Содержание к диссертации
Введение
ГЛАВА 1. Методы обработки, передачи и оценки качества цветных изображений 14
1.1. Общие принципы обработки сигналов в цифровых ТВ системах -
1.2. Системы и методы кодирования статических изображений 22
1.2.1. Кодирование длин серий -
.1.2.2. Кодирование с предсказанием 27
1.2.3. Кодирования с преобразованием 36
1.2.4. Кодирование на основе вейвлет-преобразования 41
1.3. Системы и методы кодирования динамических изображений 49
1.3.1.Стандарт MPEG-1...'.. 50
1.3.І.Стандарт MPEG-2 55
1.3.3.Особенности стандартов MPEG-4 и MPEG-7 66
1 А. Меры качества цветных изображений 71
1.4.1. Метод субъективных экспертиз 72
1.4.2. Меры качества воспроизведения мелких деталей и резких границ... 74
1.4.3. Глобальные меры различий 85
1.4.4. Анализатор качества изображений PQA-200 87
1.4.5. Модели зрения 91
Выводы 99
ГЛАВА 2. Разработка объективного критерия качества передачи мелких деталей 102
2.1. Выбор метрической системы координат 103
2.2. Синтез испытательной таблицы в равноконтрастной системе координат ПО
2.3. Экспериментальная оценка порогов зрительного восприятия 123
Выводы 130
ГЛАВА 3. Разработка методов оценки качества воспроизведения мелких деталей и резких границ цветных изображений 132
3.1. Метод оценки визуальной четкости -
3.2. Метод оценки резкости 142
3.3. Метод оценки точности цветопередачи 144
3.4. Анализ влияния флуктуационных помех 147
3.5. Разработка компьютерного анализатора качества цветных изображений 161
3.6. Сопоставление численных результатов анализа с субъективными оценками качества цветных изображений 165
Выводы 170
ГЛАВА 4. Анализ качества изображений в системах с цифровым кодированием 173
4.1. Методика экспериментальных исследований -
4.2. Кодирование длин серий 177
4.3. Кодирования методом ДИКМ 187
4.4. Кодирование с преобразованием 193
4.5. Кодирование методом вейвлет-преобразования 205
4.6. Анализ погрешностей межкадрового кодирования 214
Выводы 218
Заключение 222
Список литературы
- Кодирования с преобразованием
- Синтез испытательной таблицы в равноконтрастной системе координат
- Метод оценки точности цветопередачи
- Кодирование с преобразованием
Введение к работе
Актуальность проблемы. В процессе проектирования цифровой телевизионной (ТВ) системы с высоким качеством возникает следующая основная проблема. С одной стороны, для компактного представления и передачи видеоданных по каналам связи с ограниченной полосой пропускания, требуется использовать эффективные алгоритмы сжатия. С другой — необходимо обеспе .0 чить высокое качество передачи мелких деталей и резких границ декодированных цветных изображений. Данные показатели качества определяют такие характеристики изображения как четкость и резкость.
Четкость и резкость обычно оцениваются разрешающей способностью и длительностью переходных характеристик (ПХ) каналов яркости и цветности линейной ТВ системы. Разрешающая способность системы традиционно определяется числом различимых линий (вертикальных, наклонных и горизонталь-ных), вычисляемого по значению максимальной пространственной частоты, при которой обеспечивается пороговый контраст воспроизводимого изображения предельно контрастной штриховой миры. По переходной характеристике определяется резкость границ крупных деталей изображения как разность между точками соответствующими 0,1 и 0,9 ПХ.
Традиционные методы оценки четкости и резкости изображения разработаны в основном применительно к стандартным аналоговым системам цветного 0 телевидения. В цифровых видеосистемах возникают специфические искажения, обусловленные ограничениями выбранного алгоритма сжатия статических и/или динамических изображений. При использовании стандартных методов измерения такие искажения могут привести к неадекватным результатам по отношению к субъективным оценкам качества декодированного изображения.
Наиболее часто используемый на практике среднеквадратичный критерий не дает объективных оценок визуальной четкости и резкости, так как глаз в » процессе восприятия обрабатывает изображение по характерным (локальным) признакам, а не усредняет его поэлементно.
Поиск и разработка новых объективных методов, которыми занято множество исследователей разных стран, пока что не привели к созданию единой методологии, надежно гарантирующей адекватные результаты оценок четкости и резкости изображений в современных цифровых видеосистемах.
