объективным критериям с рейтингом качества q = 6.7.

- Сравнительный анализ эффективности разработанного алгоритма с ДКП показывает, что мелкие детали восстановленного изображения воспроизводятся с более высокой четкостью, чем у ДКП при одинаковых коэффициентах сжатия. При одинаковом качестве изображений выигрыш в коэффициенте сжатия составляет 1,5.2 раза.

Таким образом, по сравнению с существующими методами кодирования на основе ортогональных преобразований, предлагаемый алгоритм ДВП с разработанной стратегией квантования является более эффективным.

5. Анализ влияния погрешностей межкадрового кодирования на качество воспроизведения мелких деталей и резких границ изображений испытательной видеопоследовательности привел к следующим результатам.

- Целочисленное представление ошибок предсказания между элементами макроблоков опорного и текущего кадров не обеспечивает требуемого качества изображения по объективным критериям. Представление ДКП ошибок предсказания значениями с плавающей запятой не ухудшает качества передачи мелких деталей и резких границ при использовании всего лишь одного разряда для дробной части числа.

- Превышение среднеквадратичного уровня помех канала передачи допустимой величины адоп=0,3% приводит к резкому ухудшению качества изображений за счет недопустимых погрешностей векторов движения.

- Влияние помех на кодовые значения ошибки предсказания, согласно численным оценкам по критериям (3.43)-(3.44), не снижает визуального качества изображений при <т< 0,3% от максимального значения кода ошибки.

В целом результаты экспериментальных исследований доказали обоснованность теоретических моделей и эффективность новых методов и алгоритмов анализа качества передачи мелких деталей и резких границ изображений по разработанным критериям в «нормализованной» равноконтрастной системе координат.

ЗАКЛЮЧЕНИЕ

В результате выполнения диссертационной работы решена следующая крупная научно-техническая задача — разработаны новые методы и алгоритмы анализа качества передачи мелких деталей и резких границ цветных телевизионных изображений, которые, по сравнению с известными методами, дают наиболее адекватные результаты численных оценок к зрительному восприятию.

Для достижения поставленной цели в диссертационной работе получены следующие новые теоретические и экспериментальные результаты.

1. Разработан новый метод оценки цветовых различий мелких деталей испытательного изображения в нормированном равноконтрастном цветовом пространстве, который учитывает изменения порогового контраста наблюдаемых объектов в зависимости от их размеров, пространственной ориентации, цветовых координат и времени предъявления.

2. Разработан метод синтеза испытательной последовательности кадров изображения в равноконтрастном цветовом пространстве, что позволяет задавать исходный контраст объект-фон непосредственно в значениях МЦП и повысить эффективность оценки визуальной четкости по значению контраста мелких деталей декодированного изображения.

3. Получены экспериментальные зависимости порогового контраста зрения от размера и цветовых координат наблюдаемых объектов испытательной последовательности, а также от времени предъявления и уровня флуктуационных помех, которые расширяют область применения равноконтрастного цветового пространства до возможности определения числовой меры цветовых различий не только крупных, но и мелких деталей как неподвижных, так и подвижных изображений.

4. Разработана модель представлением шумов в равноконтрастном цветовом пространстве, что позволяет, оценивает среднеквадратичное значение помех непосредственно в значениях МЦП и обосновывать требования к помехоустойчивости системы с целью обеспечения заданной визуальной четкости изображения.

5. Разработан новый метод оценки визуальной четкости изображения, который отличается от известных тем, что контраст мелких деталей на выходе системы оценивается, нормированным средним значением по площади анализируемого «окна» изображения штриховой миры, а не по значению амплитуды первой гармоники яркостного и цветоразностных сигналов. При этом исходный контраст объект-фон задается не его максимальным значением, а величиной в два-три раза превышающей пороговое значение, что позволяет оценить работоспособность системы в допороговой области, где искажения могут быть наиболее существенны.

