“JOURNAL OF SCIENCE-INNOVATIVE RESEARCH IN
UZBEKISTAN” JURNALI
VOLUME 03, ISSUE 06, 2025. JUNE
ResearchBib Impact Factor: 9.654/2024 ISSN 2992-8869
247
Методы объективной оценки качества цифровых телевизионных
изображений для прикладного телевидения
Хайдаралиева Хилола Фарход кизи
ассистент преподаватель Ташкентского университета
Мухаммада Ал-Хоразмий
Суюнов Шохижахон Холмумин угли
студент 3 курса Ташкентский университет информационных технологий
имени Мухаммада Ал-Хоразмий
Аннотация
:
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.
Ключевые слова
: прикладное телевидение, объективная оценка,
качество изображения, цифровое видео, PSNR, SSIM, VIF, BRISQUE, NIQE,
телемедицина, видеонаблюдение, образовательные трансляции.
Введение Современные технологии цифрового телевидения всё шире
проникают в прикладные сферы, в которых видеоизображение выполняет не
развлекательную, а функционально значимую роль. Это включает
телемедицину, системы видеонаблюдения, судебную экспертизу и
дистанционное обучение. В этих областях от качества визуальной
“JOURNAL OF SCIENCE-INNOVATIVE RESEARCH IN
UZBEKISTAN” JURNALI
VOLUME 03, ISSUE 06, 2025. JUNE
ResearchBib Impact Factor: 9.654/2024 ISSN 2992-8869
248
информации зависит принятие критически важных решений — будь то
диагноз, доказательство в суде или точность передачи учебного материала.
В таких условиях возникает потребность в надёжной, количественной и
воспроизводимой оценке качества изображения. Ручная, субъективная
экспертиза, несмотря на высокую точность, требует времени, ресурсов и не
применима для непрерывного мониторинга. Поэтому всё чаще используются
объективные метрики, которые позволяют в автоматическом режиме
диагностировать ухудшение качества, контролировать соответствие
изображений стандартам и обеспечивать стабильность вещания.
Однако
подавляющее
большинство
используемых
метрик
разрабатывались под задачи массового вещания и развлекательного контента.
Они не всегда чувствительны к тем аспектам, которые важны именно в
прикладных системах. Например, не все метрики могут корректно
фиксировать потерю контрастности в снимке кожного покрова,
неразборчивость текста на доске или размытость лица на кадре с
видеонаблюдения. Это требует не только теоретического анализа, но и
практического тестирования в имитированных условиях.
Для оценки эффективности методов объективной оценки качества
цифрового изображения в прикладном телевидении было разработано
экспериментальное моделирование на основе четырёх типов визуального
контента: медицинское изображение (макроснимок кожного покрова),
образовательный фрагмент (слайд с текстом), сцена видеонаблюдения
(городская улица с фоновым шумом) и портретное изображение (для судебной
экспертизы). Все изображения были отобраны таким образом, чтобы отражать
реальную практическую нагрузку в соответствующих областях прикладного
телевещания.
Каждое изображение подвергалось трем видам искажений: гауссовому
размытию (радиус 3 и 7 пикселей), добавлению гауссова шума (σ = 20 и 40) и
сжатию в формате JPEG с понижением качества до 90%, 60% и 30%. Все
операции проводились в идентичных условиях разрешения (Full HD) и
освещённости, с сохранением цветовой модели RGB.
“JOURNAL OF SCIENCE-INNOVATIVE RESEARCH IN
UZBEKISTAN” JURNALI
VOLUME 03, ISSUE 06, 2025. JUNE
ResearchBib Impact Factor: 9.654/2024 ISSN 2992-8869
249
В качестве инструментов оценки использовались пять метрик: PSNR,
SSIM, VIF, BRISQUE и NIQE. Метрики PSNR, SSIM и VIF требуют наличия
эталонного изображения и обеспечивают сравнительный анализ между
оригиналом и искажённой версией (Full-Reference, FR). Метрики BRISQUE и
NIQE не требуют эталона (No-Reference, NR) и ориентированы на
автоматическую диагностику качества на стороне приёмника или системы
мониторинга.
