Keywords
Abstract
В данной научно-исследовательской работе рассматриваются методы объективной оценки качества цифровых телевизионных изображений, используемых в прикладных областях телевещания. В условиях, где телевизионный сигнал играет функциональную роль — например, в телемедицине, образовательных трансляциях, видеонаблюдении и правовой экспертизе — снижение качества изображения может привести к потере информации и снижению эффективности процесса. Проведено экспериментальное моделирование типичных искажений (размытие, шум, артефакты сжатия), с последующей оценкой чувствительности метрик PSNR, SSIM, VIF, BRISQUE и NIQE к этим искажениям. На основе полученных данных сделаны выводы о применимости указанных метрик в различных практических сценариях прикладного телевидения.References
Wang, Z., Bovik, A. C., Sheikh, H. R., & Simoncelli, E. P. (2004). Image quality assessment: From error visibility to structural similarity.
2. Kundu, S., & Luthra, M. (2023). A review on objective image quality assessment metrics: From PSNR to deep learning. Multimedia Tools and Applications, 82(4), 11421–11455.
3. Laparra, V., Muñoz-Marí, J., & Malo, J. (2020). Perceptual image quality assessment using neural networks and natural scene statistics.
4. Li, Z., Zeng, H., Wang, S., & Ma, K. (2021). Blind image quality assessment with brain-inspired deep networks.
5. · · Zhou, B., Wang, Q., & Chen, Q. (2022). A hybrid no-reference quality assessment method based on visual perception characteristics. Signal Processing: Image Communication, 104, 116902.
6. Video Quality Experts Group (VQEG). (2021). Final Report on No-Reference and Hybrid Metrics for Video Quality Monitoring. [Online] https://www.vqeg.org
7. ITU-T Recommendation P.913. (2021). Methods for the subjective assessment of video quality, audio quality and audiovisual quality of Internet video and distribution quality television in multimedia applications. International Telecommunication Union.