Hdr
Année : 2011
Résumé
L'ensemble des travaux présentés dans ce manuscrit concerne principalement la mesure de la qualité des images avec ou sans référence. Dans une première partie, deux méthodes d'évaluation agnostique de la qualité des images sans référence ont été développées. L'idée inhérente à l'approche retenue réfère au principe des statistiques de scène naturelles (SSN). Le point commun des deux méthodes développées porte sur l'exploitation des statistiques calculées dans le domaine fréquentiel de la TCD, qui constitue notre cadre de travail. Dans une deuxième partie, une métrique d'évaluation de la qualité lorsque l'on dispose d'une image de référence a été développée en utilisant un schéma de classification multi-classes. Un processus de décomposition de type un-contre-un a été déployé. Un processus de combinaison sous raisonnement incertain est appliqué afin de prendre en compte les incertitudes de chacun des classificateurs binaires. Après classification, une fonction de régression par SVM est générée pour chacune des classes de qualité. Ceci permet d'optimiser la fonction associée à chacune des classes et de maximiser la corrélation des scores prédits avec les notes de qualité associées aux observateurs humains. Finalement, l'amélioration des niveaux de corrélation des méthodes algorithmiques d'évaluation de la qualité avec les scores donnés par les observateurs humains a été étudiée. L'utilisation d'une échelle des différences permet 1) d'obtenir une cartographie locale des variations de la précision des scores prédits et 2) d'améliorer la définition des métriques de qualité. Cette approche a été testée sur l'indice MS-SSIM.
Domaines
Traitement des images [eess.IV]
Loading...
Greyc Référent : Connectez-vous pour contacter le contributeur
https://theses.hal.science/tel-01073869
Soumis le : vendredi 10 octobre 2014-15:49:30
Dernière modification le : mercredi 20 mars 2024-16:20:04
Archivage à long terme le : vendredi 14 avril 2017-15:55:54
Dates et versions
- HAL Id : tel-01073869 , version 1
Citer
Christophe Charrier. Modélisation statistique et classification par apprentissage pour la qualité des images. Traitement des images [eess.IV]. Université de Caen, 2011. ⟨tel-01073869⟩
Collections
301
Consultations
672
Téléchargements