1、 Rec. UIT-R BT.1676 1 RECOMENDACIN UIT-R BT.1676 Marco metodolgico para la especificacin de la precisin y la calibracin mutua de las mtricas de la calidad de la imagen (Cuestin UIT-R 44/6) (2004) La Asamblea de Radiocomunicaciones de la UIT, considerando a) que la TV digital y la TVAD que utilizan t
2、ecnologas de reduccin de la velocidad binaria, tales como la MPEG-2, la DV y otras han logrado una utilizacin generalizada; b) que el Sector de Radiocomunicaciones se encarga de fijar las caractersticas generales de calidad de las cadenas de radiodifusin; c) que las degradaciones de las imgenes de t
3、elevisin pueden mostrar correlacin con los aspectos medibles de las seales; d) que la calidad general de la imagen est relacionada con la combinacin de todas las degradaciones; e) que en el caso de la TV digital, es necesario en particular evaluar la calidad de los mtodos de reduccin de la velocidad
4、 binaria, en trminos de parmetros subjetivos y objetivos; f) que en lo referente a los sistemas de televisin, se ha desarrollado una serie de parmetros objetivos de la calidad de la imagen, as como las correspondientes medidas de la calidad y mtodos de supervisin para el entorno del estudio y en la
5、radiodifusin; g) que los mtodos de referencia de medicin objetiva de la calidad de la imagen son tiles al evaluar los sistemas de estudio y de radiodifusin; h) que en las pruebas de validacin de los mtodos de medicin objetiva de la calidad de la imagen se utilizan conjuntos de datos de materiales de
6、 prueba, notas subjetivas y valores objetivos; j) que hay una serie de mtricas de la calidad de la imagen (VQM) de referencia propuestas que pueden utilizarse para obtener evaluaciones objetivas de la calidad de la imagen; k) que en la literatura se ha documentado una serie de mtodos bien conocidos
7、de evaluacin estadstica, los cuales pueden utilizarse para validar y comparar las VQM, basndose en los conjuntos de datos de materiales de prueba, las notas subjetivas y los valores objetivos; l) que cuando se acepten una o ms VQM como norma en las Recomendaciones de la UIT, seguir existiendo la nec
8、esidad de estimar la precisin matemtica (poder de resolucin) de la VQM utilizada; m) que la transcalibracin de los mtodos de referencia de medicin objetiva de la calidad de la imagen basados en conjuntos de datos disponibles son importantes para el intercambio internacional de los resultados de las
9、mediciones y la comprobacin, 2 Rec. UIT-R BT.1676 recomienda 1 que se utilicen los clculos especificados en el Anexo 1 para estimar la precisin y la calibracin mutua de las mediciones objetivas de la calidad de la imagen que utilizan el mtodo de referencia; 2 que pueden utilizarse los clculos especi
10、ficados en el Anexo 1 como uno de los diversos mtodos para determinar la precisin en la evaluacin y validacin de las diversas mediciones objetivas de la calidad de la imagen que utilizan el mtodo de referencia. Anexo 1 Mtodo para especificar la precisin y la calibracin mutua de las VQM 1 Alcance El
11、objetivo de las VQM es ofrecer valores calculados que guarden una estrecha correlacin con las evaluaciones subjetivas del observador. Esta Recomendacin incluye: Mtodos de ajuste de curvas de valores objetivos de VQM a datos subjetivos, con el fin de facilitar el clculo de la precisin y elaborar una
12、escala de valores objetivos normalizados que pueda utilizarse en la correlacin entre las distintas VQM. Un algoritmo (basado en los anlisis estadsticos sobre los datos subjetivos) para cuantificar la precisin de una VQM determinada. Un clculo simplificado del error medio cuadrtico para cuantificar l
13、a precisin de una VQM cuando los datos subjetivos presentan una varianza prcticamente constante a lo largo de la escala VQM. Un mtodo para representar los errores de clasificacin, a fin de determinar las frecuencias relativas de los casos vnculo falso, diferenciacin falsa, clasificacin falsa y decis
14、in correcta para una VQM determinada. Los mtodos especificados en esta Recomendacin se basan en la evaluacin objetiva y subjetiva de las componentes de vdeo, tal como se definen en la Recomendacin UIT-R BT.601, utilizando mtodos tales como los descritos en la Recomendacin UIT-R BT.500 Metodologa par
15、a la evaluacin subjetiva de la calidad de las imgenes de televisin. Un conjunto de datos para una VQM constar de valores objetivos y notas subjetivas medias correspondientes a diversas fuentes de imgenes en movimiento (SRC) procesadas por distintos circuitos ficticios de referencia (CFR). En el Info
16、rme Final de la Fase 1 del Grupo de Expertos en calidad de la imagen, Docu-mento UIT-T COM 9-80-E Final report from the video quality experts group on the validation of objective models of video quality assessment; figura un ejemplo de dicho conjunto de datos. Los mtodos especificados en esta Recome
