Hazine ve Maliye Bakanlığı Bünyesinde Yapılan Çalışmalar ve

Usualmente um telespectador est´a interessado em assistir a uma representa¸c˜ao bidimensional do mundo real com a maior fidelidade poss´ıvel. Os sinais de v´ıdeo est˜ao sujeitos a degrada¸c˜oes na sua capta¸c˜ao, processamento, armazenagem e

transporte. Nos sinais de v´ıdeo composto usados em televis˜ao anal´ogica s˜ao inseridas distor¸c˜oes lineares e invariantes no tempo ao longo destas etapas, per- mitindo a utiliza¸c˜ao de um conjunto de testes muito bem definidos e amplamente aceitos pela comunidade. Medidas em termos de amplitude, freq¨uˆencia e fase caracterizam de forma completa este tipo de sinal e suas distor¸c˜oes [47].

A recomenda¸c˜ao ITU-R BT1204, 1995 [48] define as t´ecnicas, sinais de teste e metodologias usadas para caracterizar estes sinais anal´ogicos. Medidas como rela¸c˜ao sinal-ru´ıdo (S/N), ganho diferencial (DG), ganho de fase (DP), carac- ter´ısticas impulsivas (K2T e P/B) e linearidade da componente de luma s˜ao es- pecificadas nesta recomenda¸c˜ao e s˜ao utilizadas para caracterizar sinais de v´ıdeo no dom´ınio anal´ogico com muita precis˜ao.

Com a introdu¸c˜ao de novas t´ecnicas digitais para processamento e compress˜ao de sinais de v´ıdeo, estas medidas deixaram de ser suficientes para caracterizar as novas formas de distor¸c˜ao inseridas. Segundo Wang et al., 2003 [49]: “Um sinal de v´ıdeo ou imagem cuja qualidade est´a sendo avaliada pode ser entendido como a soma entre um sinal de referˆencia perfeito e um sinal de erro”. Tendo isto em mente, a forma mais intuitiva de se medir a qualidade de sinal de v´ıdeo seria quantificar o erro que est´a inserido neste sinal. Esta tarefa seria ainda mais simples no caso da avalia¸c˜ao de v´ıdeo completamente referenciada, j´a que o sinal de referˆencia est´a dispon´ıvel.

Segundo Jayant e Noll, 1984 [50]: “A avalia¸c˜ao da fidelidade ou do grau de degrada¸c˜ao que um determinado sistema causa em um sinal de v´ıdeo pode ser feita de forma objetiva ou de forma subjetiva”. A avalia¸c˜ao subjetiva envolve um certo n´umero de pessoas em ambiente controlado, seguindo determinada metodologia e conduzido por especialistas com bastante experiˆencia neste tipo de atividade. A avalia¸c˜ao objetiva ´e realizada de forma autom´atica e pressup˜oe um algoritmo realizando medi¸c˜oes de certas caracter´ısticas do sinal de v´ıdeo, resultando em

uma medida de qualidade.

2.6

Avalia¸c˜ao Subjetiva

Neste tipo de avalia¸c˜ao as cenas a serem avaliadas s˜ao apresentadas para um painel de observadores, que julgam a qualidade das cenas apresentadas sob determinados aspectos bem definidos, em certas condi¸c˜oes tamb´em definidas pre- viamente de acordo com a aplica¸c˜ao. A ITU define, atrav´es da recomenda¸c˜ao ITU-R BT.500-11, cinco metodologias b´asicas para avalia¸c˜ao subjetiva de quali- dade para televis˜ao de defini¸c˜ao padr˜ao - SDTV:

• Metodologia 1:

– DSIS (Double-Stimulus Impairment Scale) usada principalmente para medir a robustez de sistemas, ou seja, para caracterizar falhas de trans- miss˜ao;

• Metodologia 2:

– DSCQS (Double-Stimulus Continuous Quality-Scale) usada principal- mente para medi¸c˜ao da degrada¸c˜ao causada por sistemas em rela¸c˜ao a uma referˆencia;

• Metodologias alternativas: – SS (Single Stimulus);

– SSCQE (Single Stimulus Continous Quality Evaluation) usada quando se deseja avaliar subjetivamente uma cena sem considerar uma re- ferˆencia;

– SDSCE (Simultaneous Double-Stimulus for Continuous Evaluation) usada para avalia¸c˜oes onde cenas de longa dura¸c˜ao s˜ao requeridas.

