Министерство связи и информатизации Республики Беларусь
Учреждение образования
«ВЫСШИЙ ГОСУДАРСТВЕННЫЙ КОЛЛЕДЖ СВЯЗИ»
Факультет электросвязи
Кафедра телекоммуникационных систем
Отчет по лабораторной работе № 3
На тему «Критерии оценивания качества воспроизведения речи и изображений»
по дисциплине
«Цифровая обработка речи и изображений»
Выполнила: Проверил:
ст. гр. ПО-041
_____ В.С. Карейша __ С.И. Киркоров
Минск2012
ВВЕДЕНИЕ
Одним из наиболее мощных программных пакетов обработки мультимедийных данных является MatLab. С его помощью может осуществляться программное моделирование процессов и систем передачи информации. Основные достоинства применения MatLab для программного моделирования состоят в простоте программирования (синтаксис команд интерпретатора MatLab аналогичен синтаксису C-программ), в удобстве отладки программ (отсутствует необходимость в компиляции программы перед ее выполнением, после выполнения программы доступна информация о состояниях всех ее переменных), в простоте и эффективности визуализации результатов выполнения программы (формирование одномерных, двухмерных и трехмерных графических объектов), в поддержке большинства стандартных форматов представления и хранения файлов данных, аудио- и видео- информации (неподвижных и подвижных изображений), в наличии развитой библиотеки встроенных функций, реализующих основные операции обработки (информационные преобразования, фильтрация и т.д.) и хорошей документированности встроенных функций (поиск по функциям, описание функций, теоретические сведения по цифровой обработке сигналов, примеры программ).
Цель работы:
Изучение критерий оценивания качества воспроизведения речи и изображений. Закрепление навыков полученных при выполнении лабораторных заданий №1 и №2.
Краткие теоретические сведения.
Изображение задается таблицей чисел состоящей из M строк и N столбцов (1024×1024). Каждое число в данной таблице описывает один пиксел, который представляется K битами (8 бит). Во всех рассматриваемых здесь критериях сравнения степень близости изображений определяется числом, которое некоторым образом вычисляется по данным изображениям. Пусть первое изображение описывается таблицей чисел , а второе – . Для расчета оценок отличия изображений можно использовать следующие выражения:
1. Пиковое отношение сигнал/шум psnr
где – среднеквадратичная ошибка, К – битовая глубина цвета, т.е. количество бит требуемое для представления одного пиксела. Обычно вычисляется в децибелах [dB]. Данная мера отличий изображений является классической и, в некотором смысле, эталонной. Во всех работах по сравнению изображений любой нововведенный критерий сравнивается с PSNR. Считается, что если значения PSNR больше чем 37[dB], то различие изображений практически незаметно, а если меньше 20[dB], то различие изображений является существенным и весьма значительным. Вместо PSNR иногда используются похожие выражения. Например, среднеквадратичная ошибка MSE, которая записана выше, максимальная среднеквадратичная погрешность PMSE,
,
нормированная среднеквадратичная погрешность NMSE
,
отношение сигнал/шум SNR
.
Все эти меры отличия изображений дают результаты более или менее похожие с PSNR. Поэтому их рассмотрение не является целесообразным, при условии, что используется PSNR.
2. Максимальная абсолютная ошибка MAE
.
Классическая мера отличия изображений. Если изображения идентичны, то MAE=0.
Эта метрика хорошо отмечает даже самые малые различия двух изображений.
3. Индекс структурной похожести (SSIM)
,
где – среднее значение первого изображения, – среднее значение первого изображения, и – выборочные дисперсии первого и второго изображений соответственно, – выборочный коэффициент корреляции. Неотрицательные константы и выбираются произвольно. Для расчета констант я выбираю следующие значения и , где , К – битовая глубина цвета. Индекс структурной похожести может принимать значения от -1 до 1. Причем SSIM = 1, если изображения совпадают.
Результата вычислений.
|
1 |
2 |
3 |
4 |
5 |
6 |
PSNR |
42,9198 |
41,6652 |
40,8894 |
43,7451 |
42,7284 |
41,8565 |
PMSE |
5,67*10-5 |
7,50*10-5 |
8,61*10-5 |
4,65*10-5 |
5,73*10-5 |
7,30*10-5 |
NMSE |
3,08*10-4 |
2,92*10-4 |
2,38*10-4 |
1,12*10-4 |
1,50*10-4 |
4,44*10-4 |
SNR |
35,1090 |
35,3461 |
36,2377 |
39,4999 |
38,2251 |
33,5305 |
MAE |
61 |
62 |
84 |
88 |
56 |
71 |
SSIM |
0,9991 |
0,9990 |
0,9988 |
0,9988 |
0,9993 |
0,9988 |
Рисунок 1 – График зависимости коэффициента PSNR
Рисунок 2 – График зависимости коэффициента МАЕ
Рисунок 3 – График зависимости коэффициента SSIM