Методы объективной оценки качества цифровых телевизионных изображений для прикладного телевидения

Хилола Хайдаралиева; Шохижахон Суюнов

Vol. 3 No. 6 (2025), Articles

Vol. 3 No. 6 (2025)

Методы объективной оценки качества цифровых телевизионных изображений для прикладного телевидения

Articles

Published 2025-06-14

Хайдаралиева Хилола ⁺⁻
Суюнов Шохижахон ⁺⁻

Хайдаралиева Хилола

ассистент преподаватель Ташкентского университета Мухаммада Ал-Хоразмий

Суюнов Шохижахон

студент 3 курса Ташкентский университет информационных технологий имени Мухаммада Ал-Хоразмий

PDF

DOI

Keywords

прикладное телевидение, объективная оценка, качество изображения, цифровое видео, PSNR, SSIM, VIF, BRISQUE, NIQE, телемедицина, видеонаблюдение, образовательные трансляции.

How to Cite

Методы объективной оценки качества цифровых телевизионных изображений для прикладного телевидения. (2025). Journal of Science-Innovative Research in Uzbekistan, 3(6), 247-253. https://universalpublishings.com/index.php/jsiru/article/view/12518

Abstract

В данной научно-исследовательской работе рассматриваются методы объективной оценки качества цифровых телевизионных изображений, используемых в прикладных областях телевещания. В условиях, где телевизионный сигнал играет функциональную роль — например, в телемедицине, образовательных трансляциях, видеонаблюдении и правовой экспертизе — снижение качества изображения может привести к потере информации и снижению эффективности процесса. Проведено экспериментальное моделирование типичных искажений (размытие, шум, артефакты сжатия), с последующей оценкой чувствительности метрик PSNR, SSIM, VIF, BRISQUE и NIQE к этим искажениям. На основе полученных данных сделаны выводы о применимости указанных метрик в различных практических сценариях прикладного телевидения.

PDF

DOI

References

1. Wang, Z., Bovik, A. C., Sheikh, H. R., & Simoncelli, E. P. (2004). Image quality assessment: From error visibility to structural similarity.

2. Kundu, S., & Luthra, M. (2023). A review on objective image quality assessment metrics: From PSNR to deep learning. Multimedia Tools and Applications, 82(4), 11421–11455.

3. Laparra, V., Muñoz-Marí, J., & Malo, J. (2020). Perceptual image quality assessment using neural networks and natural scene statistics.

4. Li, Z., Zeng, H., Wang, S., & Ma, K. (2021). Blind image quality assessment with brain-inspired deep networks.

5. • • Zhou, B., Wang, Q., & Chen, Q. (2022). A hybrid no-reference quality assessment method based on visual perception characteristics. Signal Processing: Image Communication, 104, 116902.

6. Video Quality Experts Group (VQEG). (2021). Final Report on No-Reference and Hybrid Metrics for Video Quality Monitoring. [Online] https://www.vqeg.org

7. ITU-T Recommendation P.913. (2021). Methods for the subjective assessment of video quality, audio quality and audiovisual quality of Internet video and distribution quality television in multimedia applications. International Telecommunication Union.