6. Разработаны критерии (3.7), (3.9), и (3.11) которые позволяют объективно оценить ухудшение визуальной четкости как неподвижных, так и динамических деталей изображения, т.к. учитывают пороги зрительного восприятия мелких деталей, а также возможные флуктуации значений цветовых координат, обусловленные искажениями сигналов и наличием флуктуационных помех в цифровой системе.

7. Разработан метод оценки резкости крупных деталей испытательного изображения, который отличается от известных тем, что степень "размытости" границ определяется не по переходным характеристикам яркостного или цвето-разностного каналов, а по изменению цветовых координат W*U*V* между граничными цветами. При этом, длительность вертикальных, горизонтальных и наклонных границ определяется числом элементов растра как разность между точками, для которых цветовое различие (3.12) относительно граничных цветов превышает один цветовой порог. Таким образом, разработанный метод дает более достоверную степень "размытости" границ крупных деталей изображения с точки зрения получателя.

8. Разработан метод оценки ошибки цветопередачи мелких деталей по критерию (3.15), который дает более корректную оценку "границы трехцветности", т.к. учитывает пороги зрительного восприятия и искажения сигналов цветности после декодирования.

9. На основе новых методов разработан компьютерный анализатор качества передачи мелких деталей и резких границ цветных изображений, позволяющий количественно оценивать снижение контраста, длительности цветовых переходов и ошибки цветопередачи и, по результатам оценок, устанавливать рейтинг качества декодированного изображения по 10-ти балльной субъективной шкале.

10. С целью обеспечения высокого качества воспроизведения мелких деталей и резких границ декодированных изображений рекомендовано выполнение следующих условий.

• Снижение контраста штриховых мир по индексу яркости, должно быть не более 50% от пороговых значений для размеров линий в 1 и более элементов растра, т.е. еw* (8 > 1) < 0.5. При этом, среднеквадратичное отклонение координат индекса яркости во всех анализируемых «окнах» должно соответствовать условию: Aw. {8 > 1) < 0.3.

• Снижение контраста штриховых мир по индексам цветности, должно быть не более 75% от пороговых значений для размеров линий в 3 и более элементов растра, т.е. s . . (8 > 3) < 0.75. При этом, среднеквадратичное от

U 9г клонение координат индексов цветности в анализируемых «окнах» должно соответствовать условию: А . . (8 > 3) < 0.5.

J 9г

• Среднее значение ошибки цветопередачи должно быть не более 0.8 для размеров деталей в 3 и более элементов растра: 77 . . (8 > 3) <0.8.

U ,У

• Средние значения длительностей вертикальных, горизонтальных и наклонных границ крупных деталей, должны быть не более 2.3 элементов растра по индексу яркости и не более 4.6 элементов по индексам цветности.

Экспериментально доказано, что выполнение данных критериев позволяет обеспечить высокое визуальное качество изображений с субъективными оценками по шкале общего качества не менее «хорошо» и «отлично», что соответствует рейтингу q > 7 по выбранной 10-ти балльной шкале.

11. Результаты анализа качества испытательного видеоизображения по объективным критериям в системах цифрового сжатия на основе: а) модифицированных методов кодирования длин серий; б) ДИКМ; в) дискретных ортогональных преобразований; г) вейвлет преобразования; д) метода компенсации движения — позволили получить рекомендации по выбору и настройке параметров алгоритмов сжатия, при которых обеспечивается высокое качество передачи мелких деталей и резких границ изображения.

12. Результаты объективных экспериментальных оценок четкости и резкости испытательных изображений для различных алгоритмов сжатия и сопоставления полученных результатов с субъективными оценками качества тестовых изображений доказали обоснованность теоретических моделей и достоверность разработанных критериев.

В целом в процессе выполнения работы решена проблема поиска объективных критериев качества передачи и воспроизведения мелких деталей и резких границ цветных ТВ изображений, а также заложена научно-техническая и методологическая основа для модернизации существующих и разработки новых алгоритмов сжатия и цифровых кодеков с высокой четкостью и резкостью воспроизводимых изображений.