17、ndacin son aplicables directamente a un conjunto de datos definidos como el que se ha descrito. Para las mediciones que no forman parte especfica del conjunto de datos, los mtodos especificados en esta Recomendacin ofrecen una estimacin razo-nable de la precisin y la calibracin mutua en las aplicaci
18、ones que pueden considerase similares a la del conjunto de datos definidos y dentro de su contexto. Rec. UIT-R BT.1676 3 Los mtodos especificados en esta Recomendacin pueden utilizarse en combinacin con otros clculos estadsticos al evaluar la utilidad de una VQM. El Apndice 1 ofrece otras informacio
19、nes relativas a la utilizacin de los mtodos. Para que se considere la inclusin de una VQM como parte normativa de una Recomendacin del UIT-R se requiere un proceso de verificacin completa realizado por laboratorios independientes adecuados. 2 Precisin de una VQM Para utilizar una VQM objetiva, se de
20、be saber si la diferencia de notas entre dos imgenes proce-sadas tiene significacin estadstica. As pues, es preciso efectuar una cuantificacin de la precisin (o potencia de resolucin) de la VQM. Para visualizar esta potencia de resolucin, conviene empezar con una representacin de la dispersin en la
21、que la abscisa de cada punto sea una nota de la VQM de una fuente de imagen particular (SRC) y la distorsin CFR, y la ordenada sea una nota subjetiva de una observacin particular de la SRC/CFR. Cada combinacin SRC/CFR (asociada a una nota de VQM particular) contiene una distribucin de las notas medi
22、as subjetivas, S, basada en una serie de observadores, que representa (aproximadamente), las probabilidades relativas de S para la combinacin SRC/CFR particular. La potencia de resolucin de una VQM puede definirse como la diferencia entre dos valores VQM para los que la distribucin correspondiente d
23、e notas subjetivas tenga valores medios que sean estadsticamente distintos entre s (tpicamente con un nivel de significacin de 0,95%). Dada esta imagen cualitativa, en este punto se describen dos mtricas para la potencia de reso-lucin, en la que cada una utiliza un contexto distinto. Las mtricas se
24、describen en los 2.3 y 2.4. Adems, en el 2.5 se describe un mtodo para evaluar las frecuencias de las distintas clases de errores cometidos por la VQM. Como ejemplo de implementacin de todos los mtodos, el Apn-dice 2 ofrece un cdigo fuente de computador en MATLAB (The Mathworks, Inc., Natick, MA). 2
25、.1 Nomenclatura y escalas de coordinacin Llamando a cada combinacin SRC/CFR en un conjunto de datos una situacin y N el nmero de situaciones en este conjunto de datos, una nota subjetiva de la situacin i y otorgada por el observador l se denominar Sil, y la nota objetiva de la situacin i se denomina
26、r Oi. El promedio a lo largo de una variable tal como la del observador se indicar con un punto en la posicin de dicha variable. Por ejemplo, la nota media de opinin de una situacin se denominar .iS Se han de evaluar las estadsticas de las notas subjetivas de cada par (i, j) de estas situaciones par
27、a entender el significado de la diferencia de las VQM y utilizarla a continuacin para llegar a una potencia de resolucin de la diferencia de las VQM, en funcin del valor de las VQM. Antes de cualquier anlisis estadstico se traspasan linealmente las notas medias de opinin subjetivas originales, iS al
28、 intervalo 0, 1, definido como escala comn, representando el 0 la falta de degradacin y el 1 la mxima degradacin. Si best (ptimo) indica el valor sin degradacin de la nota subjetiva original y worst ( peor) representa la degradacin mxima de la escala subjetiva original, las notas en escala, iSvienen
29、 dadas por: ptimopeorptimoSSii= A continuacin las notas de las VQM se transponen a su escala comn como subproducto del proceso de ajuste de las notas de las VQM a los datos subjetivos, lo que se examinar en el punto siguiente. 4 Rec. UIT-R BT.1676 2.2 Ajuste de valores de las VQM a datos subjetivos
30、El ajuste elimina las diferencias sistemticas entre la VQM y los datos subjetivos (por ejemplo, la deriva continua) que no ofrece ninguna informacin til de discriminacin de calidad. Adems, el ajuste de todas las VQM a una escala comn dar un mtodo para la calibracin mutua de dichas VQM. El mtodo ms s
31、encillo de ajuste de datos es la correlacin lineal y la regresin. Para las notas subjetivas de la calidad de la imagen, ste puede no ser el mtodo ptimo. La experiencia con otros conjuntos de datos de calidad de vdeo indica sistemticamente unos ajustes deficientes de la VQM a las notas subjetivas en
32、los extremos de las gamas. Este problema puede mejorarse dejando que el algoritmo de ajuste utilice mtodos no lineales si bien montonos (que mantienen el orden). Si se utiliza un buen modelo no lineal, los errores de dato objetivo a nota subjetiva sern ms pequeos y tendrn una tendencia central prxim
33、a a cero. Los mtodos no lineales pueden restringirse a la transformacin efectiva de la escala de la VQM a la escala comn 0, 1. Adems de mejorar el ajuste de los datos con una VQM, una curva de ajuste ofrece tambin una ventaja adicional respecto al ajuste de rectas que viene implcito en la escala nat