До сих пор, наиболее надежным и достоверным способом оценки качества изображения является метод субъективных экспертиз, который позволяет оценить работоспособность видеосистемы в целом на основе зрительного восприятия декодированного изображения. Процедуры субъективной оценки качества требуют большого объема испытаний и времени. На практике, данный метод является трудоемким процессом, что накладывает определенные ограничения при решении задач контроля, настройки и оптимизации параметров кодека.
Таким образом, пока что не существует объективных критериев оценки визуальной четкости и резкости изображения, которые могли бы надежно гарантировать адекватность результатов к субъективным зрительным оценкам с учетом влияния искажений и шумов, возникающих в процессе цифровой обработки и передачи сигналов в системах со сжатием видеоданных.
Решение данной проблемы позволит избавиться от трудоемких субъективных экспертиз и, тем самым, повысить эффективность контроля, настройки и оптимизации параметров видеосистемы на требуемое качество.
Цель диссертационной работы заключается в разработке новых методов и алгоритмов оценки точности передачи мелких деталей и резких границ цветных изображений на основе объективных критериев, которые могли бы надежно гарантировать адекватность результатов к субъективным зрительным оценкам качества декодированных изображений в цифровых ТВ системах.
Для достижения поставленной цели потребовалось решить следующие задачи:
• обосновать выбор метрической системы координат, в которой будут проводиться количественные измерения, и разработать объективный критерий качества воспроизведения мелких деталей испытательного телевизионного изображения с учетом порогов зрительного восприятия;
• разработать математическую модель и алгоритм синтеза испытательной таблицы, позволяющие задавать исходный цветовой контраст объект-фон в пороговых значениях равноконтрастной системы координат;
• разработать методику субъективных оценок, позволяющую экспериментально определять зависимости порогового контраста, при котором мелкие детали изображения различаются глазом в зависимости от: размера, пространственной ориентации, цветовых координат и времени предъявления наблюдаемых объектов;
• разработать модель преобразования флуктуационных помех (ФП), присутствующих в цветоделенных RGB сигналах изображения, в равноконтраст-ное цветовое пространство;
• разработать объективные критерии и новые методы, позволяющие оценивать интегральное влияние погрешностей алгоритмов сжатия на визуальную четкость, резкость и точность цветопередачи мелких деталей декодированного изображения;
• разработать алгоритм и программный анализатор качества передачи мелких деталей и резких границ испытательного изображения по объективным критериям;
• определить взаимосвязь численных результатов анализа с субъективными оценками качества изображений по выбранной шкале;
• доказать обоснованность теоретических моделей и достоверность разработанных критериев с помощью объективных экспериментальных оценок качества декодированного испытательного изображения для различных алгоритмов сжатия и сопоставления полученных результатов с субъективными оценками тестовых изображений.
Научная новизна. Принципиально новым является метод оценки цвето- ъ вых различий мелких деталей испытательного изображения в нормированном равноконтрастном цветовом пространстве, который учитывает изменения порогового контраста наблюдаемых объектов в зависимости от их размеров, пространственной ориентации, цветовых координат и времени предъявления.
Новый метод синтеза испытательного изображения в равноконтрастном цветовом пространстве позволяет задавать исходный контраст объект-фон не Э посредственно в минимальных цветовых порогах (МЦП), что является принципиальным отличием от известных способов синтеза, где контраст задается отношением разности яркостей объекта и фона к их максимальному значению.
На основе разработанной методики субъективных оценок, получены экспериментальные числовые значения (МЦП) порогового контраста мелких деталей, при котором они еще различаются глазом. Определены новые характеристики спада контрастной чувствительности зрения по индексам яркости и цветности равно контрастного цветового пространства в зависимости от размеров деталей при заданных условиях наблюдения.
Разработанный метод оценки визуальной четкости изображения отличается от известных тем, что контраст мелких деталей определяется нормированным средним значением по площади анализируемого «окна» изображения штриховой миры, а не по значению амплитуды первой гармоники яркостного и цветоразностных сигналов. При этом исходный контраст объект-фон задается 0 не его максимальным значением, а величиной в два-три раза превышающей по роговое значение, что позволяет оценить работоспособность системы в допо-роговой области, где искажения могут быть наиболее существенны.
Разработанный метод оценки резкости изображения отличается от известных тем, что степень "размытости" границ крупных деталей определяется не по переходным характеристикам яркостного или цветоразностного каналов, а по изменению равноконтрастных цветовых координат между граничными цветами. При этом длительность вертикальных, горизонтальных и наклонных границ определяется числом элементов растра как разность между точками, для которых цветовое различие относительно граничных цветов превышает нормированный порог.