В заключение автор выражает огромную благодарность уважаемым профессорам — Роберту Евгеньевичу Быкову и Виктору Павловичу Дворковичу, которые оказали помощь в оформлении материалов диссертации своими критическими замечаниями и полезными советами!

1. Список использованных источников

2. Грязин Г.Н. Системы прикладного телевидения. — СПб.: Политехника, 2000. — 277 с.

3. Казанцев Г.Д., Курячий М.И., Пустынский И.Н. Измерительное телевидение.— М.:Высш. шк., 1994. -288 с.

4. Кривошеев М.И. Новые системы цифрового вещания //«625», 1999, №10.

5. Певзнер Б.М. Качество цветных телевизионных изображений. — М.: Радио и связь, 1988. — 244 с.

6. Телевизионная техника: Справ./ Под ред. Ю.Б. Зубарева и Г.Л. Глориозо-ва. — М.: Радио и связь, 1994. — 312 с.

7. Быков Р.Е., Манцветов А.А., Степанов Н.Н., Эйссенгардт Г.А. Преобразователи изображения на ПЗС. — М.: Радио исвязь, 1992. — 184 с.

8. Ангафоров А.П. Цветные кинескопы. — М.: Радио исвязь, 1986. — 128 с.

9. Телевидение / Под ред. Р.Е. Быкова. — М.: Высш. шк., 1988. — 248 с.

10. Дворкович А.В., Дворкович В.П., Зубарев Ю.Б., Г.Н. и др. Цифровая обработка телевизионных и компьютерных изображений. — М.: HAT, 1997. — 248 с.

11. Красильников Н.Н. Теория передачи и восприятия изображений и ее приложения.— М.: Радио и связь, 1986. — 248 с.

12. Цифровое кодирование телевизионных изображений/ Под ред. Проф. Цук-кермана И.И. — М.: Радио и связь, 1981. — 240 с.

13. Зубарев Ю.Б., Кривошеев М.И., Красносельский И.Н. Цифровое телевизионное вещание. — М.: НИИР, 2001. — 508 с.

14. Кривошеев М., Мкртумов А., Федунин В. Качество изображения и измерения в цифровом телевидении // «625», 1999, №1.

15. Шлихт Г.Ю. Цифровая обработка цветных изображений. — М.: ЭКОМ, 1997. —336 с.

16. Skodras A.N., Christopoulos C.A., Ebrahimi T. JPEG2000: the upcoming still image compression standard. Proceedings of the 11th Portuguese conference on pattern recognition, Porto, Portugal, 2000.

17. Прэтт У. Цифровая обработка изображений: В 2 кн. — М.: Мир, 1982, Кн. 2. —480 с.

18. Прэтт У. Цифровая обработка изображений: В 2 кн. — М.: Мир, 1982. Кн. 1. —312 с.

19. Teacher С. F., Yuth R. W. Secure Color Video Techniques // Def. Doc. Center, AD 462528, Philco Corporation: Blue Bell, February, 1965.

20. Walsh K.A. Digital Coding of Color Picturephone Signals by Element-Differential Quantization // IEEE Trans. Commun. Tech. COM-19, 1971, № 6.

21. Чен Ш.-К. Принципы проектирования систем визуальной информации. — М.: Мир, 1994. —408 с.

22. Gersho A. Image Vector Quantization with a Perceptually-Based Cell Classifier // IEEE Int. Conf. ASSP, 1984.

23. Zhang C. Ein neuver adaptiver Pradiktor fur die DPCM-Kodierung von Fern-sehsignalen // Frequenz. 1982, № 36.

24. Методы передачи изображений. Сокращение избыточности/ Под ред. У.К.Прэтта — М.: Радио и связь, 1983. — 264 с.

