Kör (referanssız) görüntü kalite değerlendirmesine dayalı istatistiksel özellikler

Günlük hayatta neden resim kalitesi önemlidir

Görüntülü görüşmelerden tıbbi taramalara kadar dünyamız dijital görüntülere dayanır. Ancak bu görüntüler sık sık sıkıştırılır, iletilir veya filtrelenir; bunlar gördüğümüz şeyleri sessizce bozabilir. Bir yayın hizmeti, kamera uygulaması veya hastane sistemi bir görüntüyü nasıl saklayacağına veya düzelteceğine karar vermeden önce, mükemmel bir “orijinal” bulunmasa bile o görüntünün insan gözünde ne kadar iyi göründüğünü hızla değerlendirebilecek bir yola ihtiyaç duyar. Bu çalışma, hem verimli hem de gözlerimizin ışığa ve kontrasta yanıt verme biçimiyle yakın ilişkili yeni bir görüntü kalite skorlama yöntemi sunar.

Mükemmel bir referans olmadan kaliteyi kontrol etmek

Mühendisler genellikle bozulmuş bir resmi kusursuz bir orijinalle karşılaştırarak, ortalama kare hata veya tepe sinyal-gürültü oranı gibi basit farklar hesaplayarak görüntü kalitesini ölçerler. Bu sayılar hesaplaması kolaydır ancak sıklıkla insan görüşüyle uyuşmaz: küçük değişiklikler görünmez olabilir, bazı bölgeler diğerlerinden daha önemlidir ve her değişiklik hasar gibi görünmeyebilir. Fotoğraf kütüphaneleri veya canlı video akışları gibi birçok gerçek sistemde orijinal sürüm eksiktir; bu nedenle görev “kör” kalite değerlendirmesi haline gelir: karşılaştırılacak bir referans olmadan tek bir, bağımsız görüntünün ne kadar iyi göründüğüne karar vermek.

Standartı doğal sahnelerin belirlemesine izin vermek

BIQABSF adını taşıyan yeni yöntem, sıradan doğal dünya fotoğraflarının sabit istatistiksel desenleri paylaştığı fikri üzerine kuruludur. Bulanıklık, gürültü veya sert sıkıştırma gibi bozulmalar bu desenleri karakteristik biçimlerde bozar. BRISQUE gibi daha önceki araçlar, görüntünün yerel bölgelerindeki parlaklık değerlerini normalize edip yaklaşık çan eğrisi şeklini almasını sağlayarak bunu yakalamaya çalıştı. Ancak BRISQUE, bu normalize edilmiş değerlerin tam olarak sıfır etrafında merkezlendiğini varsayar; oysa gerçek fotoğraflarda bu ideal her zaman geçerli değildir ve bu da tahminleri daha az doğru kılabilir.

Ham parlaklık yerine kontrast üzerinden görmek

BIQABSF, insan görüşüne daha iyi uyması için iki önemli değişiklik getirir. Birincisi, doğrudan parlaklıkla çalışmak yerine her pikseli, tüm görüntüye göre ne kadar daha parlak veya daha koyu olduğuna karşılık gelen bir log kontrast değerine dönüştürür. Gözlerimiz ışığa kabaca logaritmik bir şekilde yanıt verdiğinden bu dönüşüm matematiği algıyla hizalar ve sahnenin mutlak aydınlanmasına olan bağımlılığı ortadan kaldırır. Ardından, görüntünün her küçük komşuluğunda yöntem lokal ortalamayı çıkarıp yerel değişime böler; böylece pikseller arasında çok daha az korelasyonlu ve istatistiksel olarak modellenmesi daha kolay bir yerel normalize kontrast alanı elde edilir.

Hassas istatistiksel izleri yakalamak

Bu normalize edilmiş kontrast haritası oluşturulduktan sonra yazarlar değerlerin görüntü genelinde nasıl dağıldığını inceler. Dağılımı mükemmel şekilde sıfır etrafında simetrik olmaya zorlamak yerine, gerçek görüntülerin sık sık hafifçe bir yöne eğilim gösterdiğini yakalayan daha esnek, kayma ve çarpıklığı içerebilen bir eğri ailesi uydururlar. Ayrıca yatay, dikey ve çapraz çiftler gibi farklı yönlerde komşu kontrast değerlerinin nasıl etkileştiğine bakarlar. Bu uyumlamalardan, verinin şekli, yayılımı ve asimetrisi hakkında iki farklı ölçekte özetleyen kompakt bir sayısal özellik kümesi çıkarırlar. Bu özellikler daha sonra, tipik bir izleyicinin görüntü kalitesini nasıl değerlendireceğini tahmin etmek üzere insan görüş puanlarıyla eğitilmiş bir destek vektör regresyon modeline beslenir.

Yöntemi teste koymak

Ekip, BIQABSF’yi bulanıklık, gürültü, sıkıştırma artefaktları ve diğer bozulmalarla kötüleştirilmiş binlerce görüntünün insan gönüllüler tarafından zaten puanlandığı birkaç büyük, iyi bilinen görüntü veritabanında değerlendirdi. Dört veri kümesi genelinde yeni yöntem, “referanssız” yaklaşımlar arasında istikrarlı bir şekilde üst sıralarda yer aldı; çoğu zaman modern derin öğrenme sistemleriyle eşleşti veya onları geride bıraktı ve çok daha az hesaplama kullandı. Ayrıca, bir veritabanında eğitilip farklı bozulma karışımlarına sahip başka bir veritabanında test edildiğinde de iyi genelleşti; bu da kontrast tabanlı istatistiklerinin gerçek dünya görüntülerinin temiz veya hasarlı olduğunda nasıl göründüğüne dair temel bir şeyi yakaladığını düşündürür.

Günlük teknoloji için bunun anlamı

Basitçe ifade etmek gerekirse, çalışma bir görüntüde kontrastın nasıl davrandığına bakarak ve onun düzgün bir çan eğrisinden küçük sapmalarını modelleyerek, bir bilgisayarın orijinali hiç görmeden o görüntünün insanlara ne kadar iyi görüneceğini tahmin edebileceğini gösterir. BIQABSF kompakt, hızlı ve yorumlanabilir olduğundan; akış video kalitesinin izlenmesi, telefonlardaki kamera ayarlarına rehberlik etme veya teşhis öncesi düşük kaliteli tıbbi görüntüleri işaretleme gibi pratik rollere uygundur. Çalışma, gözlerimizin çalışma biçimine dayanan dikkatlice tasarlanmış istatistiksel özelliklerin, gerçek dünyada görüntü kalitesini değerlendirmede hâlâ ağır sinir ağlarıyla yarışabileceğini öne sürer.

Atıf: Ji, W., Chen, X. Blind image quality assessment based on statistical features. Sci Rep 16, 14756 (2026). https://doi.org/10.1038/s41598-026-42799-z

Anahtar kelimeler: görüntü kalitesi, kör değerlendirme, doğal sahne istatistikleri, kontrast özellikleri, bilgisayarlı görme