Расчёты производились с использованием языков Python и библиотек
OpenCV, scikit-image, piq и brisque-models. Для каждой комбинации
изображения и искажения рассчитывались значения всех пяти метрик. Кроме
числового анализа, проводилась субъективная оценка качества визуального
восприятия, чтобы оценить соответствие значений метрик восприятию
человека.
По итогам эксперимента было выявлено, что PSNR, хотя и демонстрирует
ожидаемое снижение при всех типах искажений, обладает слабой корреляцией
с реальным визуальным качеством. При шуме и размытости PSNR показывал
схожие значения, несмотря на существенные различия в восприятии, что
ограничивает его применимость в контексте прикладного телевидения.
Метрика SSIM, напротив, более точно отражала структурные искажения
и изменение контуров, особенно на образовательных и судебных кадрах. Её
чувствительность к форме, яркости и контрасту делала её подходящей для
задач, в которых важна передача текста и границ объектов. Метрика VIF
показала наивысшую корреляцию с утратой визуально значимой информации,
“JOURNAL OF SCIENCE-INNOVATIVE RESEARCH IN
UZBEKISTAN” JURNALI
VOLUME 03, ISSUE 06, 2025. JUNE
ResearchBib Impact Factor: 9.654/2024 ISSN 2992-8869
250
особенно в медицинских изображениях, где требуется высокая точность
сохранения микродеталей.
Безэталонные метрики BRISQUE и NIQE дали неоднозначные
результаты. BRISQUE оказался чувствительным к шуму и размытиям и
обеспечивал стабильную работу на «естественных» изображениях, но
нестабилен на презентациях и графиках. NIQE показал высокую устойчивость
к общим изменениям освещения и резкости, однако хуже реагировал на
артефакты, связанные с агрессивным JPEG-сжатием.
На всех типах контента SSIM и VIF демонстрировали более высокую
согласованность с субъективной оценкой, тогда как PSNR был полезен только
как базовая техническая проверка. Метрики без эталона показали свою
применимость исключительно в условиях реального времени, когда оригинал
недоступен. При этом было выявлено, что BRISQUE демонстрирует хорошую
чувствительность к искажениям, но может быть нестабилен без
предварительной адаптации.
Анализ вычислительной нагрузки показал, что VIF, несмотря на высокую
точность, требует значительного времени на расчёт — более 0.3 секунд на
изображение формата 1080p. PSNR и SSIM выполняются практически
мгновенно, а BRISQUE и NIQE занимают промежуточное положение. Это
ограничивает использование VIF в системах реального времени, где задержка
критична. На рисунке 1 представлена гистограмма, демонстрирующая среднее
время выполнения метрик.
Полученные результаты позволяют сформулировать прикладные
рекомендации по выбору методов оценки качества изображения в зависимости
от специфики задачи и технических условий.
“JOURNAL OF SCIENCE-INNOVATIVE RESEARCH IN
UZBEKISTAN” JURNALI
VOLUME 03, ISSUE 06, 2025. JUNE
ResearchBib Impact Factor: 9.654/2024 ISSN 2992-8869
251
В телемедицинских системах, где требуется высокая точность передачи
визуальной информации, особенно при удалённой диагностике кожных
покровов, эндоскопии или дерматоскопии, наиболее обоснованным является
применение метрик SSIM и VIF. Первая позволяет оценивать структурную
целостность изображения, включая контраст и геометрию, в то время как
вторая — более глубоко отражает сохранение диагностически значимой
информации. Использование этих метрик оправдано как на этапе передачи
сигнала, так и при приёме — например, в системах телемедицинских
консультаций.
В образовательном телевидении ключевую роль играет читаемость
текста, чёткость границ объектов, стабильность цветопередачи. Здесь SSIM
может использоваться для контроля визуального восприятия, а BRISQUE — в
режиме непрерывного мониторинга качества вещания в LMS-платформах или
видеолекциях. Система, способная в реальном времени регистрировать
превышение порога BRISQUE, может автоматически адаптировать битрейт
трансляции или сигнализировать об ухудшении канала.