Para aplica¸c˜oes em televis˜ao de alta defini¸c˜ao (HDTV), videoconferˆencia e aplica¸c˜oes em multim´ıdia, outros grupos da ITU descrevem suas pr´oprias meto- dologias de avalia¸c˜ao. Pinson e Wolf realizaram em 2003 uma compara¸c˜ao entre estas metodologias, verificando a sensibilidade de cada uma delas para determi- nadas aplica¸c˜oes, concluindo que, entre outros aspectos, para avalia¸c˜oes usando duplo est´ımulo (como a metodologia DSCQS) a dura¸c˜ao de 15 segundos ´e um fator limitante devido ao efeito de mem´oria dos avaliadores [51].

Para avalia¸c˜ao da qualidade dos sinais de televis˜ao digital completamente referenciada ´e de particular interesse a metodologia DSCQS, na qual pares de cenas com curta dura¸c˜ao de tempo, tipicamente 10 segundos, s˜ao apresentadas a um painel de telespectadores, que atribuem notas a cada cena do par. Usando t´ecnicas bem definidas para a prepara¸c˜ao do ambiente, escolha dos indiv´ıduos, execu¸c˜ao dos experimentos e compila¸c˜ao dos resultados, esta metodologia de ava- lia¸c˜ao apresenta resultados de forma consistente e bem definida. No Apˆendice B est´a detalhado como foi conduzida a avalia¸c˜ao subjetiva pelo grupo FR-TV do VQEG, cujos resultados foram utilizados neste trabalho.

Embora a avalia¸c˜ao da qualidade de sinais de v´ıdeo em acordo com a per- cep¸c˜ao do telespectador esteja definida pela recomenda¸c˜ao ITU-R-BT.500-11, no- vas formas de avalia¸c˜ao considerando o sinal digital comprimido tˆem sido desen- volvidas com base nas trˆes principais t´ecnicas de an´alise da qualidade de imagem para v´ıdeo digital [3]:

• Utilizar sinais de v´ıdeo dinˆamico sint´etico para medi¸c˜ao das distor¸c˜oes cau- sadas pela compress˜ao do sinal;

• Efetuar medidas de distor¸c˜ao para determinar o quanto o sinal original foi distorcido;

correlacionar com a qualidade subjetiva da imagem [52] [53].

2.7

Avalia¸c˜ao Objetiva

Uma vez que se disp˜oe do par de cenas original e processada, os m´etodos de avalia¸c˜ao objetiva completamente referenciada (FR) geralmente efetuam a compara¸c˜ao das cenas imagem por imagem, extraindo caracter´ısticas que possam representar o efeito causado pelo processamento na mesma medida em que o sistema visual humano os percebe. A Figura 15 foi adaptada de [24] e mostra um diagrama geral para obten¸c˜ao de uma medida objetiva da qualidade do sinal de v´ıdeo completamente referenciada.

Pré- processamento (alinhamento tempo/espaço) Decomposição, normalização e mascaramento de erros Filtragem (Função de Sensibilidade ao Contraste) Contagem final e soma dos erros Sinal degradado Sinal de referência Medida de qualidade

Figura 15: Diagrama simplificado para obten¸c˜ao de uma medida objetiva de qualidade do sinal de v´ıdeo completamente referenciada

Neste diagrama o primeiro passo ´e o pr´e-processamento dos sinais de entrada para eliminar poss´ıveis desalinhamentos entre os sinais em termos espacial (des- locamento horizontal e/ou vertical de todos os pixels de um quadro em rela¸c˜ao ao mesmo quadro do sinal de v´ıdeo de referˆencia) e temporal (atraso de um sinal em rela¸c˜ao ao outro). Na etapa seguinte ´e feito um mascaramento utilizando fun¸c˜oes de acordo com as caracter´ısticas do sistema visual humano como sensibilidade ao contraste, persistˆencia visual e adapta¸c˜ao ao brilho, descritos na Se¸c˜ao 2.1 deste trabalho.

