Измерение артефактов блочности с учетом характеристик зрительной системы человека

В большинстве случаев человек является конечным получателем визуальной информации. Поэтому измерение артефактов блочности с учетом известных характеристик ЗСЧ является целесообразным для оценки видимости артефактов блочности [22, 23-24]. Структурная маскировка, возникающая на изображениях с большим количеством мелких деталей, и яркостная маскировка – это две хорошо изученные характеристики ЗСЧ, которые в значительной степени влияют на восприятие артефактов блочности [24]. Рассмотрим сначала структурную маскировку. Для того чтобы использовать эту характеристику человеческой зрительной системы, предположим, что общая детализированность каждого блока – это просто сумма детализированностей по всем пространственным частотам, причем амплитуда каждой составляющей этой суммы равна соответствующему коэффициенту ДКП. Эффект маскировки также зависит от относительной ориентации сигнала маскировки [3,25,26]. Поскольку артефакты блочности возникают только в двух конкретных направлениях (вертикальном и горизонтальном), определим две по-разному ориентированные детализированности (вертикальную и горизонтальную) следующим образом:

(17)

Для вертикальных артефактов блочности преобладает эффект маскировки за счет горизонтальной детализированности, поэтому общая детализированность определяется по формуле

(18)

Общая детализированность для горизонтальных артефактов блочности определяется аналогично:

(19)

где .

Также необходимо учитывать яркостную маскировку: видимость артефактов блочности зависит от локальной яркости фона. С учетом обоих эффектов маскировки итоговое значение видимости артефактов блочности на границе двух соседних блоков определяется следующим образом [27, 5]:

(20)

где иопределяются из выражений (14) и (15) соответственно,– это общая горизонтальная детализированность блока, аи.

Для вертикальных артефактов блочности может быть применен аналогичный метод. Результатом работы описанного выше алгоритма является вычисление видимости артефактов блочности на границе двух соседних блоков для каждой пары соседних блоков.

Локальные значения блочности могут быть объединены для получения численного значения блочности для всего изображения с целью оценки его качества.

(21)

где – это общее число границ между всеми блоками изображения,– это глобальное значение блочности всего изображения, а показатель степени.

4. Билатеральный фильтр

Билатеральный фильтр – нелинейный фильтр, выполняющий пространственное усреднение в пределах своей маски. Он может быть выбран в качестве эффективной техники удаления шума и ряда других искажающих факторов. Важным вопросом при работе с билатеральным фильтром является выбор его параметров, которые влияют на эффективность фильтрации.

Билатеральный фильтр впервые был представлен Томази и Мандуччи в 1998 году [36].

Пусть – координата рассматриваемого пикселя, и пусть

представляет множество соседних кпикселей в окрестности размером, координаты которых впоследствии будем обозначать как. Вес каждого пикселя с координатамиотносительно зависит от двух компонент – пространственной (S) и радиометрической (R):

(22)

где (23)

и (24)

Эти веса подвергаются нормировке, поэтому пиксели восстановленного изображения вычисляются как

. (25)

Весовая функция уменьшается, если «пространственное расстояние» между и возрастает, а весовая функция уменьшается, если «радиометрическое расстояние» между интенсивностями и увеличивается. Пространственная компонента веса уменьшает влияние пикселей, находящихся далеко от _, так, чтобы исключить усреднение, в то время как радиометрическая компонента уменьшает влияние пикселей, которые значительно различаются по яркости, что сохраняет границы объектов на изображении резкими. Отметим, что в качестве весовых функций и можно использовать любую гауссоподобную неотрицательную функцию.

Параметры и отвечают за формирование весов. Они определяют максимальные значения производных соответствующих Гауссовых весовых функций и, следовательно, служат порогами для процедуры идентификации пикселей, близких друг к другу пространственно или радиометрически. В случае → ∞ соответствующий фильтр стремится к линейному фильтру Гаусса с дисперсиейσ, а в случае , → ∞ – к усредняющему фильтру. Описанный выше фильтр получил название билатерального и успешно используется в системах обработки изображений для удаления Гауссова шума.

Немаловажным параметром билатерального фильтра является размер маски. Он связан с пространственным фильтром Гаусса. Обычно, основываясь на свойстве распределения Гаусса, размер окна выбирают в пределах 2-3 стандартных отклонений Гаусса. В противном случае, выход фильтра Гаусса стремится к нулю.

На рис. 3 показан пример фильтрации зашумленного изображения с резкой границей билатеральным фильтром. Заметьте, что доменное ядро – это обычный Гауссовский фильтр. Диапазонное ядро измеряет схожесть с центральным пикселем (интенсивность). А ядро билатерального фильтра является результатом этих двух ядер.

Рис. 3. Билатеральная фильтрация: (а) зашумленное изображение ступенчатой границы; (б) доменный (пространственный) фильтр (фильтр Гаусса); (в) ранжирующий фильтр (подобие значению центрального пикселя); (г) билатеральный фильтр; (д) ступенчатая граница на выходе фильтра; (е) трехмерная дистанция между пикселями.

Так как билатеральная фильтрация довольно медленная, существуют техники ускорения фильтрации. К сожалению, эти техники используют больше памяти, чем обычная фильтрация и поэтому не могут быть напрямую применены для фильтрации цветных изображений.