"Границу трехцветности" предложено оценивать не по полосе пропускания каналов цветности, а по новому методу, который учитывает пороги зрительного восприятия и искажения координат цветности, усредненные по площади малоразмерного объекта.
Модель преобразования шумов в равноконтрастной системе координат дает оценку среднеквадратичных значений помех по индексам яркости и цветности числом МЦП, а не напряжением помех в сигналах основных RGB цветов, что является новым подходом к анализу зашумленности цветных изображений.
Получены новые рекомендации по выбору и оптимизации параметров алгоритмов сжатия на высокое качество передачи мелких деталей и резких границ изображений в следующих системах: кодирование длин серий, кодирование методом ДИКМ, кодирование с преобразованием, кодирование на основе вейвлет-преобразования, межкадровое кодирование.
В целом в процессе выполнения работы решена проблема поиска объективных критериев качества передачи и воспроизведения мелких деталей и резких границ цветных ТВ изображений, а также заложена научно-техническая и методологическая основа для модернизации существующих и разработки новых алгоритмов сжатия и цифровых кодеков с высокой четкостью и резкостью воспроизводимых изображений.
На защиту выносятся следующие положения:
1. Разработанный метод оценки цветовых различий деталей испытательного изображения в нормированном равноконтрастном цветовом пространстве и полученные экспериментальные зависимости порогового контраста зрения от характеристик наблюдаемых объектов расширяют область применения равно-контрастных координат до возможности определения ошибки цветопередачи не только крупных, но и мелких деталей изображений.
2. Разработанный метод синтеза испытательной последовательности кадров изображения в равноконтрастном цветовом пространстве позволяет задавать исходный контраст объект-фон непосредственно в значениях МЦП, что повышает эффективность оценки визуальной четкости по значению контраста мелких деталей декодированного изображения.
3. Разработанная модель преобразования шумов в равноконтрастном цветовом пространстве позволяет оценивать среднеквадратичное значение помех непосредственно в значениях МЦП и обосновывать требования к помехоустойчивости системы с целью обеспечения заданной визуальной четкости изображения.
4. Метод оценки четкости изображения, разработанный на основе вычисления среднего контраста мелких деталей неподвижных или подвижных фрагментов изображения, гарантирует адекватность результатов к субъективным оценкам с учетом интегрального влияния искажений и шумов возникающих в системе.
5. Метод оценки резкости изображения, разработанный на основе определения длительности границы числом элементов растра как разность между точками, для которых цветовое различие относительно граничных цветов превышает один нормированный цветовой порог, дает достоверную степень "размытости" границ крупных деталей изображения с точки зрения получателя.
6. Метод оценки точности цветопередачи мелких деталей по критерию, разработанному в нормированном цветовом пространстве дает более корректную оценку "границы трехцветности", т.к. учитывает пороги зрительного восприятия и искажения сигналов цветности после декодирования.
7. Результаты анализа качества испытательного изображения по объективным критериям в системах цифрового сжатия на основе: кодирования длин серий, ДИКМ, дискретных ортогональных преобразований, вейвлет преобразования и метода компенсации движения — дают новые рекомендации по выбору и настройке параметров алгоритмов сжатия, при которых обеспечивается высо кое качество передачи мелких деталей и резких границ изображения. 8. Результаты объективных экспериментальных оценок четкости и резко сти испытательных изображений для различных алгоритмов сжатия и сопоставления полученных результатов с субъективными оценками качества тестовых изображений—доказывают обоснованность теоретических моделей и достоверность разработанных критериев.
9. В целом, разработанные методы и алгоритмы анализа качества передачи мелких деталей и резких границ испытательного изображения в нормированном равноконтрастном цветовом пространстве — решают проблему получения объективных, адекватных к субъективным, результатов анализа качества телевизионных изображений с учетом влияния искажений и шумов, возникающих в процессе цифровой обработки и передачи сигналов.
Практическая значимость полученных результатов заключается в следующем.
1. Разработанные новые положения теории проектирования цифровых телевизионных систем на основе результатов объективного анализа качества передачи мелких деталей и резких границ цветных изображений позволяют повысить эффективность проведения НИР и ОКР, при модернизации существующих и при разработке новых образцов цифровых кодеков, повысить их качественные показатели.