25. Дворкович А.В., Дворкович В.П., Макаров Д.Г., Новинский Н.Б., Соколов А.Ю. Испытательные таблицы для измерения качества цифрового и аналогового телевизионного вещания // «625», 1999, № 8.

26. Zeng W., Daly S., Lei S. An overview of the visual optimization tools in JPEG 2000 // Signal Processing Image Communication 17, 2002.

27. Chinen Т., Chien A. Visual evaluation of JPEG 2000 color image compression performance //ISO/IEC JTC1/SC29/WG1 N1583, Tokyo, March 2000.

28. Воробьев В.И., Грибунин В.Г. Теория и практика вейвлет-преобразования. — Военный Университет Связи, Санкт-Петербург, 2000. — 204 с.

29. Дворкович В.П., Зубарев Ю.Б., Козлов В.А., Артомонов С.Е. Мультимедиа проблемы и перспективы внедрения систем в России // Цифровая обработка сигналов, 2001, №1.

30. Кривошеее М.И., Федунин В.Г. Интерактивное телевидение. —М.: Радио и связь, 2000. — 344 с.

31. Брайс Р. Справочник по цифровому телевидению. — Жуковский, Эра, 2001. —560 с.

32. Мамаев Н.С., Мамаев Ю.Н., Теряев Б.Г. Цифровое телевидение. /Под ред. Н.С. Мамаева. — М.: Горячая линия. Телеком., 2001.—180 с.

33. Локшин Б. А. Цифровое вещание: от студии к телезрителю. — Компания Сайрус Системе, 2001. — 447 с.

34. Зубарев Ю.Б., Дворкович В.П., Нечепаев В.В., Соколов А.Ю. Методы анализа и компенсации движения в динамических изображениях// Электросвязь, 1998.

35. Кривошеев М. И. Основы телевизионных измерений. — М.: Радио и связь, 1989. —608 с.

36. Глассман К.Ф., Логунов А.Н. и др. Оценка качества изображения при видеокомпрессии // Техника кино и телевидения, 1999, № 8.

37. Рыфтин ЯЛ. Телевизионная система (теория). — М.: Сов. Радио, 1967. — 272 с.

38. Телевидение: Учебник для вузов/ Под ред. В.Е.Джаконии. — М.: Радио и связь, 1986. — 640 с.

39. Новаковский С. В. Цвет в цветном телевидении. — М.: Радио и связь, 1988. —288 с.

40. Джадд Д., Вышецки Г. Цвет в науке и технике. — М.: Мир, 1978. — 592 с.

41. Кривошеев М.И., Кустарев А.К. Цветовые измерения. — М.: Энергоатом-издат, 1990. — 240 с.

42. Быков Р. Е., Гуревич С. Б. Анализ и обработка цветных и объемных изображений.— М.: Радио и связь, 1984. — 248 с.

43. Tektronix/ Picture Quality Testing //www.tek.com.

44. Tektronix/ PQA-200 Picture Quality Analysis System // www.tek.com.

45. Фили Д. Новые методы оценки цифрового видео// www.digitalvideo.ru.

46. Шерайзин С.М. Адаптивная коррекция и фильтрация телевизионного сигнала. — М.: Радио и связь, 1987. — 88 с.

47. Нагано Т. Пространственно-частотные характеристики зрительного восприятия и теория многоканальное™. // Тэрэбидзен, 1979, Т.ЗЗ. №12.

48. Frei W., A New Model of Color Vision and Some Practical Limitations// University of Southern California, Image Processing Institute, USCEE Report 530, March 1974.

49. Красильников H.H. Помехоустойчивость телевизионных устройств. — M.: Госэнергоиздат, 1961. — 267 с.

50. Гранрат Д. Дж. Роль моделей зрения человека в обработке изображений // ТИИЭР, 1981, Т. 60, №5.

51. Ефимов А.С. Контрастная чувствительность зрения при наблюдении ТВ-изображения // Техника кино и телевидения, 1977, №2.