2.7.1

Modelos da ITU

O objetivo do trabalho realizado pelo grupo do VQEG respons´avel por ava- lia¸c˜ao FR em SDTV foi definir e padronizar as correla¸c˜oes entre a avalia¸c˜ao subjetiva da qualidade de v´ıdeo e propostas para a avalia¸c˜ao objetiva da quali- dade de v´ıdeo proveniente de v´arios laborat´orios. Para avalia¸c˜ao objetiva usando referˆencia total (FR) em televis˜ao com defini¸c˜ao padr˜ao - SDTV, o VQEG exe- cutou duas avalia¸c˜oes distintas, denominadas fase I e fase II. Na primeira fase o VQEG analisou 10 diferentes propostas de algoritmos para avalia¸c˜ao objetiva da qualidade de v´ıdeo e, na segunda fase, 6 propostas foram avaliadas. Em 2000, o VQEG disponibilizou o primeiro relat´orio final da primeira fase sobre a valida¸c˜ao de modelos objetivos para avalia¸c˜ao de qualidade de v´ıdeo, concluindo que ne- nhum dos modelos propostos superou de forma relevante a tradicional medida PSNR em todos os aspectos, demandando uma nova fase de testes [4].

Em 2003 foi disponibilizado o relat´orio final da segunda fase, na qual o VQEG aprimorou os testes realizados e selecionou 6 modelos, sugerindo a possibilidade de inclus˜ao em normativas da ITU, visto que as medidas usando PSNR foram superadas estatisticamente [5]. Em 2004 a ITU publicou a recomenda¸c˜ao ITU- R BT.1683, na qual foram descritos os quatro modelos aprovados para imple- menta¸c˜ao [6]:

• BTFR (British Telecommunication Full Reference) • EPSRN (Edge Peak Signal to Noise Ratio)

• CPqDIES (Centro de Pesquisa e Desenvolvimento: Image Evaluation based on Segmentation)

• NTIAVQM (National Telecommunications and Information Administra- tion: V´ıdeo Quality Metric)

A seguir ser˜ao apresentados os trˆes algoritmos de avalia¸c˜ao objetiva usando re- ferˆencia total que foram utilizados neste trabalho, o PSNR, SSIM e o S-CIELAB.

2.7.2

PSNR

´

E a rela¸c˜ao sinal-ru´ıdo de pico entre duas imagens e pode ser definida a partir de seu erro m´edio quadr´atico calculado pixel a pixel. Sejam duas imagens f e g definidas em um sub-dom´ınio de Z2_{, representadas pelo espa¸co de cores L:}

f, g : Z2−→ L (2.17)

Considerando que as imagens f e g possuem tamanho MxN, tem-se que:

f, g : M xN −→ L (2.18)

Considerando o espa¸co de cores representado por 256 n´ıveis de cinza, ou seja, 8 bits, tem-se:

f, g : [0, 1, . . . , M − 1]x[0, 1, . . . , N − 1] −→[0, 1, . . . , 255] (2.19) Desta forma, pode-se definir df,g como sendo o erro m´edio quadr´atico entre as

imagens f e g, assim: df,g = 1 M N M −1 X i=0 N −1 X j=0 (f (i, j) − g(i, j))2 (2.20)

E a rela¸c˜ao sinal-ru´ıdo de pico entre as imagens f e g, expressa em dB ´e dada por:

Pf,g = 10 log10

2552

df,g

(2.21) Para duas cenas contendo um total de T imagens cada, a mesma defini¸c˜ao pode ser aplicada, obtendo-se n˜ao somente a rela¸c˜ao sinal-ru´ıdo de pico entre cada imagem do par de cenas Pf,g como tamb´em a rela¸c˜ao sinal-ru´ıdo de pico entre as

cenas como um todo, assim [54]: [df,g]T −1t=0 = 10 log10 2552 1 M N T PM −1 i=0 PN −1 j=0 PT −1 t=0 (f (i, j, t) − g(i, j, t)) 2 (2.22)

Onde: f (i, j, t) ´e o valor do pixel na coordenada (i, j) do quadro t da cena f e g(i, j, t) ´e o valor do pixel na coordenada (i, j) do quadro t da cena g.