2. Полученные решения проблемы поиска объективных критериев качест- 0 ва цветных телевизионных изображений позволяют существенно сократить объем экспериментальных исследований на основе субъективных оценок или полностью их исключить, что дает возможность значительно снизить затраты материальных ресурсов, денежных средств и времени на разработку цифровых кодеков.
3. Разработанные и зарегистрированные программные продукты позволяют поднять качественные показатели цифровых кодеков и повысить качество доставки цветных изображений потребителю.
4. Полученные рекомендации по оптимизации и настройке параметров алгоритмов цифрового сжатия на высокую четкость и резкость цветных изображений представляют практический интерес при проектировании новых и модернизации известных цифровых ТВ систем.
5. Результаты работы реализованы в Институте проблем морских технологий ДВО РАН (г. Владивосток), что подтверждается соответствующими актами о внедрении (использовании) программно-аппаратных комплексов — «Устройство ввода и сжатия цветного изображения с дискретным косинусным преобразованием», «Анализатор четкости статических изображений», «Архиватор изображений на основе дискретного вейвлет преобразования».
6. Реализован и доведен до практического использования компьютерный анализатор качества передачи мелких деталей и резких границ испытательных изображений, который используется в лаборатории «Мультимедиа» Хабаровского краевого центра новых информационных технологий и в сервисном отделе ЗАО «Тензор» (г. Хабаровск).
7. Теоретические и практические результаты диссертационной работы использованы в учебном процессе Хабаровского государственного технического университета при подготовке бакалавров и инженеров по специализациям «Системы цифровой обработки сигналов», «Мультимедийные системы» специальности 220100 «Вычислительные машины, комплексы, системы и сети».
Личный гклад автора. Большая часть результатов получена при проведении научно-исследовательских работ на кафедре Вычислительной техники Хабаровского государственного технического университета. За последние 10 лет под научным руководством автора выполнены следующие НИР, финансируемые по § 53 Министерством образования РФ:
1. "Разработка и исследование программно-аппаратных средств кодирования видеоинформации высокой четкости в информационных сетях" (1993-1995г.).
2. "Анализ и синтез эффективных методов сжатия видеоинформации" (1996-1997г.).
3. "Машинное моделирование методов сжатия, передачи и оценки качества изображений высокой четкости" (1996-1998г.).
4. Грант по проекту "Анализ искажений цветопередачи в системах кодирования сигналов высокой четкости" (1998-1999г.).
5. "Разработка и исследование методов проектирования телевизионных и компьютерных видеосистем с цифровой компрессией на базе анализа искажений четкости, резкости и точности цветопередачи изображений" (1999-2002г.) .
Соискателем лично разработаны, исследованы и решены все поставленные в работе задачи.
Апробация работы. За последние 5 лет основные положения и результаты работы были представлены на следующих НТК:
- Ш-й Международный симпозиум «Конверсия науки - международному сотрудничеству»//Томск, 1999.
- 3-я Международная научно-техническая конференция «Интерактивные системы — проблемы человеко-компьютерного взаимодействия» // Ульяновск, 1999.
- 3-я Международная конференция «Цифровая обработка сигналов и ее применение»// Москва, 2000.
- Юбилейная научно-технической конференции по радиоэлектронике // ТУ СУР, Томск, 2000.
- 10-я Международной научно-техническая конференция «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций» // Рязанская государственная радиотехническая академия, 2001.
- 56-я и 58-я Научная сессия, посвященная Дню Радио// Москва, 2001, 2003.
- 1-я, 2-я и 3-я Всероссийская научно-техническая конференции «Теоретические и прикладные вопросы современных информационных технологий»// Улан-Удэ, 2000-2002.
- 1-я, 2-я и 3-я Международная конференция «Телевидение: передача и обработка изображений»// Санкт-Петербург, 2000-2003.
Результаты диссертационных исследований обсуждалась:
- на расширенных научных семинарах Кафедры вычислительной техники ХГТУ, Хабаровск, 1999-2002.
- на научном семинаре Кафедры телевидения и видеотехники СПбГЭТУ, Санкт-Петербург, 2001.
- на расширенных научных семинарах Кафедры телевизионных устройств ТУ СУР, Томск, 1999, 2002.
Публикации. По результатам исследований, представленных в диссертации, опубликовано 46 работ (27 без соавторов), в том числе 2 монографии, 1 авторское свидетельство, 4 зарегистрированные программы для ЭВМ, 7 статей в центральных журналах.
