개선된 인지적인 구조 유사도 기반 이미지 품질 평가에 관한 연구

Abstract

현재까지 인간 시각 체계를 정확하게 반영하기 위한 이미지 평가 기법에 대한 연구가 많이 이루어져 오고 있다. SSIM (Structural Similarity Index)은 인간의 시각 체계가 이미지의 구조적 정보에 예민하다는 점을 이용하여 구조적 정보를 이용하여 이미지를 평가하는 대표적인 인간 시각 체계를 만족시키는 평가 기법이다. 하지만 SSIM으로 대표되는 기존의 이미지 품질 평가 기법들은 크게 두 가지 문제를 갖고 있다. 첫 번째로 SSIM은 이미지의 색 차이를 반영하지 못하는 문제가 있다. 이러한 문제를 해결하기 위해, HSI 색 공간을 활용한 SHSIM (Hue, Saturation, Intensity)기법이 제안되었으나 이 기법 또한 두 컬러 이미지 간 인지적인 색 차이를 충분히 반영하지는 못하고 있다. 본 논문에서는 CIE Lab 색 공간을 도입하여 대응 되는 픽셀들의 인지적 색 차이를 계산하여 이미지 평가에 활용하는 방법을 제안한다. 다음으로는 실제 이미지의 왜곡 정도와 모델에 의한 평가 결과값들의 관계를 비교해 보았을 때, 평가 결과 값들이 왜곡 종류에 대해 편향된다는 문제가 있다. 이문제를 해결하기 위해 SVM (Support vector machine) 분류기를 활용하여 이미지를 왜곡 종류에 따라 분류하고 각각에 최적의 평가 수식을 적용함으로써 성능을 개선하는 최적화 시스템을 제안한다. 한편, 이러한 기법들은 인간의 실제 판단 결과를 고려하지는 않기 때문에 인간 시각 체계를 반영하는 데에 한계가 있다. 이러한 한계를 극복하기 위해 본 논문에서는 기계학습 기법 중 하나인 SVR (Support vector regression)을 이용하여 실제 판단 결과 정보들과 함께 학습시켜 이미지의 품질을 예측하는 새로운 기법을 제안한다. 이미지의 구조적인 특징들을 위상 패턴과 인지적 색 차이로 표현하고 이 특징 정보들을 기계학습 시켜 컴퓨터로 하여금 인간의 시각에 가까운 판단을 할 수 있도록 하였다. 제안하는 기법들을 평가하기 위해, 이미지 평가 분야에서 가장 많이 알려진 데이터베이스들을 사용하였으며 네 종류의 평가 기준들을 이용하였다. 실험 결과에서는 제안하는 기법이 다른 기법들보다 인간 시각 체계와 더 상관성이 높다는 것을 보여줌으로써 성능을 입증하였다.