Pós-Graduação em Ciência da Computação – UFPE
Defesa de Tese de Doutorado Nº 574

Aluno: Jair Galvão de Araújo
Orientador: Prof. Tsang Ing Ren
Co-orientador: Prof. Francisco Madeiro Bernardino Junior (UNICAP)
Título: Sequências de Baixa Discrepância na Aceleração da Avaliação da 
Qualidade de Imagem Digital
Data: 12/09/2022
Hora/Local: 14h – Virtual – Interessados em assistir entrar em contato com o aluno
Banca Examinadora:

Prof. Carlos Alexandre Barros de Mello (UFPE / Centro de Informática)
Prof. George Darmiton da Cunha Cavalcanti (UFPE / Centro de Informática)
Prof. Cleber Zanchettin (UFPE / Centro de Informática)
Profa. Mylène Christine Queiroz de Farias  (UNB / Departamento de Engenharia Elétrica)
Prof. Ricardo da Silva Torres (Norwegian University of Science and 
Technology / Department of ICT and Natural Sciences)


RESUMO:

O aumento no uso de aplicações que manipulam imagem e vídeo digital é 
crescente. Neste cenário, a Avaliação da Qualidade de Imagem (IQA) 
desempenha um papel importante na qualidade e experiência dos usuários no 
processamento de imagens digitais. A Avaliação da Qualidade de Imagem pode 
ser dividida em avaliação subjetiva e objetiva. A IQA subjetiva obtém o 
julgamento através da apresentação das imagens ao Sistema Visual Humano 
(HSV), já a IQA objetiva busca desenvolver algoritmos para reproduzir a 
avaliação subjetiva do HSV. No entanto, os algoritmos IQA objetivos podem 
exigir grande número de operações matemáticas  para realizar a avaliação. 
Além disso, os algoritmos IQA baseados em Redes Neurais Convolucionais 
exigem longo tempo de treinamento de aprendizagem. Baseado no alto custo 
computacional e tempo gasto no processo da avaliação da qualidade, é 
proposta a estratégia de amostragem com sequências de baixa discrepância no 
processo de IQA. Primeiramente, a estratégia utiliza  sequências Van der 
Corput-Halton, Sobol e  amostragem Uniforme para coletar pixels ao redor da 
imagem e formar uma representação reduzida. As imagens amostradas foram 
comparadas com as transformações \emph{Resize} e \emph{Cropped} com mesma 
quantidade de pixel amostrado. Em seguida, essas imagens foram avaliadas 
por métodos de IQA com e sem a presença da imagem de referência. Os 
resultados dos experimentos revelam que a estratégia de amostragem  foi 
suficiente para obter as mesmas correlações SROCC e LCC de qualidade ao 
utilizar aproximadamente $8\%$ dos pixels das imagens da base Live e $7\%$ 
da TID2013 quando comparado com as correlações obtidas com as imagens 
integrais pelos métodos PSNR e SSIM. Outrossim, o método Learned Perceptual 
Image Patch Similarity (LPIPS), treinado a partir de imagens amostradas com 
sequência VDH, obtém $68,30\%$ de taxa de acerto sobre a base 
Berkeley-Adobe Perceptual Patch Similarity (BAPPS). A economia de tempo no 
treinamento do método \emph{Deep Image Quality Measure for FR} (DIQaM-FR) 
foi de $220\%$ e $136\%$ para as bases Live e TID2013, respectivamente.

Palavras-chave: Avaliação da qualidade de imagem. Sequências de baixa 
discrepância. Amostragem de imagem digital.

Comentários desativados