2.7.3

SSIM

Baseado em similaridade estrutural, este m´etodo foi inicialmente proposto por Wang e Bovik [55], mas foi revisado por Wang [56] para melhor defini¸c˜ao de ´ındices. Esta abordagem foi publicada na literatura em 2005 [57] e tem sido base para metodologias mais aprimoradas de medi¸c˜ao da qualidade de imagem de forma objetiva como o E-SSIM [58] e o M-SSIM [59]. A Figura 16 mostra um diagrama simplificado para medi¸c˜ao do ´ındice de similaridade entre duas imagens f e g de acordo com [57]. Original (f) Processada (g)

m

f

m

g

s

f

s

g

s

f,g s(f,g) c(f,g) S(f,g)=l .c .s a b g l(f,g)

Figura 16: Diagrama simplificado para medi¸c˜ao da similaridade estrutural entre duas imagens

Para implementa¸c˜ao deste m´etodo deve-se inicialmente calcular a m´edia da luminˆancia de cada imagem conforme as Equa¸c˜oes 2.23 e 2.24.

µf = 1 M N M −1 X i=0 N −1 X j=0 f (i, j) (2.23) µg = 1 M N M −1 X i=0 N −1 X j=0 g(i, j) (2.24)

Em seguida deve-se remover a intensidade m´edia de cada imagem e com- par´a-las, obtendo-se a compara¸c˜ao de luminˆancia l(f, g), conforme mostrado na equa¸c˜ao a seguir:

l(f, g) = 2µfµg+ C1 µ2

f + µ2g+ C1

(2.25) onde a constante C1 foi inclu´ıda de forma a evitar instabilidade quando o

valor de µf e µg for pr´oximo de zero. Na defini¸c˜ao [57] este valor recomendado

para esta constante ´e C1 = (K1· 255)2, onde K1 ´e uma constante muito pequena.

Para se fazer a compara¸c˜ao de contraste ´e necess´ario que sejam calculados os desvios padr˜ao de cada imagem σf e σg, como mostrado nas Equa¸c˜oes a seguir:

σf = v u u t 1 M N − 1 M −1 X i=0 N −1 X j=0 (f (i, j) − µf)2 (2.26) σg = v u u t 1 M N − 1 M −1 X i=0 N −1 X j=0 (g(i, j) − µg)2 (2.27)

A compara¸c˜ao de contraste c(f, g) ´e calculada usando a equa¸c˜ao a seguir, sendo C2 = (K2· 255)2, onde K2 ´e uma constante muito pequena.

c(f, g) = 2σfσg+ C2 σ2

f + σg2+ C2

(2.28) Ap´os a subtra¸c˜ao de luminˆancia e a normaliza¸c˜ao de contraste, ´e feita uma

compara¸c˜ao estrutural. Esta compara¸c˜ao ´e o coeficiente de correla¸c˜ao entre as imagens i e j, ou seja: s(f, g) = 2σf g+ C3 σfσg+ C3 (2.29) onde: σf g = 1 M N − 1 M −1 X i=0 N −1 X j=0 (f (i, j) − µf)(g(i, j) − µg) (2.30)

Finalmente a fun¸c˜ao de similaridade S(f, g) ´e definida como sendo uma fun¸c˜ao das trˆes compara¸c˜oes feitas anteriormente:

S(f, g) = [l(f, g)]α[c(f, g)]β[s(f, g)]γ (2.31)

Onde C3 ´e uma constante pequena e α > 0, β > 0, γ > 0 s˜ao parˆametros

usados para balizar a importˆancia de cada uma das trˆes compara¸c˜oes. Fazendo-se C3 = C2/2 e α = β = γ = 1, temos que:

S(f, g) = (2µfµg + C1)(2σf,g + C2) (µ2

f + µ2g+ C1)(σf2+ σg2+ C2)

(2.32)

