Разработка программного модуля по определению качества изображений

Целью работы является исследование метрик оценивания качества изображений и реализация подходящих методов.

Задачами данной работы являются:

- анализ существующих методов оценки качества изображений;

- выбор средств программной реализации рассмотренных метрик;

- разработка и тестирование программного продукта.

Объектом исследования является качество изображений.

Предметом исследования являются метрики оценки качества изображений.

Главным назначением программы является упрощение процесса оценивания качества изображений различными методами.

Программа была разработана как программный модуль, предназначенный для автоматизации оценки качества изображений.

Пояснительная записка: 93 с., 41 рис., 4 табл., 15 источник, 3 прил.

ВВЕДЕНИЕ. 7

1 АНАЛИЗ СУЩЕСТВУЮЩИХ МЕТОДОВ ОЦЕНКИ КАЧЕСТВА ИЗОБРАЖЕНИЙ 9

1.1 Методы PSNR и MSE. 11

1.2 Метод SIMM.. 13

1.3 Метод HVS. 18

1.4 Сравнение методов оценки качества изображений. 19

2 ПОСТАНОВКА ЗАДАЧИ И ВЫБОР СРЕДСТВ ЕЕ РЕШЕНИЯ.. 24

2.1 Требования к разрабатываемому программному продукту. 24

2.2 Обоснование применяемых технологий и инструментов. 25

2.2.1 Обоснование выбора IDE Pycharm.. 25

2.2.2 Обоснование выбора языка Python. 26

2.2.3 Обоснование выбора используемых модулей. 27

2.2.3.1 Обоснование выбора модуля PIL. 27

2.2.3.2 Обоснование выбора модуля numpy. 28

2.2.3.3 Обоснование выбора модуля sklearn. 28

3 ОБЗОР АНАЛОГОВ ПРОГРАММ ПО ОЦЕНКЕ КАЧЕСТВА ИЗОБРАЖЕНИЙ 29

3.1 NEXSYS ImageExpert Pro 3. 29

3.2 NEXSYS ImageExpert Sample 2. 29

3.3 Altami Studio. 30

4 РАЗРАБОТКА ПРОГРАММНОГО ПРОДУКТА.. 33

4.1 Проектирование архитектуры.. 33

4.1.1 Интеллект карта программного продукта. 33

4.1.2 Диаграмма вариантов использования программного продукта. 34

4.1.3 Диаграмма компонентов программного продукта. 36

4.1.4 Диаграмма взаимодействия программного продукта. 36

4.1.5 Описание входных и выходных данных. 37

4.1.6 Потоки данных. 38

4.1.7 Описание программных компонентов ПП.. 38

4.2 Разработка исполняемых модулей. 39

4.2.1 Разработка модуля PSNR. 39

4.2.2 Разработка модуля SIMM.. 40

4.2.3 Разработка модуля MSE. 41

4.3 Разработка пользовательского интерфейса. 41

5 РЕАЛИЗАЦИЯ РЕШЕНИЯ И ЕГО ОЦЕНКА.. 43

5.1 Описание программного продукта. 43

5.2 Инструкция по эксплуатации. 44

5.3 Тестирование и анализ полученных результатов. 44

6 ОХРАНА ТРУДА, ВОПРОСЫ БЕЗОПАСНОСТИ ЖИЗНЕДЕЯТЕЛЬНОСТИ И ГРАЖДАНСКОЙ ОБОРОНЫ.. 51

6.1 Охрана труда. 51

6.1.1 Анализ условий труда в помещении с ПК.. 51

6.1.2 Мероприятия по улучшению условий труда. 53

6.1.3 Расчет заземления общего контура здания, который должен быть выведен к каждой розетке с ПК.. 55

6.1.4 Мероприятия по обеспечению пожарной безопасности. 57

6.2 Гражданская оборона. 59

6.3 Безопасность жизнедеятельности. 64

ЗАКЛЮЧЕНИЕ. 69

СПИСОК ИСПОЛЬЗОВАНЫХ ИСТОЧНИКОВ.. 70

Приложение А ТЕХНИЧЕСКОЕ ЗАДАНИЕ. 72

Приложение Б ЛИСТИНГ. 74

Приложение В ПЕРЕЧЕНЬ ЗАМЕЧАНИЙ НОРМОКОНТРОЛЕРА

К ДИПЛОМНОМУ ПРОЕКТУ.. 74

1. Avcibas I., Sankur B., Sayood K. Statistical evaluating of image quality measures // Journal of Electronic Imaging. – April 2002. – Vol.11, № 2. – Р. 206-224.

2. Wilder W.C. Subjective Relevant Error Criteria for Pictorial Data Processing // Purdue University, School of Electrical Engineering, Report TR-EE 72-34, December 1972.

3. Ю.И. Монич, В.В. Старовойтов «Оценки качества для анализа цифровых изображений» «Искусственный интеллект». – 2008. cтр. 376-386.

4. W. a. B. Lagendijk R.L., "Visual image quality model_Tech," Delft University of Technology. The Netherlands, 1996.

5. T. D. Kite, Design quality assessment of forward and inverse error difusion halftoning algorithm, Ph. D. thesis, University of Texas at Austin, 1998.

6. P. M., "The Medical Image Display and Analysis Group at the North Carolina: Reminiscences and Philosophy," Computer Journal of IEEE Transactions on Medical Image, vol. 22, no. no.1, pp. 2-10, 2004.

7. O. T. P. a. S. R. L., "Human visual system based wavelet decomposition for image compression," Journal of Visual Communication and Image Representation, vol. 6, no. no. 2, pp. 109-121, 1996.

8. R. N. Carlson, "Foundation of Physiological Psycology (6th Edition)," Boston: Allyn & Bacon, 2004.

9. D. A. C. J. E. B. Thomas T. Norton, Psychophysical Measurement of Visual Function, Boston: Butterworth-Heinemann, 2002.

10. Ван, Чжоу; Бовик, Алан; Шейх, Хамид; Симончелли, Ээро (2004). «Оценка качества изображения: от видимости ошибок до структурного сходства». IEEE Transactions по обработке изображений. 13 (4): 600–612. Bibcode:2004ITIP ... 14..600 Вт. Дои:10.1109 / tip.2004.819861. PMID 15376593. S2CID 207761262.

11. J. Harel, C. Koch, and P. Perona, “Graph-based visual saliency,” in Advances in Neural Information Processing Systems, vol. 19. Cambridge, MA, USA: MIT Press, 2007, pp. 545–552.

12. M. Sonka, V. Hlavac, and R. Boyle, Image Processing, Analysis, and Machine Vision. Stanford, CT, USA: Cengage Learning, 2008.

13. B. Jähne, H. Haubecker, and P. Geibler, Handbook of Computer Vision and Applications. New York, NY, USA: Academic, 1999.

14. J.-M. Geusebroek, R. Van den Boomgaard, A. W. M. Smeulders, and H. Geerts, “Color invariance,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 23, no. 12, pp. 1338–1350, Dec. 2001.

J.-M. Geusebroek, R. Van den Boomgaard, A. W. M. Smeulders, and A. Dev, “Color and scale: The spatial structure of color images,” in Proc. Eur. Conf. Comput. Vis., 2000, pp. 331–341.