34、iva (es decir la escala original de la VQM): la distribucin de los errores de dato objetivo a nota subjetiva alrededor de la curva del modelo de ajuste depende menos de las notas de las VQM. Evidentemente, la transformacin no lineal puede no eliminar toda la dependencia respecto a las notas de los e
35、rrores de dato objetivo a nota subjetiva. Para tener en cuenta la dependencia residual, habra sido til en el caso ideal registrar el error entre dato objetivo y nota subjetiva en funcin del valor de la VQM. No obstante, los conjuntos de datos tpicos son demasiado pequeos para dividirlos entre grupos
36、 de VQM en una forma estadsticamente potente. Por tanto, tal como se aclarar en el 2.3, se calcula un tipo de promedio de la medicin en la gama de la VQM. La Fig. 1 muestra el ajuste mejorado del modelo a los datos obtenidos mediante la transformacin de las notas objetivas utilizando una funcin de a
37、juste. Puede verse que, adems de mejorar el ajuste de los datos con la VQM, la curva ofrece tambin una ventaja adicional respecto al ajuste de lnea recta que implica la escala nativa: la distribucin de los errores entre el modelo y los datos alrededor de la curva ajustada depende menos de las notas
38、de la VQM. A las notas objetivas originales (escala nativa) se le denominan Oi, y a las notas objetivas de la escala comn iO. Una funcin de ajuste F (dependiente de algunos parmetros del ajuste) conecta las dos. La funcin utilizada para ajustar los datos objetivos de la VQM (Oi) a los datos subjetiv
39、os de la escala )(iS tiene que contar con los tres atributos siguientes: un dominio especificado de validez que debe incluir la gama de los datos VQM para todas las situaciones utilizadas en la definicin de la mtrica de precisin; una gama especificada de validez, definida como la gama de notas de es
40、cala comn (una subgama de 0, 1) con la que se corresponde la funcin; y monotona (propiedad de ir estrictamente aumentando o estrictamente disminuyendo) a lo largo del dominio especificado de validez. Evidentemente, la funcin de ajuste debe tener la mxima utilidad como instrumento de calibracin mutua
41、 si es montona a lo largo de todo el dominio terico de las notas de la VQM, abarcase toda la escala comn subjetiva de 0 hasta 1 e hiciese corresponder a cero la nota de la VQM que Rec. UIT-R BT.1676 5 corresponda a una secuencia de vdeo perfecta (sin degradaciones y por tanto con distorsin nula). No
42、 obstante, este caso ideal puede no ser alcanzable con ciertas VQM y familias de funciones utilizadas para el ajuste. 1676-01FIGURA 1Ajuste mejorado de los datos a la VQM mediante la correspondencia de la VQM con la escala comn Escala nativa de VQMNotassubjetivasdelaescalacomn(100)DatosAjuste logsti
43、coUna posible familia de funciones de ajuste es el conjunto de polinomios de orden M. Otra es una funcin logstica que presenta la forma: )(1/eiidOcbaO += donde a, b, c, d y e son parmetros del ajuste. Una tercera posibilidad es una funcin logstica que adopta la forma: )(exp1)(/dOcabaOii+= en la que
44、a, b, c y d son parmetros del ajuste para c 0. Por conveniencia, a estas formas logsticas se les denomina Logstica I y Logstica II, respectivamente. El cdigo MATLAB del Apndice 2 es nicamente un ejemplo de ajuste polinmico. El Apndice 3 examina los posibles mtodos de ajuste 6 Rec. UIT-R BT.1676 de d
45、atos utilizando las funciones logsticas. La seleccin de una familia de funciones de ajuste (incluyendo una fijacin a priori de algunos de los parmetros) depende de las notas asintticas (la mejor y la peor) de la VQM particular. El nmero de grados de libertad utilizados por el proceso de ajuste se de
46、nomina D. Por ejemplo, si se utiliza un ajuste lineal, D = 2 pues se estiman dos parmetros libres en el procedimiento de ajuste. La funcin de ajuste que transforma la VQM objetiva en la escala comn se dice que facilita la comparacin por la industria de dos VQM. Una vez transformada a la escala comn,
47、 toda VQM puede ser calibrada con otra VQM mediante la escala comn. La representacin de la precisin de una VQM en una escala comn facilita las comparaciones entre las VQM. Adems, suponiendo que la potencia de resolucin en la escala comn no vara mucho con la nota de la VQM a la que se evala la potenc
48、ia de resolucin, dicha potencia de resolucin puede hacerse corresponder a travs de la inversa de la opcin logstica con la escala nativa. En esta ltima, la VQM de la escala comn genera una potencia de resolucin dependiente de la nota de la VQM. Un cuadro o una ecuacin que d dichas potencias de resolucin (una para cada nota de VQM en escala nativa) tendr un significado inmediato para los usuarios de la escala nativa. 2.3 MTRICA 1: Precisin de la VQM basada en el significado estadstico Se define una nueva medida cuantitativa de la p
copyright@ 2008-2019 麦多课文库（www.mydoc123.com）网站版权所有
备案/许可证编号：苏ICP备17064731号-1