Кодирования с преобразованием
Кодирование на основе преобразования представляет собой косвенный метод. Исходное изображение подвергается унитарному математическому преобразованию, далее полученные коэффициенты преобразования (трансформанты) кодируются для передачи по каналу связи или для записи на промежуточный носитель. Сжатие визуальных данных основано на том, что для большинства изображений естественного происхождения значения многих коэффициентов преобразования сравнительно малы. Такие коэффициенты отбрасываются, или на их кодирование отводится малое число двоичных разрядов.
Рассмотрим основные процедуры кодирования.
Кадр изображения обычно разбивается на блоки (например, размером 8x8 элементов) и подвергается унитарному преобразованию поблочно. В общем случае для компоненты яркости изображения коэффициенты двумерного раз-делимого унитарного преобразования определяются как [16] Г(и,у) = (і,к)Ас(і,и)Аг(к,и), (1.11) где Аг и Ас — ядра преобразования вдоль строк и столбцов; N N — число элементов в блоке. Цветоразностные компоненты CR и Св преобразуются аналогично выражению (1.11) поблочно и последовательно, после обработки четырех или двух (значение зависит от коэффициента прореживания) блоков яркости. Сформированный таким образом "макроблок" трансформант, состоящий из четырех блоков коэффициентов преобразования яркостной компоненты и двух блоков коэффициентов цветоразностных компонент, далее подвергается кодированию и нормализации.
На этапе кодирования производится отбор трансформант зональным или пороговым методами [23]. При зональном отборе выделяются совокупности ко-0 эффициентов, занимающие некоторые заранее фиксированные области спектра трансформант, обычно соответствующие низкочастотным составляющим. Чис ло уровней квантования берется пропорционально ожидаемой дисперсии соот ветствующего коэффициента. Область передаваемых трансформант может иметь различную конфигурацию, например прямоугольную, эллиптическую или треугольную. Если следовать критерию среднеквадратичной ошибки вос произведения, то, согласно теоретическим и экспериментальным исследовани 0 ям [16, 23], в передаваемую область должны попадать те коэффициенты, кото рые имеют наибольшую дисперсию.
Метод порогового отбора сохраняет лишь те коэффициенты, величина которых превышает заданный порог. При этом для отобранных трансформант устанавливается единая шкала квантования и остальным коэффициентам (значения которых меньше порогового) присваивается ноль. В этом случае, при передаче значащих коэффициентов, необходимо указывать их местоположение.
Следует отметить, что в настоящее время большое внимание уделяется адаптивным методам кодирования, которые позволяют повысить эффективность цифрового сжатия с сохранением высокого качества изображения. В адаптивных методах перестраивают шкалу квантования в соответствии с локальными характеристиками различных частей передаваемого изображения. Поскольку преобразование изображения производится поблочно, квантование также реализуется поблочно посредством перехода с одной матрицы на другую.
После квантования, трансформанты каждого блока кодируются методом длин серий (RLE), при этом часто используется сравнение элементов блока по "зигзагообразной" траектории [9].
В процессе нормализации обычно используется алгоритм Хаффмана, где наиболее вероятным значениям трансформант присваиваются короткие кодовые слова и наоборот. При выполнении алгоритма формируется матрица распределения указывающая число бит присвоенных трансформантам блока, которая хранится как на передающей, так и на приемной сторонах.
В настоящее время существует большое число преобразований [9], которые можно использовать в системе кодирования, например преобразования Фурье, Адамара, Карунена-Лоэва, Хаара и др. Преобразование Карунена-Лоэва обеспечивает минимальную среднеквадратичную ошибку, но требует знания статистических характеристик передаваемого изображения, также для данного преобразования не существует быстрого вычислительного алгоритма.
В аппаратуре цифрового сжатия наиболее часто используется дискретное косинусное преобразование (ДКП), имеющее быстрый вычислительный алгоритм и приближающееся по эффективности к преобразованию Карунена-Лоэва применительно к изображениям, для которых подходит статистическая модель Гаусса-Маркова. Следует отметить, что в основу стандарта JPEG заложен именно данный тип преобразования.
Синтез испытательной таблицы в равноконтрастной системе координат
Испытательные изображения в современных цифровых видеосистемах применяются для оценки искажений восстановленных изображений после их обработки и передаче по каналам связи. К таким изображениям относятся электронные испытательные таблицы [34] в виде набора объектов с различными характеристиками по яркости, цветности, пространственной ориентацией и раз Э мерами. Испытательные таблицы позволяют настраивать и оптимизировать параметры видеосистемы на требуемое качество изображения с помощью субъективных оценок искажений или путем измерения параметров сигналов выбираемого объекта. В частности, при оценке разрешающей способности системы измеряется глубина модуляции сигнала изображения штриховой миры с заданным контрастом и с различными пространственными размерами линий.
