A no-reference measurement method of blockiness in dct-coded images through edge detection and regression

Abstract

Bu tezde, bloklanma hatalarını bulan bir algoritma ve detaylı sonuçları sunulmaktadır. Günümüzde, resimlerin ve videoların sayısal kodlamaları ve aktarımları artmaktadır. DCT-tabanlı sıkıştırma tekniklerini kullanan, düşük veri oranına sahip videoların (ya da resim dizilerinin) iletiminde bloklanma hataları ciddi problemler oluşturmaktadır. Bant genişliğindeki kısıtlamadan dolayı uygulanan fazla sıkıştıma hatalarını meydana getirebiliyor. Bu hatalar son kullanıcılarda tatminsizlik yaratmaktadır. Yayıncılar ve internet servis sağlayıcıları sistemlerindeki bloklanma gibi bozulmaları kalite ölçüm teknikleriyle her zaman değerlendirmek isterler. Bloklanma hataları tam-referanslı, azaltılmış referanslı ya da referanssız ölçüm teknikleriyle yapılabilir. Referanssız ölçüm burada en verimli yöntemdir çünkü, referans veriye ulaşmak her zaman mümkün olmayabilir. Bu yöntem ayrıca gerçek-zamanlı denetlemelere olanak sağlar. Bu tezde, referanssız bloklanma ölçen yeni bir metod sunduk. Bu metod DCT tabanlı olup diğer literatürlerde de belirtilen insan görsel sistem modelini kullanır. Fakat bu yöntemi özgün kılan, Sobel kenar bulma algoritmasını kullanarak yanlış ölçümlerden kaçınılması ve regresyon analizi ile gözlemcilerin ortalama puanlarının (MOS) deneysel sonuçlarla bağdaştırılmasıdır. Bu özgün yöntemler, LIVE veritabanındaki MOS değerler ile yüksek benzerlikte sonuçlar elde etmemizde yardımcı oldu. LIVE veritabanındaki resimler, algoritma çıktılarının işlenmesinde ve test edilmesinde kullanıldı. Bu veritabanında farklı derecelerde bozulmalara maruz kalmış resimler mevcut. Bizim sonuçlarımızla MOS değerlerinin ne kadar iyi eşleştiğini ölçmek için Pearson ve Spearman korelasyon tekniklerini kullandık. LIVE veritabanı için, literatürdeki en iyi elde edilen Spearman korelasyonu %94 iken, biz %95 elde ettik. Ayrıca, biz %98 Pearson korelasyonu elde ederken literatürde en iyisi %94'tür.

This thesis presents a blocking artifact detection algorithm and consists of detailed experimental results. Blocking artifacts are a serious problem in low data rate transmission of such videos (or image sequences), which employ DCT-based compression algorithms. Too much compression due to bandwidth constraints can introduce blocking artifacts. Online quality measurement techniques for artifacts such as blockiness are required to for broadcasters and internet service providers to inspect their streaming systems. Blockiness measurement can be done through full-reference (FR), reduced-reference (RR), or no-reference (NR) methods. NR is the most efficient one as accessing reference content may not be always possible. NR methods also offer the possibility of real-time inspection. We propose a novel NR blockiness measurement method. The method is based on DCT and uses a model of the human visual system like some of the literature. However, it is unique as it uses Sobel edge detection algorithm to avoid miscalculations and also employs regression analysis to match mean opinion scores (MOS) of human observers. These unique features of our method let us achieve results that are more correlated to the MOS for LIVE dataset, which is used to train and test our algorithm. To measure how well our results match the MOS values in LIVE, we use Pearson and Spearman correlation formulations. The best Spearman correlation obtained in the literature for LIVE dataset is 94% while we get 95%. On the other hand, we get a Pearson correlation of 98% and surpass the best in the literature by 94%.