1.3 Об’єктивний (статистичний) підхід до оцінки якості

Об'єктивні техніки вимірювань — це математичні моделі, які вдало моделюють результати суб'єктивної оцінки якості, вони засновані на критеріях і метриках, що можуть бути виміряні об'єктивно. Об'єктивні методи класифікуються згідно з корисністю вихідного відео сигналу, для якого забезпечується висока якість. Тому вони класифікуються за трьома категоріями: повні референсні методи, скорочені референсні методи і нереференсні методи.

Найтрадиційнішим методом вимірювання якості системи обробки цифрового відео (таких як відеокодеки DivX, XviD)) є вимірювання відношення сигналу до шуму та пікове відношення сигналу до шуму між вихідним сигналом і сигналом на виході системи. PSNR — це одна з метрик об'єктивного якості відео. Вона може бути автоматично обчислена комп'ютерною програмою. Але гарний PSNR не завжди гарантує гарну якість, через те що зорова система людини має нелінійну поведінку. Не так давно було розроблено декілька більш складних і точних метрик, наприклад VQM і SSIM.

Всі розглянуті раніше об'єктивні методи вимагають повторення тестів, що проводяться з результатом кодування, для визначення параметрів кодування, які задовольняють певному рівню очікувань користувача, що робить їх швидкість дуже маленькою, такі методи є дуже складними і непрактичними для реалізації в комерційних додатках.

Тому, більшість досліджень направлено на дослідження нових методів об'єктивної оцінки якості, які дозволять прогнозувати сприймаючий рівень якості закодованого відео перед кодуванням.

PSNR

Загальноприйнятою величиною для оцінки втрат при відновленні зображень є метрика, звана пікове відношення сигнал / шум або по-англійськи PSNR. При цьому, чим більше значення PSNR, тим менше втрат при відновленні і навпаки. Однак отримане значення не дає гарантію, що глядачеві сподобається відновлений образ.

Даний критерій визначається виразом:

 ,

де - значення яскравості точки з координатами ; - середньоквадратичне відхилення між вихідним і відновленим сигналами зображень.

Число PSNR безрозмірно, але через використання логарифма говориться, що PSNR вимірюється в дБ. Використання логарифма згладжує , робить цю величину менш чутливою. Наприклад, поділ на 10 означає множення PSNR на 2. Зазначимо, що PSNR не має абсолютного значення. Безглуздо говорити, що якщо PSNR дорівнює, скажімо, 25, то це добре. Величина PSNR використовується тільки для порівняння якості відновлення різних алгоритмів між собою. Наприклад, комітет MPEG використовує суб'єктивний поріг PSNR = 0,5 дБ при включенні кодової оптимізації, оскільки вважає, що поліпшення на цю величину буде помітно оку. Зазвичай PSNR варіюється в межах від 20 до 40.

SSIM

SSIM ж вважається більш складною, і була створена для більш точного визначення різних двох зображень, якщо так можна виразитися. Особливістю є, що результат завжди лежить в проміжку від -1 до 1, причому при його значенні рівному 1, означає, що ми маємо дві однакові картинки. Загальна формула має вигляд

Тут (х) середнє значення для першої картинки, (y) це для другої, (x) середньоквадратичне відхилення для першої картинки, і відповідно (y) для другої, (x, y) це вже коваріація. Нагадаю вона знаходитися

(x, y)= (x,y)- (x)* (y). Продовжимо С1 і С2, поправочні коефіцієнти, які потрібні нам внаслідок малого значення знаменника. Причому вони рівні квадрату числа, яке дорівнює кількості квітів, відповідному даної «битности» зображення, помноженої на 0.01 і 0.03 відповідно.

VQM

VQM (Video Quality Metric) - це метрика, що використовує дискретне косинусне перетворення для точної відповідності людському сприйняттю. Принцип дії полягає в наступному. Оригінальна і перекручена відеопослідовності проходять один і той же набір функціональних блоків, які здійснюють вибірку даних, їх коригування, обчислення різних показників якості і, нарешті, обчислення параметра VQM. Сам параметр оцінює спотворення, викликані проходженням відеосигналів через різні цифрові блоки системи передачі. До таких спотворень відносяться похибки кодування, помилки, що у дискретному каналі зв'язку і помилки декодування сигналів. Для оцінки таких спотворень, як «пригальмовування» кадрів, розмиття, блокінг-ефект використовується імовірнісна модель. Ймовірність появи спотворень, що дорівнює 1, говорить про те, що зображення має дуже низькою якістю. Ймовірність 0,5 відповідає серйозних перекручувань, тим не менш, що дозволяє розглянути деталі зображення. Метрика VQM дозволяє визначити якість прийнятої картинки, однак не вирішує проблеми синхронізації між оригінальною і спотвореної відеопослідовність.