52. Бертулис А.В., Гутуаскос А.И. Пороги опознавания разных признаков цветовых стимулов// Физиология человека, 1980, Т.6, № 1.

53. Бертулис А.В., Цукерманн И.И. Ограничения цветовосприятия и использование их в цифровом ТВ// Техника кино и телевидения, 1982,

54. KafeQep В.Д., Цукерманн И.И. Информация и зрение. — М.: Издательство АН СССР, 1961. —184 с.

55. Рубахин В.Ф. Психологические основы обработки первичной информации.— М.: Наука, 1974. — 296 с.

56. Орловский E.JI. Передача факсимильных изображений. — М.: Радио и связь, 1980. — 216 с.

57. Вентцель Е.С., Овчаров Л. А. Теория вероятностей и ее инженерные приложения.— М.: Наука, 2000. — 480 с.

58. Купер Дж., Макгилем К. Вероятностные методы анализа сигналов и систем.— М.: Мир, 1989. — 376 с.

59. Wyszecki G., Stiles W. S., Color Science. — Wiley, New York, 1967.

60. Гудмен Дж. Введение в фурье-оптику. — М.: Мир, 1970.

61. Davidson М. L. Perturbation Approach to Spatial Brightness Interaction in Human Vision // J. Opt. Soc. Am., 58, 9, September 1968.

62. Cornsweet T. N. Visual Perception. — Academic press. New York, 1970.

63. Mannos J. L., Sakrison D. J. The Effects of a Visual Fidelity Criterion on the Encoding of Images // IEEE Trans. Inf. Theory, IT-20, July 1974.

64. Judd D. B. Standard Response Functions for Protanopic and Deuteranopic Vision// J. Opt. Soc. Am., 35, 3, September 1968.

65. Быков P.E. Теоретические основы телевидения. — СПб.: Издательство «Лань», 1998.-288 с.

66. Блейхут Р. Быстрые алгоритмы цифровой обработки сигналов. — М.: Мир, 1989.

67. Hilton M.L., Jawerth B.D., Sengupta A. Compressing Still and Moving Images with Wavelets // Multimedia Systems, Vol. 2, No. 3, 1994.

68. Носов О.Г. Сравнение систем MUSE и HD-MAC // Техника кино и телевидения, 1992, № 12.

69. ТИИЭР Обработка изображений // Тематический выпуск, 1981, №5.

70. Линдли К. Практическая обработка изображений на языке Си. — М.: Мир, 1996. —560 с.

71. Schafer R. DPCM Coding of the Chrominance Signal for the Transmission of Color TV Signal at 24 Mbit/s // Signal Processing, 1981.

72. Wu J. K. Color Image Coding of Image // Signal Processing, 1986.

73. Игнатьев H. К. Дискретизация и ее приложения. — М.: Радио и связь, 1980. — 264 с.

74. Сиберт У.М. Цепи, сигналы, системы. — М.: Мир, 1988, Кн. 2. -360 с.

75. Зюко А.Г., Фалько А.И., Панфилов И.П. и др. Помехоустойчивость и эффективность систем передачи информации / Под ред. А.Г. Зюко. — М.: Радио и связь, 1985. 272 с.

76. Heller J. A. The DigiCipher HDTV Broadcast system //17 International Television Symposium, Montreux, Switzerland, 13-17 June 1991.

77. Sohn W., Kwon O.H., Chae J.S. Digital DBS System Design and Implementation for TV and Data Broadcasting using Koreasat // IEEE Trans, on Broadcasting, 1998, V. 44, №3.

78. Booth S. A. Digital TV in the USA // Spectrum, 1999, №3.

79. Даджион Д., Мерсеро P. Цифровая обработка многомерных сигналов. — М.:Мир, 1988. —488 с.

80. Шамис В.А. C++Builder 5. Техника визуального программирования. — М.: Нолидж, 2001.—

81. Глассман К.Ф., Логунов А.Н., Перегудов А.В. и др. Объективная оценка артефактов в видеокомпрессии // Техника кино и телевидения, 2000, №2.