Развитие цифрового телевизионного вещания привело к разработке новых испытательных таблиц [24], которые содержат большое число динамических элементов, позволяющих выявить искажения цифрового кодирования, например, на основе стандарта MPEG. Таблицы содержат различные элементы для анализа цифровых и аналоговых искажений, обусловленные как внутрикадро-вым, так и межкадровым кодированием. Пример такой таблицы (1-й кадр), разработанной в НИИ Радио (г. Москва) показан на рис. 2.1., где каждая таблица является динамической последовательностью, состоящей из 12-и кадров с раз 0 решением 720x576 пикселов, меняющихся циклически с частотой 25 Гц. Каж дый кадр состоит из прямоугольника с соотношением сторон 4:3, обрамленного рамкой, внутри которой все изображение разбито на прямоугольные и круглые участки, содержащие различные элементы для анализа цифровых и аналоговых искажений.
Традиционным способом формирования испытательной таблицы является синтез объектов изображения в виде "красного" (R), "зеленого" (G) и "синего" (В) сигналов основных цветов приемника, что достаточно просто реализуется с помощью компьютерной обработки файла изображения BMP формата. К недостатку использования системы RGB сигналов относится то, что значение порога зрительного восприятия цветового контраста зависит от предъявляемого цвета и размера объектов. Данный недостаток вносит неопределенность при измерении цветового контраста мелких деталей изображения и затрудняет использование объективного критерия (2.15).
Автором разработан новый алгоритм [124] синтеза испытательной таблицы в равноконтрастнои системе координат, который позволяет анализировать искажения цветопередачи непосредственно в значениях МЦП зрительного восприятия, что упрощает процесс настройки и оптимизации параметров видеосистемы на требуемое качество.
Рассмотрим алгоритм синтеза испытательной последовательности кадров изображения, где в качестве равноконтрастной системы выберем цветовое пространство Вышецки.
На первом этапе, для опорного 1-кадра последовательности с заданным форматом Nx х NY, задаем форму, размеры, пространственное положение объектов и цветовые координаты — Wij Uij tj) є At» гДе At определяет пространственную область к — го объекта. Также, задаем цветовые координаты фона. Для последующих кадров последовательности задаем вектора движения динамических объектов.
На втором этапе, для каждого кадра видеопоследовательности, выполняем преобразование \W"mij U mJJ VmJtJ}- {Rm iJ GmJJ Bmij), которое необходимо для визуализации исходной последовательности на экране кинескопа и для подачи цифровых RGB сигналов на вход исследуемой системы.
Для выполнения преобразования использованы известные соотношения [38], определяющие координаты яркости и цветности: Y = 0,299Д + 0,587G + 0,1145; u = U/(W + U + V); v = V/(W + U + V), (2.17) где W,UH V—значения равноконтрастных координат U = 0,405Д + 0,116(7 + 0,1335; V = 0,299Л + 0,587(7 + 0,1145; (2.18) W = 0,145R + 0,827(7 + 0,6275. Ниже приводится математическая модель преобразований необходимых для выполнения второго этапа. Координаты яркости и цветности находятся из заданных W U V значений (2.4):
Метод оценки точности цветопередачи
Как было отмечено в п.1.1., в цифровой видеосистеме анализ влияния флуктуационных помех можно разделить на две части — в допороговой и после пороговой области. В допороговой области качество доставки закодированных видеоданных достаточно высокое и наличие шумов в системе приводит лишь к незначительным флуктуациям RGB сигналов изображения.
Но, если уровень шума и вероятность ошибок превысили допустимое значение, наблюдается резкое ухудшение качества декодированного изображения за счет возможных изменений пространственно-временного положения отсчетов сигналов и/или существенных скачков амплитудных значений. Анализ влияния флуктуационных помех в после пороговой области, в большой степени зависит от выбранного алгоритма цифрового сжатия и приводится в 4-й главе.
С целью анализа влияния флуктуационных помех, в допороговой области, на снижение четкости передаваемых деталей изображения воспользуемся следующими допущениями: 1. Взаимодействие сигналов и шумов изображения — аддитивное. 2. Закон распределения плотностей вероятностей стационарного шума — близок к нормальному закону. 3. Шумы в R, G, и В сигналах восстановленного изображения — слабо коррелированны между собой.
