A no-reference measurement method of blockiness in dct-coded images through edge detection and regression

Bu tezde, bloklanma hatalarını bulan bir algoritma ve detaylı sonuçları sunulmaktadır. Günümüzde, resimlerin ve videoların sayısal kodlamaları ve aktarımları artmaktadır. DCT-tabanlı sıkıştırma tekniklerini kullanan, düşük veri oranına sahip videoların (ya da resim dizilerinin) iletiminde bloklanma hataları ciddi problemler oluşturmaktadır. Bant genişliğindeki kısıtlamadan dolayı uygulanan fazla sıkıştıma hatalarını meydana getirebiliyor. Bu hatalar son kullanıcılarda tatminsizlik yaratmaktadır. Yayıncılar ve internet servis sağlayıcıları sistemlerindeki bloklanma gibi bozulmaları kalite ölçüm teknikleriyle her zaman değerlendirmek isterler. Bloklanma hataları tam-referanslı, azaltılmış referanslı ya da referanssız ölçüm teknikleriyle yapılabilir. Referanssız ölçüm burada en verimli yöntemdir çünkü, referans veriye ulaşmak her zaman mümkün olmayabilir. Bu yöntem ayrıca gerçek-zamanlı denetlemelere olanak sağlar. Bu tezde, referanssız bloklanma ölçen yeni bir metod sunduk. Bu metod DCT tabanlı olup diğer literatürlerde de belirtilen insan görsel sistem modelini kullanır. Fakat bu yöntemi özgün kılan, Sobel kenar bulma algoritmasını kullanarak yanlış ölçümlerden kaçınılması ve regresyon analizi ile gözlemcilerin ortalama puanlarının (MOS) deneysel sonuçlarla bağdaştırılmasıdır. Bu özgün yöntemler, LIVE veritabanındaki MOS değerler ile yüksek benzerlikte sonuçlar elde etmemizde yardımcı oldu. LIVE veritabanındaki resimler, algoritma çıktılarının işlenmesinde ve test edilmesinde kullanıldı. Bu veritabanında farklı derecelerde bozulmalara maruz kalmış resimler mevcut. Bizim sonuçlarımızla MOS değerlerinin ne kadar iyi eşleştiğini ölçmek için Pearson ve Spearman korelasyon tekniklerini kullandık. LIVE veritabanı için, literatürdeki en iyi elde edilen Spearman korelasyonu %94 iken, biz %95 elde ettik. Ayrıca, biz %98 Pearson korelasyonu elde ederken literatürde en iyisi %94'tür.