82. Грязин Г.Н. О критериях оценки контраста изображения // Техника кино и телевидения, 2000, №9.

83. Смирнов А.В. Основы цифрового телевидения. Учебное пособие. — М.: Горячая линия, Телеком., 2001. — 224 с.

84. Caelli Т., Bevan P. Visual sensitivity to two-dimensional phase // Vis.Res. 72, 1982.

85. Chinen Т., Nadenau M., Reichel J, Zeng W. Report on СЕ C03 (Optimizing color image compression) // ISO/IEC, JTC1/SC29/WG1 N1587, Tokyo, March 2000.

86. Daly S. The visible differences prediction algorithm for the assessment of image // Digital Images and Human Vision, MIT Press, Cambridge, MA, 1993.

87. Taubman D. High performance scalable image compression with EBCOT // IEEE Transactions on Image Processing 9 (7) (July 2000).

88. Van den Branden Lambrecht C. A working spatio temporal model of the human visual system for image restoration and quality assessment applications // Proceedings of ICASSP, 1996.

89. Virsu V., Rovano J. Visual, resolution, contrast sensitivity, and the cortical imagination factor // Exp.Brain Res.37, 1979.

90. Watson A.B. DCT quantization matrices visually optimized for individual images // Proceedings of the SPIE Conference on Human Vision /Visual Processing, and Digital Display IV, Vol.1913, 1993.

91. Watson A.B., Taylor M., Borthwick R. Image quality and entropy masking // Proc. Human Vision, Visual Processing and Digital Display VIII, San Jose, CA, SPIE, Bellingham, WA, 1997, Vol.3016.

92. Watson A.B., Yang G., Solomon J., Vilasenor J. Visibility of wavelet quantization noise // IEEE Trans. Image Proc. 6 (8), 1997.1. Список публикаций автора

93. Сай С.В. Качество передачи и воспроизведения мелких деталей цветных телевизионных изображений. — Владивосток: Дальнаука, 2003. — 160 с.

94. Сай С.В. Четкость цветного изображения в системах со сжатием визуальных данных. — Хабаровск: Изд-во Хабар, гос. техн. ун-та, 1999. — 143 с.

95. Сай С.В. Анализ четкости цветных статических изображений в равнокон-трастной системе координат // Цифровая обработка сигналов, 2002, №1.

96. Сай С.В. Влияние помех цифрового канала передачи на искажения четкости статических изображений // Телекоммуникации, 2001, № 10.

97. Сай С.В., Сорокин Н.Ю., Ридер X., Майзл М. Повышение скорости реконструкции изображения в системах компьютерной томографии // Телекоммуникации, 2002, № 3.

98. Сай С.В., Савенков И.В. Эффективность цифрового кодирования статических изображений методом вейвлет-преобразования // Телекоммуникации, 2001, №4.

99. Бахрушин А.П., Бахрушина Г.И., Сай С.В., Храмова Е.В. Спектральный анализ электрокардиограмм на основе комплексной системы импульсных функций // Телекоммуникации, 2001, № 3.

100. Сай С. В., Малинкин Н. А. Искажения цветности в телевизионных измерительных системах повышенного качества // Известия вузов, Сер. Приборостроение, 1990, № 6.

101. Сай С.В., Малинкин Н.А. Обработка сигналов в телевизионных системах с временным уплотнением // Известия ЛЭТИ, 1990, Вып. 429.

102. Сай С.В. Анализатор четкости статических изображений // Свидетельство об официальной регистрации программы для ЭВМ № 50200100285, ВНТИЦ, 2001.

103. Сай С.В., Савенков И.В. Архиватор изображений на основе дискретного вейвлет-преобразования// Свидетельство об официальной регистрации программы для ЭВМ № 50200100284, ВНТИЦ, 2001.