Данные допущения широко используются в инженерных расчетах помехоустойчивости ТВ систем [4] и позволяют упростить анализ с допустимыми для практических применений погрешностями. В частности, визуальную зашумленность [4] цветного изображения в аналоговых ТВ системах принято оценивать суммарным напряжением взвешенных помех в сигналах основных цветов az=J(aaR)2+(/3aG)2 + (рав)2 , (3.18) где aR,d:G,aB — взвешенные среднеквадратичные значения флуктуационных помех, полученные с учетом весовой функции видности шума; а,Р,р — ко 148 эффициенты относительной видности помех.
Наличие шумов в системе приводит к тому, что цветовые координаты объектов и фона декодированного изображения "размываются". При этом точка в пространстве RGB координат преобразуется в эллипсоид с полуосями, значения которых пропорциональны среднеквадратичным уровням (crR,crc,crB) помех в цветоделенных каналах.
В процессе вычисления контраста штриховых линий выполняется преобразование цифровых значений Rmij ,Gmij ,Bmij сигналов и шумов в равно-контрастное цветовое пространство — m,ij Um,ij Vm,ij Следовательно, значения W U V координат становятся случайными величинами со среднеквад-ратическими отклонениями — а . ,& . ,а ..
Здесь необходимы следующие замечания. Дело в том, что известные рав-ноконтрастные системы получены экспериментальным путем, где в процессе субъективных оценок ставилось соответствие цветовых различий в значениях МЦП изменениям сигналов основных цветов приемника на входе видеоконтрольного устройства (ВКУ). Поэтому, в большинстве литературных источниках приводятся формулы преобразования RGB - W U V без учета параметра «гамма» кинескопа. Также, при проведении экспериментов обеспечивались нормальные условия наблюдения, т.е. для которых уровень шума в наблюдаемом изображении был сведен к минимуму.
Наличие шума в цветоделенных каналах приводит к тому, что уровень флуктуационных помех в наблюдаемом изображении будет зависеть от коэффициента «гамма» кинескопа. Для учета данного фактора используем известное [38] преобразование сигналов основных цветов приемника на входе ВКУ в относительные значения яркости свечения люминофоров кинескопа LR=k-{R)\ LG=k-{G)\LB=k-{By, (3.19) где /=2.8— коэффициент «гамма» кинескопа; к—масштабный коэффициент, учитывающий диапазон изменения относительных яркостей в пределах от 1 до 149 100 и диапазон изменения цифровых RGB сигналов от 0 до 255. При этом в формулах (2.1)-(2.4) преобразований сигналов в равноконтрастную систему координат произведем замену R,G,B значений на LR, LG и LB.
На первом этапе анализа определим дисперсии значений равноконтраст-ных координат, воспользовавшись методом линеаризации [56] функций (2.2.)-(2.4), что обоснованно при малых среднеквадратичных значениях шума в цве-тоделенных каналах. Отметим, что в последующих выражениях отсутствует знак ( ) указывающий на то, что анализируются цифровые значения цветовых координат на выходе системы (см. рис. 1.1.). Данное обстоятельство объясняется тем, что предлагаемая ниже модель может быть использована для анализа влияния помех на визуальную четкость изображения, как на входе, так и на выходе системы.
Определим дисперсию индекса яркости W = 25 Y1/3 -17 .С математической точки зрения линеаризации функции W = p(Yin) есть приближенное представление этой функции первыми двумя членами ряда Тейлора.
Кодирование с преобразованием
В результате исследований получено, что среднеквадратичное значение помех, до которого не происходит резкого ухудшения качества должно быть не более 0,3% от максимального значения кода длины серий. Аналогичные результаты получены для преобразований Уолша и Хаара. Таким образом, для обеспечения высокого качества изображения, вероятность ошибок канала передачи должна быть не более 3 .
В заключение параграфа обобщим полученные результаты.
Анализ эффективности кодирования изображений с различной детальностью и численные результаты оценок по объективным критериям позволяют сделать вывод о том, что преобразование Хаара незначительно уступает ДКП по эффективности сжатия при равных показателях качества воспроизведения мелких деталей и резких границ изображений.
Такой вывод может вызвать недоумение у специалистов. По результатам многочисленных работ известно, что косинусное преобразование является наилучшей аппроксимацией оптимального преобразования Карунена-Лоува и обеспечивает наименьшую среднеквадратическую ошибку по сравнению с другими преобразованиями.
