BLIND CONTRAST-ENHANCED IMAGE RANKING USING CONTRAST METRICS AND SUPPORT VECTOR MACHINE

BLIND CONTRAST-ENHANCED IMAGE RANKING USING CONTRAST METRICS AND SUPPORT VECTOR MACHINE. Masters thesis, King Fahd University of Petroleum and Minerals.

[img] PDF
MSc Thesis-Wael Yousif Suliman-g201702430.pdf
Restricted to Repository staff only until 12 July 2022.

Download (3MB)

Arabic Abstract

في هذا العمل البحثي ، ينصب تركيزنا على تصنيف مجموعة معينة من الصور المحسنة. بالمقارنة مع مشكلة تقييم الجودة ، بدلاً من تقييم جودة التحسين ، نقوم بتصنيف مجموعة من الصور المحسنة والتي تمثل حالة صعبة. هذا السيناريو مهم عندما يتعين علينا الاختيار من بين مجموعة من الصور المحسنة. نقترح طريقة تصنيف أعمى جديدة للصور المحسنة التباين. تُستخدم خوارزمية الملاءمة المرئية المبنية على الرسم البياني (GBVS) لتسليط الضوء على البقع الأكثر بروزًا في صورة معينة. تستخلص التقنية المقترحة الميزات من المناطق المرئية الجذابة في الصورة. في الأدبيات ، معظم الطرق المقترحة لاستخراج مجموعة من السمات التقليدية لتقييم التشويه. ومع ذلك ، لا يمكن استخدام هذه الميزات لترتيب الصور المحسنة. لذلك ، تستخلص تقنيتنا المقترحة الميزات التي تصف تأثيرات التحسين بشكل أفضل. تتضمن مجموعة الميزات العديد من مقاييس التباين الشائعة التي تقيّم مستوى التباين في التصحيح المحدد. هذه المقاييس هي: AME و AMEE و DE و EC و EME و EMEE و RME و RMSC. تقيس هذه المقاييس مستوى التباين دون الحاجة إلى صورة مرجعية. أيضًا ، يتم استخراج الانحراف والتفرطح لقياس درجة راحة الإدراك البشري. يتم استخدام الميزات المستخرجة بعد ذلك مع إطار تصنيف للحصول على الترتيب بين مجموعة من صور التحسين. آلة متجه الدعم هي مصنف قوي مقارنة بالمصنفات الأخرى مثل مصنف الشجرة. أظهر استخدام الميزات المطورة مع آلة المتجه الداعمة تحسنًا كبيرًا مقارنة بالسمات التقليدية. تظهر النتائج أن سير العمل المقترح يتفوق في الأداء على معظم التقنيات الحالية المستخدمة لتحديد جودة تحسين التباين. تتم مناقشة إطار التقنية المقترحة وتفاصيل لبنات البناء المختلفة بالتفصيل في الأقسام القادمة.

English Abstract

In this thesis, we propose a novel blind ranking method for contrast-enhanced images. A Graph-Based Visual Saliency (GBVS) algorithm is used to highlight the most salient patches in a given image. The proposed technique extracts features from attractive visual areas in the image. In the literature, most of the methods proposed rely on traditional features that are dedicated to evaluate distortion. However, such features cannot be used for ranking enhanced images and representing enhancement manipulations. Therefore, our proposed technique extracts features that best describe the effects of enhancement. The features set includes a pool of contrast metrics which focus on evaluating the contrast level of a given image/patch. These metrics are: AME, AMEE, DE, EC, EME, EMEE, RME, and RMSC. These metrics measure the contrast level without the need for a reference image (blind scenario). We also complemented these features with statistical measures such as skewness and kurtosis which reflect the degree of comfort related to human perception. The extracted features are then used with a classification framework to obtain the ranking among a set of enhancement images. The support vector machine is a powerful classifier compared to other classifiers such as the tree-classifier, among others. Using the developed features with support vector machine showed a significant improvement compared to traditional features. The results show that the proposed workflow outperforms most existing techniques used for quantifying the quality of contrast enhancement. The framework of the proposed technique, and details of various building blocks, are discussed in details in the upcoming sections.

Item Type: Thesis (Masters)
Subjects: Electrical
Department: College of Engineering and Physics > Electrical Engineering
Committee Advisor: Deriche, Mohamed
Committee Members: Zerguine, Azzedine and Masood, Mudassir and Sheltami, Tarek
Depositing User: WAEL SULIMAN (g201702430)
Date Deposited: 29 Jul 2021 09:05
Last Modified: 29 Jul 2021 09:05
URI: https://eprints.kfupm.edu.sa/id/eprint/141924