Détail de l'auteur
Auteur T. Royer |
Documents disponibles écrits par cet auteur (1)
Ajouter le résultat dans votre panier Affiner la recherche Interroger des sources externes
Influence of image characteristics on image quality / T. Royer (2010)
Titre : Influence of image characteristics on image quality Type de document : Mémoire Auteurs : T. Royer, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2010 Importance : 64 p. Format : 21 x 30 cm Note générale : Bibliographie
Internship report IT3Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] aide à la décision
[Termes IGN] caractérisation
[Termes IGN] contraste de couleurs
[Termes IGN] contraste local
[Termes IGN] détection de contours
[Termes IGN] fonction de transfert de modulation
[Termes IGN] intensité lumineuse
[Termes IGN] luminance lumineuse
[Termes IGN] qualité d'image
[Termes IGN] saturation de la couleur
[Termes IGN] texture d'imageIndex. décimale : MX Mémoires divers Résumé : (Auteur) Les caractéristiques d'images (ICs) peuvent être définies comme étant tous les paramètres ou propriétés qui permettent la description d'une image (luminosité, chromaticité, contenu, ...). L'étude de ces ICs est intéressante en ceci que ces dernières influencent directement la qualité de l'image après traitement. En effet, il a été prouvé que le choix du type de traitement d'image était dépendant de l'image traitée. Une étude approfondie des ICs devrait pouvoir permettre de choisir la méthode la plus appropriée et donc d'améliorer la qualité de l'image après traitement. Dans un second temps, les ICs pourraient ainsi être utilisées pour développer des outils de décision permettant de faciliter les choix qu'a à faire un utilisateur au moment du processing. Le but de ce rapport est de proposer une sélection des ICs les plus importantes et de trouver des méthodes pour les mesurer. Afin d'atteindre ce but, toutes les ICs ont été classées en quatre catégories : les ICs peuvent ainsi être des attributs d'image, elles peuvent aussi définir la structure de l'image ou son type. Elles peuvent aussi être classées comme étant des restrictions. Une expérience en environnement non contrôlé a été mise en place à travers un site web afin de demander à un maximum d'observateurs de noter un échantillon d'image en fonction des différentes ICs proposées. Les résultats de cette expérience ont été comparés avec les résultats obtenus par des algorithmes afin d'étudier la possibilité de prédire les notes des observateurs sans avoir à conduire une expérience psychophysique. La comparaison de ces résultats montre que certaines ICs sont plus difficiles à noter pour les observateurs (Edges) et que ces mêmes ICs donnent de moins bonnes corrélations entre les résultats des observateurs et ceux donnés par les algorithmes. Ce rapport montre aussi que l'on peut prédire de manière assez certaine grâce à des algorithmes les classements des observateurs. On obtient, en effet, des précisions supérieures à 0,8 (le plus haut étant 1) pour certaines ICs (Dominant color, Colorfulness, Lightness). La dernière partie de ce rapport montre comment les résultats obtenus au cours de cette expérience pourraient être utilisés en parallèle avec les outils de mesure de qualité d'image afin de développer un outil d'aide à la décision pour améliorer le traitement des images. Note de contenu : 1 Introduction
2 State of the art
21 Image Characteristics classification
22 Gamut Mapping
23 Memory Color
24 Image structure
25 Image Quality Metrics
26 Black Point Compensation
27 Halftoning
28 Modulation Transfer Function
3 Review and selection of Image Characteristics
31 Image Characteristics review
311 Image Characteristics listing
312 Image Characteristics classification
32 Image Characteristics selection
321 Images attributes
322 Images structures
323 Images type
324 Restriction
325 Proposed selection
4 Experiment
41 Experimental environment
42 Images presentation
43 Image Characteristics selection
44 Website realization
45 Instructions
46 Pre-experiment
47 Observers selection
48 Experiment with experts
5 Result of experiments
51 Classification made by observers
52 Discussion on expert results
53 Comparison between the online experiment the controlled experiment
6 Data processing
61 Dominant color
611 X-Mean algorithm
612 Color segmentation algorithm
613 Threshold algorithm
62 Colorfulness
621 Hasler algorithm
622 Cui algorithm
63 Lightness
631 Mean lightness algorithm
632 Highest occurrence algorithm
64 Details
641 Kurtosis algorithm
642 Busyness algorithm
643 Combination of Kurtosis and Busyness algorithms
65 Edges
651 Kurtosis algorithm
652 Color total variation algorithm
7 Comparison between the results of algorithm and the online experiment
71 Dominant color
72 Details
73 Lightness
74 Colorfulness
75 Edges
8 Analyze the influence of ICs on prints quality
81 Dominant Color
9 Conclusion
10 Further workNuméro de notice : 10913 Affiliation des auteurs : IGN (1940-2011) Thématique : IMAGERIE Nature : Mémoire de fin d'études IT Organisme de stage : Gjovik University College en Norvège Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=49417 Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 10913-01 MX Livre Centre de documentation En réserve Mezzanine Disponible