Купить СНПЧ А7 Архангельск, оперативня доставка

crosscheckdeposited

Comparação das Métricas Objetivas de Qualidade de Vídeos Baseadas na Similaridade Estrutural e na Sensibilidade ao Erro

DOI: http://dx.doi.org/10.12721/2237-5112.v01n02a05

http://www.rtic.com.br

downloadpdf

José V. de M. Cardoso1, Augusto C. S. Mariano1, Carlos D. M. Regis2 & Marcelo S. Alencar1

 

Resumo: A medição da qualidade de vídeos digitais constitui um setor de grande importãncia para serviços multimídia, entre eles: videoconferências, vídeo chamadas, vídeo sob demanda e transmissão de vídeos. A metodologia ideal para avaliar a qualidade de vídeos é o teste subjetivo. Entretanto, os testes subjetivos são desgastantes, demandam tempo, recursos e os resultados obtidos não podem ser aplicados em tempo real. Em vista disso, o desenvolvimento de métricas objetivas de avaliação da qualidade de vídeos, que forneçam resultados semelhantes aos obtidos por meio de testes subjetivos, torna-se relevante. Este trabalho apresenta uma comparação entre as principais métricas objetivas de avaliação da qualidade de vídeo, evidenciando seus diferentes princípios de funcionamento e suas performaces.

Palavras-chave: Avaliação da Qualidade de Vídeos, Métricas Objetivas, Sensibilidade ao Erro, Similaridade Estrutural

 

1 Universidade Federal de Campina Grande, Campina Grande, PB, Instituto de Estudos Avançados em Comunicações, Campina Grande, PB. E-mail: malencar@iecom.org.br

2 Universidade Federal de Campina Grande, Campina Grande, PB, Instituto de Estudos Avançados em Comunicações, Campina Grande, PB, Instituto Federal de Educação, Ciência e Tecnologia da Paraíba, Campina Grande, PB. E-mail: danilo@iecom.org.br

 

Literatura Citada

 

[1] R. Arthur, “Avaliação objetiva de codecs de vídeo,” Dissertação de Mestrado, Universidade Estadual de Campinas - UNICAMP, Campinas, Brasil, Abril 2002.

[2] C. R. D. Estrada, “Avaliação automática de qualidade de videoconferências de alta definição,” Dissertação de Mestrado, Universidade Federal do Rio de Janeiro, Rio de Janeiro, Brasil, 2009.

[3] ITU-T, “ITU-T recommendation P.910, subjective video quality assessment methods for multimedia applications,” September 1999.

[4] C. D. M. Regis, “Avaliação de técnicas de redução da resolução espacial de vídeos para dispositivos móveis,” Dissertação de Mestrado, Universidade Federal de Campina Grande, Campina Grande, Brasil, 2011.

[5] F. L. P. Albini, “Geração e avaliação de artefatos em vídeo digital,” Dissertação de Mestrado, Universidade Tecnológica Federal do Paraná, Curitiba, Brasil, Março 2009.

[6] Z. Wang and A. C. Bovik, “Video quality assessment based on structural distortion measurement,” Signal Processing: Image Communication, 2004. doi

[7] ——, “Mean squared error: Love it or leave it?” IEEE SIgnal Processing Magazine, January 2009. doi

[8] Z. Wang, E. Simoncelli, and A. Bovik, “Multiscale structural similarity for image quality assessment,” in Signals, Systems and Computers, 2003. Conference Record of the Thirty-Seventh Asilomar Conference on, vol. 2, nov. 2003, pp. 1398 – 1402.

[9] Z. Wang and E. Simoncelli, “Translation insensitive image similarity in complex wavelet domain,” in Acoustics, Speech, and Signal Processing, 2005. Proceedings. (ICASSP ’05). IEEE International Conference on, vol. 2, 18-23, 2005, pp. 573 – 576. doi

[10] G.-H. Chen, C.-L. Yang, and S.-L. Xie, “Gradient-based structural similarity for image quality assessment,” in Image Processing, 2006 IEEE International Conference on, oct. 2006, pp. 2929 –2932. doi

[11] M. Vranjes, S. Rimac-Drlje, and D. Zagar, “Objective video quality metrics,” 49th International Symposium ELMAR, 2007, pp. 45–49, Sept. 2007.

[12] Z. Wang, A. C. Bovik, H. R. Sheikh, and E. P. Simoncelli, “Image quality assessment: from error visibility to structural similarity,” IEEE Transactions on Image Processing, vol. 13, no. 4, pp. 600–612, 2004. doi

[13] G.-H. Chen, C.-L. Yang, L.-M. Po, and S.-L. Xie, “Edge-based structural similarity for image quality assessment,” IEEE International Conference on Acoustics, Speech and Signal Processing, 2006. doi

[14] R. C. Gonzalez and R. E. Woods, Digital Image Processing (3rd Edition). Upper Saddle River, NJ, USA: Prentice-Hall, Inc., 2006.

[15] M.-J. Chen and A. Bovik, “Fast structural similarity index algorithm,” in Acoustics Speech and Signal Processing (ICASSP), 2010 IEEE International Conference on, march 2010, pp. 994 –997. doi

[16] F. Porikli, “Integral histogram: a fast way to extract histograms in cartesian spaces,” in Computer Vision and Pattern Recognition, 2005. CVPR 2005. IEEE Computer Society Conference on, vol. 1, june 2005, pp. 829 – 836 vol. 1. doi

[17] C. Li and A. C. Bovik, “Content-weighted video quality assessment using a three-component image model,” Journal of Electronic Imaging, Special Section on Image Quality, Vol: 19 No: 1, Janeiro, 2010.

[18] W. Trace, “YUV Video Sequences,” http://trace.eas.asu.edu/yuv/index.html, Abril 2008.

[19] H. Wu and K. Rao, Digital Video Image Quality and Perceptual Coding. Taylor & Francis, 2006.