search query: @keyword image quality / total: 17
reference: 4 / 17
Author: | Asikainen, Reijo |
Title: | Quality Analysis of a Printed Natural Reference Image |
Painetun luonnollisen referenssikuvan laatuanalyysi | |
Publication type: | Master's thesis |
Publication year: | 2010 |
Pages: | vii + 93 s. + [21] Language: eng |
Department/School: | Elektroniikan, tietoliikenteen ja automaation tiedekunta |
Main subject: | Viestintätekniikka (AS-75) |
Supervisor: | Oittinen, Pirkko |
Instructor: | Halonen, Raisa |
Electronic version URL: | http://urn.fi/URN:NBN:fi:aalto-201203131453 |
OEVS: | Electronic archive copy is available via Aalto Thesis Database.
Instructions Reading digital theses in the closed network of the Aalto University Harald Herlin Learning CentreIn the closed network of Learning Centre you can read digital and digitized theses not available in the open network. The Learning Centre contact details and opening hours: https://learningcentre.aalto.fi/en/harald-herlin-learning-centre/ You can read theses on the Learning Centre customer computers, which are available on all floors.
Logging on to the customer computers
Opening a thesis
Reading the thesis
Printing the thesis
|
Location: | P1 Ark Aalto 648 | Archive |
Keywords: | reference image image quality print quality inkjet test colors subjective quality objective quality photo aesthetics computed quality attributes visual quality index referenssikuva kuvanlaatu painatuslaatu mustesuihku testivärit subjektiivinen laatu objektiivinen laatu valokuvan estetiikka lasketut laatuattribuutit visuaalinen laatumalli |
Abstract (eng): | This thesis was contributed to study the image quality properties of printing papers. The main goal was to produce an automatic, objective software system for predicting human opinion on the print quality of papers. To reach this goal, the project was divided into four phases: the development of a reference image for image quality evaluation, the assessment of subjective print quality from the reference image, the programming of quality analysis software for quality attributes, and the construction of a single grade for print quality, visual quality index (VQI). Four low-level quality attributes were studied: colorfulness, contrast, sharpness, and noise. Only inkjet printing technology was covered. In the first phase, a natural reference image was developed for subjective and objective image quality testing. Focus was placed not only on quality aspects, but also on the high-level properties of the image, i.e. naturalness, balance, and aesthetical expression. Furthermore, presenting a unique feature for a reference image of this kind, seven GretagMacbeth test colors were implemented into natural objects in the image. During later phases, subjective tests were arranged to gather the subjective reference data of print quality for software development with Matlab. Finally, the computed quality attribute scores were combined with statistical regression analysis into a single grade for the print quality of papers, VQI, accompanied with individual regression models for the quality attributes. The outcome of the software development was three functional and statistically accurate Matlab implementations, i.e. for colorfulness, contrast, and noise, complemented with a color difference method. The implementation of the VQI was successful as well, showing remarkably strong goodness measures. However, the generalization of the regression models was compromised by the strong cross-attribute similarity of the subjective reference data, eventually preventing the feasibility of the models in real world applications. Other issues requiring attention included handling the high colorfulness of the reference image and optimizing the software to the print context. |
Abstract (fin): | Tämän diplomityön tarkoituksena oli tutkia paperin vaikutusta koettuun kuvanlaatuun. Päätavoitteeksi asetettiin automaattisen, objektiivisen ohjelmistojärjestelmän kehittäminen ennustamaan ihmisen arviota paperin kuvanlaatuominaisuuksista. Tutkimusprojekti koostui neljästä vaiheesta: testikuvan suunnittelusta kuvanlaadun tutkimukseen, subjektiivisen kokonaislaadun ja laatuattribuuttien arvioinnista testikuvasta, ohjelmiston kehittämisestä ennustamaan laatuattribuutteja sekä visuaalisen laatumallin muodostamisesta ilmaisemaan kokonaislaatua yhdellä laatuarvosanalla. Tutkimuksessa käsiteltiin neljää laatuattribuuttia: värikkyyttä, kontrastia, terävyyttä ja kohinaa. Painatusmenetelmänä käytettiin mustesuihkutulostusta. Ensimmäisessä vaiheessa luotiin luonnollinen referenssikuva kuvanlaadun subjektiivista ja objektiivista arviointia varten. Suunnittelussa painotettiin laatuominaisuuksien lisäksi korkean tason ominaisuuksia, kuten luonnollisuutta, tasapainoa, ja esteettistä vaikutelmaa. Erityispiirteenä kuvaan lisättiin seitsemän GretagMacbeth testiväriä, jotka sisällytettiin kuvassa sijaitseviin luonnollisiin esineisiin. Seuraavassa vaiheessa suoritettiin subjektiivinen testaus ihmisen visuaalisen laatuarvion mittaamiseksi, josta saatuja laatuattribuuttien referenssiarvoja käytettiin objektiivisten laatumittojen suunnittelussa Matlab-ohjelmistolle. Lopuksi kehitetyt laatumitat yhdistettiin tilastollisen regressioanalyysin avulla yhdeksi arvosanaksi paperin kokonaislaadusta, ns. visuaaliseksi laatumalliksi. Myös laatuattribuuteille muodostettiin regressiomallit. Tutkimuksen tuloksena luotiin toimivat ja tilastollisesti tarkat objektiiviset mitat kolmelle laatuattribuutille: värikkyydelle, kontrastille ja kohinalle. Lisäksi kehitettiin mitta värivirheen laskentaan. Myös visuaalisen laatumallin toteutuksessa onnistuttiin hyvin, ja kaikkien regressiomallien selitysasteet olivat tilastollisesti korkeita. Subjektiivisten arvosanojen samankaltaisuus laadun ja laatuattribuuttien välillä johti kuitenkin ongelmiin regressiomallien yleistämisessä, mistä johtuen mallien käyttöä ei voitu suositella reaalimaailman sovelluksissa. Erityistä paneutumista vaativat myös testikuvan suuri värikkyys sekä ohjelmallisten laatumittojen optimointi paperi- ja painatusympäristöön. |
ED: | 2010-08-13 |
INSSI record number: 40095
+ add basket
INSSI