Esta ´e a forma que o descritor SSIM se apresenta na literatura [57]. Uma forma eficiente para implementa¸cao do SSIM ´e o janelamento, ou seja, subdividir as imagens sob compara¸c˜ao em blocos menores e utilizar as defini¸c˜oes acima para obter o valor do SSIM para cada par de blocos, e ent˜ao calcular o SSIM da imagem como um todo usando o valor m´edio. Para duas imagens subdivididas em M blocos cada, o ´ındice pode ser calculado usando a seguinte express˜ao:

St(f, g) = 1 M M X i=1 S(fi, gi) (2.33)

Para duas cenas com T imagens em cada, pode-se representar o ´ındice de cada imagem como sendo St(f, g). A obten¸c˜ao do ´ındice SSIM m´edio do par de

cenas como um todo fica, ent˜ao: S(f, g) = 1 T T −1 X t=0 St(f, g) (2.34)

2.7.4

S-CIELAB

A compara¸c˜ao de qualidade entre imagens coloridas pode ser feita com base nas diferen¸cas entre as componentes do espa¸co de cores opostas L∗, a∗ e b∗. Uma das abordagens para este tipo de avalia¸c˜ao foi definida originalmente pela Comiss˜ao Internacional de Ilumina¸c˜ao, conhecida como CIE - Commission In- ternational de l’Eclariage, em 1976. Esta norma foi atualizada pelo documento S014-4/E:2006, publicado em 2006 pela CIE [60]. Neste documento ´e definido um espa¸co de cores denominado CIE 1976 L∗ a∗ b∗, que ficou conhecido in- ternacionalmente como CIELAB. Neste espa¸co, a componente L∗ representa as varia¸c˜oes de preto at´e branco, e assume valores entre 0 e 100. A componente a∗ representa as varia¸c˜oes de tonalidade vermelho at´e verde, assumindo valores entre -500 e +500 e a componente b∗, as varia¸c˜oes de tonalidade amarelo at´e azul, podendo variar seu valor desde -200 at´e +200. As Equa¸c˜oes a seguir especificam a transforma¸c˜ao entre o modelo de cores baseado em trˆes est´ımulos (CIEXYZ) e o CIELAB [42]:

L∗ = 116(Y /Yn)1/3− 16

a∗ = 500[(X/Xn)1/3− (Y /Yn)1/3]

b∗ = 200[(Y /Yn)1/3− (Z/Zn)1/3] (2.35)

Onde X, Y e Z s˜ao os trˆes est´ımulos e Xn, Yn e Zn s˜ao os valores dos trˆes

est´ımulos referentes ao branco normalizado (m´aximos valores poss´ıvel de X, Y e Z).

a∗ e b∗. A diferen¸ca de cores entre duas imagens no espa¸co CIELAB ´e calculada como a distˆancia euclidiana pixel a pixel. O valor da distˆancia euclidiana entre dois pixels neste espa¸co de cores, denominada ∆E, ´e mostrada na Equa¸c˜ao a seguir [33]:

∆E =p(∆L∗)2_{+ (∆a∗)}2_{+ (∆b∗)}2 _(2.36)

Onde ∆L∗ representa a diferen¸ca entre o valor das componentes L∗ de cada pixel, valendo o mesmo para ∆a∗ e ∆b∗.

A figura 17 ilustra o diagrama simplificado para obten¸c˜ao do ∆E.

Imagem Original

Conversão

para RGB para CIELABConversão

Conversão para CIEXYZ Y X Z Filtros Espaciais R G B O1 O2 O3 L a b Imagem Distorcida Conversão

para RGB para CIELABConversão

Conversão para CIEXYZ Y X Z Filtros Espaciais R G B O1 O2 O3 L a b DE s diferença S-Cielab

Figura 17: Diagrama simplificado para medi¸c˜ao da diferen¸ca de cores entre duas imagens no espa¸co S-CIELAB

O significado de ∆E pode ser entendido da seguinte forma: considerando duas cores muito pr´oximas definidas por suas coordenas L∗, a∗ e b∗, o valor de ∆E ser´a t˜ao menor quanto mais pr´oximas estas cores forem. O valor de ∆E < 1 indica que a diferen¸ca entre estas cores n˜ao ´e percept´ıvel. O valor de ∆E = 1 indica que a diferen¸ca entre estas cores ´e a menor que pode ser percebida recebendo o nome de JND (Just-Noticeable Difference).

