TU Darmstadt / ULB / TUprints

Color-Image Quality Assessment: From Metric to Application

Preiss, Jens (2015)
Color-Image Quality Assessment: From Metric to Application.
Technische Universität Darmstadt
Ph.D. Thesis, Primary publication

[img]
Preview
Text
Preiss_PhD-Thesis.pdf
Copyright Information: CC BY-NC-ND 3.0 Unported - Creative Commons, Attribution, NonCommercial, NoDerivs.

Download (13MB) | Preview
Item Type: Ph.D. Thesis
Type of entry: Primary publication
Title: Color-Image Quality Assessment: From Metric to Application
Language: English
Referees: Urban, Dr. Philipp ; Dörsam, Prof. Edgar ; Goesele, Prof. Michael
Date: 2015
Place of Publication: Darmstadt
Date of oral examination: 17 December 2014
Abstract:

In digital imaging, evaluating the visual quality of images is a crucial requirement for most image-processing systems. For such an image quality assessment, mainly objective assessments are employed which automatically predict image quality by a computer algorithm. The vast majority of objective assessments are so-called image difference metrics which predict the perceived difference between a distorted image and a reference. Due to the limited understanding of the human visual system, image quality assessment is not straightforward and still an open research field. The majority of image-difference metrics disregard color information which allows for faster computation. Even though their performance is sufficient for many applications, they are not able to correctly predict the quality for a variety of color distortions. Furthermore, many image-difference metrics do not account for viewing conditions which may have a large impact on the perceived image quality (e.g., a large display in an office compared with a small mobile device in the bright sunlight). The main goal of my research was the development of a new image difference metric called improved Color-Image-Difference (iCID) which normalizes images to standard viewing conditions and extracts chromatic features. The new metric was then used as objective function to improve gamut mapping as well as tone mapping. Both methods represent essential transformations for the reproduction of color images. The performance of the proposed metric was verified by visual experiments as well as by comparisons with human judgments. The visual experiments reveal significant improvements over state-of-the-art gamut-mapping and tone-mapping transformations. For gamut-mapping distortions, iCID exhibits the significantly highest correlation to human judgments and for conventional distortions (e.g., noise, blur, and compression artifacts), iCID outperforms almost all state-of-the-art metrics.

Alternative Abstract:
Alternative AbstractLanguage

Die Bewertung der visuellen Qualität von Bildern in der digitalen Bildverarbeitung ist eine entscheidende Voraussetzung für die meisten bildverarbeitenden Systeme. Für eine solche Bewertung der Bildqualität werden hauptsächlich objektive Bewertungen, welche automatisch die Bildqualität durch einen Computeralgorithmus voraussagen, verwendet. Die große Mehrheit der objektiven Bewertungen sind sogenannte Bildabstandsmetriken. Diese sagen den wahrgenommenen Unterschied zwischen einem verzerrtem Bild und einer Referenz voraus. Aufgrund des beschränkten Verständnisses des menschlichen visuellen Systems ist die Bewertung der Bildqualität kompliziert und noch immer ein offenes Forschungsfeld. Die Mehrheit der Bildabstandsmetriken vernachlässigt Farbinformationen, was schnellere Berechnungen zulässt. Auch wenn ihre Leistungsfähigkeit für viele Anwendungen ausreichend ist, sind die Metriken nicht in der Lage, die Qualität für eine Vielfalt an Farbverzerrungen korrekt vorauszusagen. Viele Bildabstandsmetriken berücksichtigen außerdem nicht die Betrachtungsbedingungen, welche einen großen Einfluss auf die wahrgenommene Bildqualität haben können (z. B. ein großer Bildschirm in einem Büro verglichen mit einem kleinen Mobilgerät im hellen Sonnensschein). Das Hauptziel meiner Forschung war die Entwicklung einer neuen Bildabstandsmetrik, genannt iCID, die Bilder auf Standardbetrachtungsbedingungen normalisiert und chromatische Merkmale extrahiert. Die neue Metrik wurde dann als Zielfunktion eingesetzt, um sowohl Gamut-Mapping als auch Tone-Mapping zu verbessern. Beide Methoden stellen wesentliche Transformationen zur Farbbildwiedergabe dar. Die Leistungsfähigkeit der vorgeschlagenen Metrik wurde durch visuelle Experimente als auch durch Vergleiche mit subjektiven Beurteilungen bestätigt. Die visuellen Experimente offenbaren signifikante Verbesserungen gegenüber hochmodernen Gamut-Mapping- und Tone-Mapping-Transformationen. iCID weist für Gamut-Mapping-Verzerrungen die signifikant höchste Korrelation zu subjektiven Beurteilungen auf und übertrifft für konventionelle Verzerrungen (z. B. Rauschen, Unschärfe und Kompressionsartefakte) fast alle hochmodernen Metriken.

German
Uncontrolled Keywords: Color Science, Image Processing, Image Quality, Gamut Mapping, High-Dynamic-Range Imaging
Alternative keywords:
Alternative keywordsLanguage
Farbwissenschaft, Bildverarbeitung, BildqualitätGerman
URN: urn:nbn:de:tuda-tuprints-43890
Classification DDC: 000 Generalities, computers, information > 004 Computer science
600 Technology, medicine, applied sciences > 620 Engineering and machine engineering
Divisions: 16 Department of Mechanical Engineering
16 Department of Mechanical Engineering > Institute of Printing Science and Technology (IDD)
Date Deposited: 09 Feb 2015 10:41
Last Modified: 09 Jul 2020 00:52
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/4389
PPN: 354822403
Export:
Actions (login required)
View Item View Item