|
Abstract:
|
É uma tarefa importante avaliar a qualidade visual de imagens que sofreram algum tipo
de distorção durante sua aquisição, processamento, compressão ou armazenamento.
Através do conceito de imagem digital, é possível descrever imagens através de matrizes
ou funções com domínio no plano e contradomínio num espaço de cores. Isso
torna possível a utilização de métricas como um método para prever de forma automática
a qualidade de imagens, já que a avaliação visual feita pelo olho humano, apesar
de correta, é muito inconveniente. Métricas comuns para essa finalidade incluem o
erro quadrático médio (MSE) e a similaridade estrutural (SSIM). Esta última recebeu
considerável atenção na última década por comparar duas imagens através de sua
informação estrutural, tendo como base estudos que apontam que essa é a principal
informação extraída pelo sistema visual humano ao determinar se duas imagens
são diferentes ou semelhantes. Neste trabalho, revisamos conceitos fundamentais de
processamento de imagens e espaços métricos, além de apresentar duas das métricas
mais usadas para avaliação da qualidade de imagens, MSE e SSIM, através de
seus aspectos teóricos e implementações, explorando resultados positivos e limitações
dessas métricas. Interessamo-nos, particularmente, em melhorar o desempenho da
métrica SSIM, usando algoritmos de otimização que nos indicaram o melhor ajuste
de parâmetros a ser feito. Observou-se que há potencialidade em alterar o formato e
o tamanho da matriz gaussiana usada no cálculo da métrica SSIM, para que esta se
assemelhe, da melhor forma possível, à avaliação feita pelo sistema visual humano. |