104. Сай С.В. Архиватор графического изображения на основе анализа цветовой палитры блоков // Свидетельство об официальной регистрации программы для ЭВМ №990141, ВНТИЦ, 1999.

105. Сай С.В. Архиватор графического изображения с дискретным косинусным преобразованием // Свидетельство об официальной регистрации программы для ЭВМ №990142, ВНТИЦ, 1999.

106. Сай С. В. Система цветного телевидения с временным уплотнением: Авторское свидетельство № 1690221. (Бюл. № 41 от 07.11.91).

107. Sai S.V. Estimation of definition in standard JPEG //http://www.autex.spb.ru /techsupt/litera/dspa2000.htm.

108. Сай C.B., Савенков И.В. Выбор коэффициентов порогового отбора для вейвлет-трансформант цветного изображения // Информатика и системы управления, 2001, № 2.

109. Архипов А.В., Сай С.В. Оценка точности цветопередачи мелких деталей с учетом модели цветового зрения // Методы и средства обработки информации: Сб. науч. тр. НИИ КТ. Хабаровск: Изд-во Хабар, гос. техн. ун-та, 2001, Вып. 11.

110. Сай С.В., Шушаков А.И., Карнаухов О.Г. Четкость изображения в видеосистемах со сжатием визуальных данных на основе DCT // Методы и средства обработки информации: Сб. науч. тр. НИИ КТ. Хабаровск: Изд-во Хабар, гос. техн. ун-та, 1999, Вып. 7.

111. Сай С.В. Математическая модель ТВ системы с уплотнением RGB компонент // Методы и средства обработки информации: Сб. науч. тр. НИИ КТ. Хабаровск: Изд-во Хабар, гос. техн. ун-та, 1999, Вып. 7.

112. Сай С.В. Анализ искажений цветопередачи в системах ТВЧ // Методы и средства обработки информации: Сб. науч. тр. НИИ КТ. Хабаровск: Изд-во Хабар, гос. техн. ун-та, 1998. Вып. 1.

113. Сай С.В. Метод сжатия видеоинформации на основе локализации цветовых перепадов // Методы и средства обработки информации: Сб. науч. тр. НИИ КТ. Хабаровск: Изд-во Хабар, гос. техн. ун-та, 1998. Вып. 1.

114. Сай С.В. Метод сжатия визуальных данных на основе анализа цветовой палитры статического изображения // Тр. Хабар, гос. техн. ун-та. Хабаровск: Изд-во Хабар, гос. техн. ун-та, 1998.

115. Сай С.В. Метод кодирования цифровой видеоинформации в системе ТВЧ // Сб. науч. тр. НИИ КТ. Хабаровск: Изд-во Хабар, гос. техн. ун-та, 1996. Вып. 2.

116. Сай С.В. Цветовая разрешающая способность телевизионной системы // Программная и аппаратная реализация алгоритмов в радиоэлектронных имикропроцессорных системах: Сб. науч. тр. Хабаровск: Изд-во Хабар, политехи, ин-та, 1990.

117. Сай С.В. Модель телевизионного сигнала с временным уплотнением составляющих яркости и цветности // Методы и средства обработки информации в радиоэлектронных и микропроцессорных системах: Сб. науч. тр. Хабаровск: Изд-во Хабар, политехи, ин-та, 1989.

118. Сай С.В. Анализатор качества передачи мелких деталей цветных телевизионных изображений // Труды 58-й научной сессии посвященной Дню Радио / Москва, Май 14-15, 2003, Том 2.

119. Сай С.В. Критерий оценки визуальной четкости зашумленных изображений // Телевидение: передача и обработка изображений / Материалы 3-й Международной конференции, Санкт-Петербург, Июнь 5-6, 2003.

120. Сай С.В. Анализатор качества цветных изображений// Теоретические и прикладные вопросы современных информационных технологий /Труды 3-й Всероссийской научно-технической конференции, Улан-Удэ, Август 01-04, 2002.

