Отрывок: Из сравнения коэффициентов детальности следу- ет, что детальность сжатого изображения уменьши- лась всего в 2,4 раза, но при этом визуальное качество значительно ухудшилось. Для оценки коэффициента детальности с учетом влияния ложных компонент предложен алгоритм, ос- нованный на оценке структурного подобия микробло- ков оригинального и искаженного изображений. На первом этапе выполняем идентификацию ак- тивных ...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorСай, С.В.-
dc.date.accessioned2022-03-10 15:35:33-
dc.date.available2022-03-10 15:35:33-
dc.date.issued2022-01-
dc.identifierDspace\SGAU\20220305\96075ru
dc.identifier.citationСай, С.В. Способ оценки четкости фотореалистичных изображений с высоким разрешением / С.В. Сай // Компьютерная оптика. – 2022. – Т. 46, № 1. – С. 121-129. – DOI: 10.18287/2412-6179-CO-899.ru
dc.identifier.uri10.18287/2412-6179-CO-899-
dc.identifier.urihttp://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Cposob-ocenki-chetkosti-fotorealistichnyh-izobrazhenii-s-vysokim-razresheniem-96075-
dc.description.abstractВ статье предлагается способ оценки четкости фотореалистичных изображений, основанный на сравнении коэффициента детальности оригинального и искаженного изображений. В алгоритме идентификации мелких структур оригинального изображения используются операции сегментации активных пикселей, к которым относятся точечные объекты, тонкие линии и фрагменты текстуры. Количество активных пикселей оценивается значением коэффициента детальности, которое определяется отношением активных пикселей к общему количеству пикселей изображения. Этот же алгоритм используется для вычисления значения коэффициента детальности искаженного изображения, и далее оценивается снижение четкости с помощью сравнения полученных значений. К особенностям способа относится то, что идентификация мелких структур и сегментация активных пикселей выполняется в нормированной системе N-CIELAB.Также в алгоритме учитывается влияние ложных микроструктур на результаты оценки реставрированного изображения. Рассматриваются особенности построения нейронных сетей SRCNN в задачах качественного повышения разрешения изображения с восстановлением мелких структур. Приводятся результаты анализа качества увеличенных изображений по традиционным метрикам PSNR и SSIM, а также по предлагаемому способу.ru
dc.language.isorusru
dc.publisherСамарский национальный исследовательский университетru
dc.relation.ispartofseries46;1-
dc.subjectанализ изображений, суперразрешение, мелкие структуры, метрика искаженийru
dc.titleCпособ оценки четкости фотореалистичных изображений с высоким разрешениемru
dc.title.alternativeA method for assessing photorealistic image quality with high resolutionru
dc.typeArticleru
dc.textpartИз сравнения коэффициентов детальности следу- ет, что детальность сжатого изображения уменьши- лась всего в 2,4 раза, но при этом визуальное качество значительно ухудшилось. Для оценки коэффициента детальности с учетом влияния ложных компонент предложен алгоритм, ос- нованный на оценке структурного подобия микробло- ков оригинального и искаженного изображений. На первом этапе выполняем идентификацию ак- тивных ...-
dc.classindex.scsti28.23.15-
Располагается в коллекциях: Журнал "Компьютерная оптика"

Файлы этого ресурса:
Файл Описание Размер Формат  
15 Сай_SV(Pics)-KI-Lit-JuN-MI-MA-JuN2.pdf1.2 MBAdobe PDFПросмотреть/Открыть



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.