|
Kategorie: Diplomové, bakalářské práce |
Tento dokument chci!
Cílem této práce je vytvořit program schopný implementovat metriku CPqD-IESpro hodnocení kvality videosekvencí v prostředí MATLAB. Tato metrika je popsánav doporučení ITU-R BT.1683 pro metody objektivního měření kvality videosekvencíve standardním rozlišení vysílaném digitální televizí v reálném čase s plnou referencí. Hodnocení kvality videa je vypočítáno na základě objektivních parametrův závislosti na segmentaci obrazu. Měřené videosekvence jsou segmentací rozčleněnydo oblastí hran, ploch a textur. Objektivní parametry jsou přiřazeny ke každé z těchto oblastí. Vztah mezi každým objektivním parametrem a subjektivním hodnocenímkvality je aproximován křivkou, která je výsledným odhadem úrovně kvality pro každý parametr.
Hranové oblasti prahování dilataci nabývají hodnoty jedna obrázku
jsou vyznačeny bíle (obr. 2. Tímto způsobem vybrané pixely jsou použity jako „semínka“ (tj.6).Obraz vytvořen aplikací adaptivního gradientního filtru vybrané pixely
jasové složky výběr pixelů jasové složky závisí binárních obrazech [1]:
=′−
=
jinak0
1),(pokud
),(
01 yxB
yxG
µµ
. (8)
Algoritmus nejprve detekuje pixely binárním obraze B'(x, nabývající hodnoty
jedna poté vymezí okolí sousedních pixelů Ν8(x, y), takto dané sousední pixely jsou
určeny souřadnicemi (x', y'). obrázku 2. Konečný binární obraz dilatován využitím kruhového
elementu průměru obrazových bodů, který ignoruje omezení vyhrazené plošnými
oblastmi. Při vlastním výpočtu středních hodnot však
algoritmus používá binární obraz nikoliv B'. Všechny
součásti vertikálně horizontálně propojených pixelů méně než body jsou
vyloučeny výsledku růstu.
12
. Střední hodnota vypočítána
z pixelů jasové složky Y(x', y') pro něž platí B(x', y') naopak střední hodnota je
vypočítána pixelů jasové složky Y(x', y') pro něž platí B(x', y') Absolutním
rozdílem středních hodnot vytvořen obraz jehož pixely nabývají hodnot od
0 255.5 vyobrazen obraz bíle jsou vyznačeny odpovídající
hranové oblasti. 2.
počáteční body růstu) hranice růstu omezena podmínkou G(x, 30. Dolní prahová hranice stanovena
na hodnotu horní hranice hodnotu 40.5: Hranové oblasti před prahováním dilatací
Hystereze prahování aplikována vyhrazené pixely obraze které jsou
současně klasifikovány jako plošné oblasti. Algoritmus nejprve identifikuje pixely
v obraze které splňují podmínku G(x, 40, poté použije algoritmus
pro růst oblastí.
Obr
