Wyszukiwarka
Metody inteligentnego przetwarzania obrazów i sekwencji wideo bazujące na wskaźnikach jakości obrazu dla nowych zastosowań
Cel projektu dotyczył opracowania metod i algorytmów inteligentnego przetwarzania obrazów oraz sekwencji wideo bazujących na złożonych wskaźnikach jakości obrazu dla nowych zastosowań, uwzględniających specyfikę ludzkiego wzroku (ang. Human Visual System - HVS). Opracowanie szybkich metryk bezreferencyjnych (bez użycia obrazów referencyjnych) jest kluczowym elementem wielu praktycznych zastosowań. Pierwszym rezultatem jest opracowanie złożonych wskaźników jakości opartych na HVS, wytrenowanych lub zoptymalizowanych pod względem maksymalizacji korelacji rangowej Spearmana (SROCC) lub Pearsona (PCC) z ocenami subiektywnymi, zweryfikowanych dla kilku baz danych, w tym dla obrazów zawierających jednocześnie kilka rodzajów zniekształceń, oraz przetestowanych w różnych sytuacjach praktycznych dla nowych zastosowań. Dodatkowo, przedstawiono wnioski dotyczące możliwości zastosowania zaprojektowanych metryk w rozważanych aplikacjach. Kolejnym rezultatem jest opracowanie metod predykcji dla wielokanałowego przetwarzania obrazów z uwzględnieniem stopnia korelacji międzykanałowej, w szczególności dla filtracji i kompresji stratnej, a także dla niektórych innych zastosowań, np. oceny jakości powierzchni druku 3D, obrazów "zszywanych" (panoram), czy aplikacji teledetekcyjnych (ang. remote sensing).
Podczas wizyt dwustronnych nastąpiła wymiana oraz rozszerzenie uzupełniających się doświadczeń obu zespołów, w kierunku rozwoju nowych bezreferencyjnych metryk złożonych, które mogą być stosowane np. w automatycznej kontroli jakości produktów, w tym druku 3D, nadzorze wideo, rozwiązaniach ADAS, autonomicznych robotach i dronach, obrazowaniu medycznym i teledetekcji, umożliwiając ich docelowe wykorzystanie w wybranych systemach przemysłowych, prowadząc do ich zauważalnych udoskonaleń.
W szczególności, w ramach projektu opracowano następujące metody i wskaźniki jakości: złożone metryki oparte na wzajemnym podobieństwie strukturalnym do oceny jakości powierzchni wydruków 3D, uniwersalne złożone wskaźniki porównawcze (ang. full-reference) zoptymalizowane przy użyciu sieci neuronowych i metody Lasso, złożone odporne wskaźniki porównawcze i "ślepe" dla zastosowań teledetekcyjnych zoptymalizowane przy użyciu różnych podejść, złożone wskaźniki porównawcze dla obrazów zawierających jednocześnie kilka rodzajów zniekształceń, metody zapewnienia pożądanej jakości obrazów skompresowanych metodą BPG oraz inteligentną metodę kompresji stratnej kontrolowaną przy użyciu różnych wskaźników jakości obrazu.
Informacje szczegółowe
- Akronim projektu:
- NAWA ZUT-KhAI
- Program finansujący:
- Programy NAWA
- Instytucja:
- Narodowa Agencja Wymiany Akademickiej
- Porozumienie:
- PPN/BUA/2019/1/00074/U/00001 z dnia 2020-02-12
- Okres realizacji:
- 2020-01-01 - 2021-12-31
- Kierownik zespołu badawczego:
- prof. dr hab. inż. Krzysztof Piotr Okarma
- Członkowie zespołu:
-
- wykonawca dr inż. Piotr Lech
- wykonawca dr inż. Jarosław Fastowicz
- wykonawca dr inż. Wojciech Chlewicki
- Realizowany w:
- Wydział Elektryczny
- Instytucje zewnętrzne
biorące udział w projekcie: -
- National Aerospace University, "Kharkiv Aviation Institute" (KhAI), Charków (Ukraina)
- Wartość projektu:
- 23 700.00 PLN
- Typ zgłoszenia:
- Inny
- Pochodzenie:
- Projekt krajowy
- Weryfikacja:
- Brak weryfikacji
wyświetlono 9 razy