121. Сай С.В. Объективный критерий качества передачи мелких деталей динамических изображений // Телевидение: передача и обработка изображений / Материалы 2-й Международной конференции. Санкт-Петербург. Май 21-22, 2002.

122. Сай С.В. Синтез испытательных изображений в равноконтрастной системе координат // Теоретические и прикладные вопросы современных информационных технологий /Труды 2-й Всероссийской научно-технической конференции, Улан-Удэ, Сентябрь 18-22, 2001.

123. Сай С.В. Влияние помех цифрового канала связи на четкость изображения малоразмерных объектов // Труды 56-й научной сессии посвященной Дню Радио, Москва, Май 16-17, 2001, Том 2.

124. Сай С.В. Анализ эффективности цифровой телевизионной системы по показателям четкости изображения // Телевидение: передача и обработка изображений / Материалы 1-й Международной конференции, Санкт-Петербург, Июнь 20-22, 2000.

125. Сай С.В. Оценка показателей четкости цветного изображения в системе с цифровым кодированием на основе ортогональных преобразований // Труды Юбилейной научно-технической конференции по радиоэлектронике ТУ СУР, Томск, Октябрь 13-15, 2000.

126. Сай С.В. Оценка четкости изображения в стандарте JPEG // Цифровая обработка сигналов и ее применение / Материалы 3-й Международной конференции, Москва, Ноябрь 29-30, 2000.

127. Sai S.V., Shoberg A.G. Computer Modeling of Fluctuation Noise Trans forming in MAC System // The fourth international symposium on advances in science and technology in the Far East / Harbin P.R.China: February 10-15, 1995.

128. Sai S.V., Shoberg A.G. Method of coding television signal in MAC system // The Fist Soviet Union- China Symposium on the Actual Problems of the Scientific and Technological Progress of the Far Eastern Region/ Khabarovsk.-June 18-25, 1991.

129. Сай С.В Искажения яркости и цветности в телевизионной измерительной системе с временным уплотнением // Оптико-электронные измерительные устройства и системы / Всесоюзн. конф. Томск: Радио и связь, 1989. Ч 1.

130. Сай С.В., Малинкин Н. А. Модель цветоделенных каналов системы цветного телевидения с временным уплотнением // Телевизионные методы и средства в науке и технике / Респ. науч.-техн. конф. Ужгород, 1989.

131. Сай С.В. Помехоустойчивость телевизионной системы с временным уплотнением сигналов цветного телевидения // XXX научно-техническая конференция молодых ученых и специалистов по телевизионной технике, Москва, 1989.

132. Программный комплекс: "Анализатор четкости статических изображений".

133. Методика настройки и оптимизации параметров разрабатываемых кодеков на требуемую четкость гидролокационных изображений морского дна.

134. Использование указанных результатов позволяет: повысить эффективность обработки гидролокационных и подводных изображений с высоким разрешением; снизить трудоемкость оценки качества изображения при субъективном анализе точности передачи мелких деталей.

135. Результаты внедрялись при выполнении НИР по теме «Разработка и создание автономного необитаемого подводного аппарата с повышенной дальностью хода и автономностью»1. Гос.per. 01.960.010861)1. Члены комиссии:1. Председатель комиссии

136. МИНИСТЕРСТВО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ

137. ХАБАРОВСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙvaw^W ™ЕРСИТЕТО1. ШЗБРЖДАЮ:

138. РЕКЛАМНО-ТЕХНИЧЕСКОЕ ОПИСАНИЕ

139. Анализатор четкости статических изображений1. Л"

140. Заведующий кафедрой "Вычислительная техника"к.т.н., доцент L^^y^ c.B.1. Хабаровск 2001

141. Назначение. Программа "Анализатор четкости статических изображений" предназначена для объективного анализа искажений четкости цветного изображения возникающих в алгоритмах сжатия с потерями.

142. Основные функции программы. Программа реализует алгоритм, который можно разбить на следующие основные этапы.