KFUPM ePrints

NO-REFERENCE IMAGE QUALITY ASSESSMENT USING NEURAL NETWORKS

l NO-REFERENCE IMAGE QUALITY ASSESSMENT USING NEURAL NETWORKS. Masters thesis, King Fahd University of Petroleum and Minerals.

[img]PDF - Accepted Version
5Mb

Arabic Abstract

في السنوات الأخيرة، شهدنا تقدما ملحوظا في مجال معالجة المعلومات الرقمية. الصور والفيديو الرقمية تنتشر بسرعة. وعلى الرغم من التقدم في مجال الاتصالات الرقمية، فإن الصور / الفيديو مازالت تعاني من عاهات رئيسية والتي تؤدي إلى تدهور جودة الصورة. وبالتالي، هناك حاجة إلى بعض التدابير النوعية الموضوعية لرصد هذه العاهات، وتحسين المعاملات المسيطرة لتحسين الجودة. ومع ذلك، فإن الهدف من صياغة تدابير جودة الصورة صعب للغاية، خاصة في غياب الصورة الأصلية. في هذه الأطروحة، نقترح صورة ذات نوعية التقييم نظام (لا مرجع تعلم ) قائم على استخدام الشبكات العصبية الاصطناعية. والهدف هو تطوير حسابي نموذج لقييم جودة الصور التي تدهورت بفعل التشوهات التالية: الطمس، الضوضاء، ضغط JPEG ، ضغط JPEG2000 ، وعبر كل التشوهات. إن الملاحظة الرئيسية الاصطناعية التي في هذه التشوهات من سببها مجموعة من الميزات التي تميز المستخرجة من الوسيط الناقل مشوهة. يتم استخدام هذه الميزات بالموقع كمدخل إلى الشبكة العصبية للتنبؤ بالجودة. تتعلم الشبكة العصبية التأقلمية العلاقة الغير الخطية بين الميزات الإحصائية وتصنيف الجودة الشاملة، والتي تقارب درجة جودة قريبة من الإدراك البشري. تجرى التجارب على الصور المأخوذة من قاعدة بيانات حية قياسية. يتم تقييم أداء الخوارزمية المقترحة باستخدام المعايير التي أوصى بها فريق الخبراء لجودة الفيديو. تظهر النتائج التجريبية أن التدبير المقترح للجودة يتفوق على نماذج الانحدار اللوجستي التقليدية، مع وجود علاقة ممتازة بين المتوقعة ونقاط الجودة الشخصية. إن نهج التعلم الآلي المقترح هو تقنية قوية، ويمكن تطبيقها على الصور / الفيديو التي تعاني من أي نوع من التشويه

English Abstract

In recent years, we have witness a remarkable progress in the field of digital information processing. The digital images/videos are rapidly proliferating. Despite the advancements in digital communications, the images/videos persist to suffer from major impairments that degrade the visual quality of the signal. Thus, some objective quality measures are needed to monitor these impairments, and optimize the control parameters for quality improvement. However, the formulation of the objective image quality measures is very challenging, especially in the absence of the original medium. In this thesis, we propose a learning-based No-Reference Image Quality Assessment (NR-IQA) system using Artificial Neural Networks (ANN). The aim is to develop a computational model for the quality assessment of the images degraded by following distortions: blur, noise, JPEG compression, JPEG2000 compression, and across all distortions. The major artifacts observed in these distortions are quantified by a set of characterizing features extracted from the distorted medium. These active features are then used as an input to the neural network for quality prediction. The adaptive neural network learns the highly non-linear relationship between the statistical features and the overall quality rating, and approximates the quality score close to human perception. The experiments are performed on the images taken from the standard LIVE database. The performance of the proposed algorithm is evaluated using the criteria recommended by the Video Quality Expert Group (VQEG). The experimental results show that the proposed quality measure outperforms the traditional logistic regression models, with an excellent correlation between the predicted and the subjective quality scores. The proposed machine learning approach is a powerful technique, and can be implemented for images/videos suffering from any kind of distortion.



Item Type:Thesis (Masters)
Subjects:Electrical
Divisions:College Of Engineering Sciences > Electrical Engineering Dept
Committee Advisor:Deriche, Mohamed
Committee Co-Advisor:Mohandes, Mohamed
Committee Members:Beghdadi, Azeddine and Zidouri, Abdelmalek and Ghouti, Lahouari
ID Code:138974
Deposited By:BIN ZIYAD AMER (g201002520)
Deposited On:25 Jul 2013 21:59
Last Modified:24 Nov 2014 10:46

Repository Staff Only: item control page