Розділ 2. Метод поліадичного стиснення

2.1 Виявлена тенденція збільшення об'ємів достовірних відеоданих, які обробляються та передаються в ТС

Показано, що це є причиною виникнення перевантажень в мережі і зниження оперативності передачі даних. Обґрунтована наявність протиріччя між вимогами відносно достовірності інформації та вимогами щодо своєчасності її отримання. Показано, що вирішення протиріччя пов’язано зі скороченням об’ємів даних на основі їх стиснення. Доводиться, що відомі методи компресії не в повній мірі задовольняють вимогам, відносно підвищення ефективності функціонування ТС; обґрунтовується напрямок для розробки нових методів стиснення даних.

У сучасних умовах основним завданням ТС є забезпечення можливості своєчасного і гарантованого доведення достовірної інформації. Час доведення інформації визначається сумарними часовими витратами на обробку і на передачу даних по ТС:

(1)

У свою чергу достовірність залежить від наочності та повноти отримуваної інформації. Така залежність приводить до збільшення об'ємів зображень до порядку Гбіт/с. Оцінка впливу збільшення об'ємів відеоданих, що формуються різними джерелами (космічний і наземний сегмент), на часові характеристики передачі даних існуючими ТС, виявили наявність підвищення середнього часу доведення інформації до декількох десятків хвилин.

Аналіз можливих напрямків зменшення часу доведення відеоданих в ТС показав на необхідність скорочення об'ємів даних на основі їх компактного представлення без внесення похибки. Показниками якості функціонування процесів стиснення є: коефіцієнт стиску відеоданих де - об'єм стислого зображення; час на компресію і на відновлення відеоданих; значення пікового відношення сигнал/шум h. З врахуванням чого вираз (1) прийме вигляд , де - час доведення по ТС стислих відеоданих.

Виграш від стиснення буде забезпечений у тому випадку, коли для умови забезпечення необхідної достовірності виконується нерівність , де , - відповідно значення отриманого на основі розробленої системи стиску відеоданих і потрібного пікового відношення сигнал/шум. Звідки як критерій ефективності процесів стиску відеоданих виберемо наступну цільову функцію:

при . (2)

Дослідження процесів компактного представлення, показало, що існуючі методи стиснення не забезпечують необхідного часу доведення відеоданих для обчислювальних характеристик сучасних телекомунікаційних технологій. Недоліки процесів усунення надмірності відеоданих полягають в тому, що: найбільші ступені стиснення досягаються за рахунок урахування психовізуальних характеристик зорової системи, що призводить до зниження достовірності відеоданих; враховуються в основному одна або дві закономірності; стиснення без внесення похибки забезпечується в основному за рахунок скорочення статистичної надмірності (в середньому досягає 2 разів); компресія відеоданих на різних рівнях включає до себе послідовну внутрішньокадрову обробку. Тому для підвищення ступеня стиснення пропонується з окремих фрагментів зображення формувати ТСД. Переваги тривимірної внутрішньокадрової обробки в порівнянні з двовимірною обробкою пояснюються можливістю: додаткового скорочення надмірності; зниження кількості операцій; зменшення кількості розрядів, на представлення службової інформації; виявити закономірності в динамічних діапазонах окремих частин кадру, що мають нестаціонарні властивості; спрощення процедури формування одного коду-номера для різних фрагментів зображення.

Звідси на основі проведеного аналізу різних підходів щодо процесів зменшення надмірності витікає, що для зменшення часу доведення відеоданих необхідно: здійснювати стиснення зображень на основі скорочення тривимірної надмірності за рахунок виявлення неоднорідностей в динамічних діапазонах тривимірних структур відеоданих одночасно за трьома координатами.