V´arios experimentos psicof´ısicos envolvendo a percep¸c˜ao das pessoas sobre diferen¸ca entre cores s˜ao conduzidos para se chegar a uma defini¸c˜ao como a do ∆E. Em 1996, Zhang e Wandell definiram uma extens˜ao do espa¸co de cores

CIELAB, denominada S-CIELAB. A diferen¸ca de cores no espa¸co S-CIELAB resulta na medida ∆ES [61].

Para especificar a diferen¸ca de cores no espa¸co S-CIELAB, filtros de sua- viza¸c˜ao s˜ao aplicados `as componentes do sistema de cores opostas. Neste tra- balho, por exemplo, foram adotados os filtros descritos em [61]. A equa¸c˜ao a seguir mostra a transformada de cores do sistema CIEXYZ para o sistema de cores opostas formado pelas componentes O1, O2 e O3, que representam, res- pectivamente, as diferen¸cas entre branco-preto (W-B), vermelho-verde (R-G) e azul-amarelo (B-Y).

O1 = 0.279X + 0.72Y − 0.107Z

O2 = −0.449X + 0.29Y − 0.077Z

O3 = 0.086X − 0.59Y − 0.501Z (2.37)

A cada uma destas componentes ´e aplicado um filtro bidimensional para representarem de forma adequada a sensibilidade da vis˜ao humana a cada uma delas. A equa¸c˜ao a seguir descreve o filtro utilizado neste trabalho. Os parˆametros k, σi e wi foram adotados como descrito em [61].

f = kX i wiEi Ei = k · exp · −(x 2_{+ y}2₎ σ2 i ¸ (2.38)

Uma vez filtradas, as componentes O1, O2 e O3 de ambas imagens, original e processada, s˜ao comparadas, resultando na diferen¸ca de cores S-CIELAB. A Equa¸c˜ao a seguir mostra como calcular esta diferen¸ca:

Para um par de cenas de v´ıdeo composta por N imagens, cada uma delas contendo i linhas e j colunas, este processo foi repetido N · i · j vezes. Neste trabalho, pares de cenas, sendo uma original e uma processada, foram submetidos `a compara¸c˜ao S-CIELAB e uma diferen¸ca para cada par de cenas foi obtido.

Testes para aplica¸c˜oes desta medida de diferen¸ca de cores de forma perceptiva na avalia¸c˜ao de imagens e cenas de v´ıdeo foram feitos por Fonseca e Ram´ırez, 2008 e est˜ao dispon´ıveis em [62]. Nestes testes foi conclu´ıdo que a utiliza¸c˜ao do espa¸co S-CIELAB para avalia¸c˜ao de imagens coloridas aumenta de forma significativa o grau de correla¸c˜ao com a percep¸c˜ao, mas isto n˜ao acontece para cenas de v´ıdeo coloridas.

Nas figuras 18 (a) e (b) pode-se ver os gr´aficos de dispers˜ao obtidos para estes dois casos citados anteriormente. Pode-se perceber que a avalia¸c˜ao feita usando imagens coloridas foi melhor correlacionada com a avalia¸c˜ao subjetiva.

(a) (b)

Figura 18: Gr´afico de dispers˜ao obtido usando SCIELAB para avalia¸c˜ao: (a) Imagens est´aticas e (b) Cenas de v´ıdeo

3

METODOLOGIA

Neste Cap´ıtulo ser´a apresentada a t´ecnica para compara¸c˜ao de medidas ob- jetivas com a base de dados das medidas subjetivas. Ser˜ao detalhadas cada uma das fases envolvidas nesta t´ecnica, enfatizando as fases da elabora¸c˜ao de m´etricas objetivas e a de an´alise comparativa com a medi¸c˜ao subjetiva de qualidade. A valida¸c˜ao de um m´etodo para avalia¸c˜ao objetiva de sinais de v´ıdeo completamente referenciada compreende seis fases, como j´a descrito brevemente no Cap´ıtulo 1.

