A model utilizing artificial neural network for perceptual image quality assessment in image compression algorithms

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F06%3A03120527" target="_blank" >RIV/68407700:21230/06:03120527 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

angličtina

Original language name

A model utilizing artificial neural network for perceptual image quality assessment in image compression algorithms

Original language description

In this paper, we present a novel approach to predict the perceived image quality. Properties of the Human Visual System (HVS) were exploited to select a set of suitable metrics. These metrics are extracted while comparing the reference and distorted image. Mutual Information (MI) and Principal Component Analysis (PCA) were used to obtain an optimal set of objective features that best describe the perceived image quality in respect to subjective scores from human observers. The impairment feature vectoris for&#172;warded to the Artificial Neural Network (ANN) where the features are combined and the predicted quality score is computed. Parameters of the ANN are adjusted using Mean Opinion Scores (MOS) obtained from the group of assessors. It is shown that the proposed image quality assessment model can achieve high correlation with the subjective image quality ratings. Possible incorporation of the model into a perceptual image-coding algorithm is proposed.

Czech name

Model využívající umělou neuronovou síť pro perceptuální hodnocení obrazové kvality v kompresních algoritmech pro kompresi obrazu

Czech description

V tomto článkuje popsán nový přístup predikce obrazové kvality. Vhodné metriky byly vybrány s ohledem na vlastnosti lidského visuálního systému (HVS). Tyto metriky jsou vypočítány porovnáním originálního a zkresleného obrazu. Na předzpracování dat byla použita pokročilá metoda (Mutual Information &#8211; MI, Principal Component Analysis &#8211; PCA) tak, aby odhad kvality z modelu byl blízký subjektivním soudům pozorovatelů. Vektor zkreslujících parametrů je zpracován ANN, kde jsou tyto parametry zkombinovány a určena predikce kvality. Parametry ANN byly nastaveny s použitím subjektivních soudů skupinou pozorovatelů (MOS). Dobrá predikční schopnost modelu byla demonstrována ve smyslu vysoké korelace mezi subjektivními soudy MOS a výstupem neuronové sítě. V závěru článku je návrh implementace modelu do perceptuálního kompresního algoritmu.

Type

D - Article in proceedings

CEP classification

JA - Electronics and optoelectronics

OECD FORD branch

—

Project

<a href="/en/project/GA102%2F05%2F2054" target="_blank" >GA102/05/2054: Qualitative aspects of audiovisual information processing in multimedia systems</a><br>

Continuities

Z - Vyzkumny zamer (s odkazem do CEZ)

Publication year

2006

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Article name in the collection

Mathematics of Data/Image Pattern Recognition, Compression, and Encryption with Applications IX

ISBN

0-8194-6394-9

ISSN

—

e-ISSN

—

Number of pages

10

Pages from-to

"631507-1"-"631507-10"

Publisher name

SPIE

Place of publication

Bellingham

Event location

San Diego

Event date

Aug 13, 2006

Type of event by nationality

WRD - Celosvětová akce

UT code for WoS article

—