Например, в фундаментальной работе У.Претта [16, стр. 708] приведены зависимости среднеквадратичной ошибки от размеров блоков при зональном кодировании коэффициентов трансформации для различных типов преобразований. Сравнительный анализ зависимостей показывает, что среднеквадратичная ошибка кодирования для косинусного преобразования в 1,4..,1,5 раза меньше, чем для преобразования Хаара.
Однако, такие результаты, как и во многих других работах, основаны на использовании статистической модели изображения Гаусса-Маркова первого порядка, которая хорошо отражает низкочастотные и случайные характеристики изображения. В свою очередь тонкоструктурные элементы и резкие границы изображений плохо укладываются в рамки модели Гаусса-Маркова, что, кстати, подтверждается незначительными отклонениями значений MSE при кодировании тестовых изображения (рис. 4.18) для трех преобразований.
Поэтому вывод о том, что преобразование Хаара по эффективности сжатия незначительно уступает ДКП, при равных показателях качества воспроизведения мелких деталей и резких границ изображений по новым объективным критериям, не противоречит общеизвестным положениям, а лишь расширяет возможности применения разных ортогональных преобразований.
Основные принципы теории кодирования методом вейвлет преобразования изложены в п.1.2., из которых следует, что возможные искажения и потеря качества изображения обусловлены — грубым квантованием ВЧ составляющих и отбрасыванием (обнулением) малозначащих коэффициентов ДВП в каждом из субдиапазонов. Характер и специфика искажений, также зависят от выбора базисной функции материнского вейвлета [97].
В наиболее простом случае на этапе квантования можно выполнить пороговый отбор коэффициентов. Отбор представляет собой отбрасывание малозначащих коэффициентов трансформанты, т. е. таких, чьи энергии настолько незначительны, что их отсутствие не вызывает каких-либо видимых искажений в реконструируемом изображении. Формулировка правила отбора должна учитывать как свойства человеческого зрения, так и структуру вейвлет-трансформанты, как набора многомасштабных компонент - субдиапазонов.
Для исследования влияния стратегии квантования на качество декодированных изображений автором разработан алгоритм, моделирующий цифровой канал передачи видеоданных с компрессией. На основе алгоритма создана программа-архиватор [102] цветных изображений, выполняющая следующие функции: 1. Преобразование цифровых RGB сигналов исходного BMP файла изображения в систему YCRCB координат с последующей фильтрацией цветораз-ностных сигналов в соотношении 4:2:0. 2. Выполнение вейвлет-декомпозиции для каждой из YCRCB компонент изображения. 3. Обнуление малозначащих коэффициентов разложения в соответствии с выбранной стратегией квантования. 4. Кодирование длин серий нулей вейвлет-разложения. 5. Формирование цифрового потока видеоданных и сохранение сжатого файла изображения. 6. Декодирование и восстановление исходного BMP файла изображения.
Пространственная декорреляция YCRCB компонент выполнена с помощью разделимого дискретного вейвлет-преобразования на основе симметричного биортогонального фильтра Коэна-Добеши-Фово CDF9/7. При этом изображение разбивалось на субдиапазоны по формулам [107]:
Cjk - sLCj+\,nhn-2k _"eZ . (4.6) ne.Z где Cjk - значение к-то НЧ-коэффициента масштаба j, djk — значение А го ВЧ-коэффициента масштаба , ht, ft - i -тые коэффициенты НЧ-фильтров анализа и синтеза Коэна-Добеши-Фово CDF9/7 соответственно.
Выбор фильтра CDF9/7 обусловлен тем, что он является субоптимальным для семейства биортогональных сплайн-вейвлет-преобразований и предложен [25, 26] для применения в JPEG2000.
В полученном вейвлет-разложении обнуляются все коэффициенты, значения которых не превышает заданный пользователем порог для данного субдиапазона. В работе исследовалась убывающая арифметическая прогрессия пороговых значений, где задавался порог Ат для высокочастотного субдиапазона и его коэффициент ку убывания для следующего более низкочастотного диапазона.
После квантования массив видеоданных обрабатывался комбинированным кодером длин серий нулей. По величине полученного массива на выходе кодера оценивалась эффективность сжатия. Затем массив данных восстанавливался и подвергался обратному вейвлет-преобразованию.
Комбинированный кодер длин серий нулей с переменной длиной кода подобран экспериментально в соответствие со статистикой вейвлет-трансформант реальных изображений [107]. Он работает следующим образом. Вейвлет-трансформанта просматривается построчно.