Figura 19: Diagrama geral para compara¸c˜ao entre avalia¸c˜ao objetiva e subjetiva

A Figura 19 ilustra como estas seis fases se relacionam e qual o produto final de cada uma. As fases 1 a 4 foram disponibilizadas pelo VQEG e as fases 5 e

6 foram realizadas neste trabalho usando o software MATLAB, da Mathworks. Foram aproveitadas as cenas originais, as processadas, a avalia¸c˜ao subjetiva e as estat´ısticas sobre a avalia¸c˜ao subjetiva disponibilizadas pelo VQEG em [4].

A fase 1 consiste na escolha das cenas. As cenas devem ser escolhidas de acordo com o prop´osito para o qual o trabalho est´a sendo desenvolvido, por exemplo, aplica¸c˜ao de v´ıdeo em medicina biol´ogica, vigilˆancia, videoconferˆencia, televis˜ao etc. As cenas utilizadas neste trabalho est˜ao identificadas na Tabela 3. A coluna SRC representa a denomina¸c˜ao dada pelo VQEG para estas cenas. O primeiro quadro de cada cena est´a mostrado na Figura 24 do Apˆendice A.

Tabela 3: Identifica¸c˜ao das cenas utilizadas

SRC Nome Caracter´ısticas Fonte de ori-

gem

13 Baloon-

pops

satura¸c˜ao de cores, movimentos, transcri¸c˜ao de filme

CCETT 14 New York movimento horizontal da cˆamera,

efeito de m´ascara

ATT/CSELT

15 Mobile and

Calendar

cores, objetos em movimentos CCETT

16 Betes pas

betes

cenas sintetizadas por computa- dor, corte, movimento

CRC/CBC 17 Le point cores fortes, transparˆencia, movi-

mentos em todas as dire¸c˜oes

CRC/CBC

18 Autumn

leaves

paisagem, zoom, movimento

d’´agua

CRC/CBC 19 Football movimento r´apido de cˆamera e de

jogadores

CRC/CBC 20 Sailboat muitos detalhes, cena sem movi-

mento nem cortes

EBU

21 Suzie cor de pele, detalhes, sem movi-

mento de cˆamera

EBU

22 Tempete cores vivas, detalhes, objetos

movem-se rapidamente

EBU

Na fase 2, cada cena escolhida deve ser submetida a um ou mais circuitos hipot´eticos de referˆencia (HRC). Todos os dezesseis circuitos hipot´eticos de re- ferˆencia preparados e disponibilizados pelo VQEG para aplica¸c˜ao em televis˜ao

digital de resolu¸c˜ao padr˜ao (SDTV) foram utilizados neste trabalho. Alguns exemplos de degrada¸c˜ao utilizadas foram: codifica¸c˜ao e descodifica¸c˜ao `a taxa constante de bits em MPEG2 e H263; convers˜ao de dom´ınio digital para anal´ogico e vice-versa; concatena¸c˜ao de sistemas para codifica¸c˜ao/descodifica¸c˜ao; altera¸c˜ao de resolu¸c˜ao espacial e altera¸c˜ao na amostragem das componentes de cor de 4:2:2 para 4:2:0. Um esquema de como foram montados estes circuitos est´a mostrado na Figura 23 do Apˆendice A. Um resumo contendo as degrada¸c˜oes que foram inseridas em cada um destes dezesseis circuitos est´a mostrado na Tabela 13 do mesmo Apˆendice.

As fases 3 e 4 da Figura 19 referem-se a avalia¸c˜ao subjetiva e consistem na obten¸c˜ao das m´edias e desvios das diferen¸cas entre as notas atribu´ıdas `as ce- nas originais e degradadas, representado neste trabalho pelas vari´aveis DM OS e DM OSdesvios. Para obten¸c˜ao destas vari´aveis foi utilizado pelo VQEG a meto-

dologia DSCQS da recomenda¸c˜ao ITU-R BT.500-11, descrita no Apˆendice B. Na fase 5 as m´etricas objetivas de qualidade utilizam o mesmo conjunto de ce- nas avaliado nas fases 3 e 4 para obten¸c˜ao de uma estimativa da vari´avel DM OS.

Belgede Ön lisans öğrencilerinin vergiye bakışı ve vergi bilinç düzeyi : Sakarya İli örneği (sayfa 58-63)