В задачах видеонаблюдения важны надёжность и устойчивость к
внешним условиям — особенно при ночной съёмке, низком освещении или
высокой динамике сцены. В этом контексте NIQE зарекомендовал себя как
простая и надёжная безэталонная метрика, способная обнаруживать потерю
резкости и дефокус. Дополнительно возможно внедрение VIF для
последующей экспертной оценки или в системах архивного хранения с
высоким приоритетом контента (например, при распознавании лиц).
В судебной практике, где изображение становится частью доказательной
базы, любые искажения могут повлиять на интерпретацию. Здесь
целесообразно использовать SSIM и VIF как основные инструменты оценки
целостности и визуальной достоверности кадра. Причём такой анализ может
быть автоматизирован в системах видеорегистрации или постфактум — при
экспертизе записей.
Важно также учитывать реалии применения. Метрики PSNR и SSIM
могут быть встроены в кодек или сетевой модуль на стороне вещателя или
сервера. Метрики без эталона, такие как NIQE и BRISQUE, эффективно
интегрируются в приёмные устройства, видеорекордеры, клиентские
приложения, модули качества в облачных платформах. При этом особое
“JOURNAL OF SCIENCE-INNOVATIVE RESEARCH IN
UZBEKISTAN” JURNALI
VOLUME 03, ISSUE 06, 2025. JUNE
ResearchBib Impact Factor: 9.654/2024 ISSN 2992-8869
252
внимание следует уделять пороговым значениям: для каждой метрики следует
эмпирически установить границы, при которых качество считается
«приемлемым» или «критическим».
Наилучшие результаты достигаются при комплексной оценке качества —
сочетании эталонных и безэталонных метрик, адаптированных под
конкретный видеоконтент и среду применения. Разработка гибких адаптивных
систем мониторинга качества цифрового изображения — ключ к стабильной
и достоверной работе прикладного телевидения.
Проведённое исследование позволило установить, что выбор метрик
объективной оценки качества цифровых телевизионных изображений должен
быть строго обусловлен конкретной задачей прикладного телевидения, типом
контента и условиями трансляции. Результаты показали, что метрики с
эталоном, такие как SSIM и VIF, обладают высокой корреляцией с
субъективным восприятием и способны надёжно отражать структурные и
информационные искажения. При этом их использование требует наличия
исходного изображения, что ограничивает сферу их применения в реальных
системах.
Метрики без эталона — BRISQUE и NIQE — продемонстрировали
практическую ценность для мониторинга качества в режиме реального
времени, особенно в условиях отсутствия доступа к оригиналу. Однако их
эффективность зависит от типа визуального контента и требует
предварительной адаптации статистических моделей к конкретным задачам.
PSNR, несмотря на широкое распространение, показал ограниченную
применимость в прикладном контексте ввиду низкой перцептивной
значимости.
Анализ экспериментальных данных показал, что в задачах телемедицины
и судебной экспертизы наиболее эффективны SSIM и VIF, в образовательных
трансляциях — комбинация SSIM и BRISQUE, а в системах видеонаблюдения
— NIQE в сочетании с пороговым контролем. Вычислительная эффективность
также играет ключевую роль: для интеграции в онлайн-системы
предпочтительны метрики с минимальной нагрузкой на процессор, такие как
PSNR, SSIM, NIQE.
Универсального метода оценки качества не существует, однако
применение комбинированного подхода, учитывающего как технические, так
“JOURNAL OF SCIENCE-INNOVATIVE RESEARCH IN
UZBEKISTAN” JURNALI
VOLUME 03, ISSUE 06, 2025. JUNE
ResearchBib Impact Factor: 9.654/2024 ISSN 2992-8869
253
и перцептивные аспекты, позволяет добиться надёжного контроля качества
цифрового изображения в широком спектре прикладных задач. Дальнейшие
исследования могут быть направлены на разработку адаптивных гибридных
метрик, использующих преимущества как эталонных, так и безэталонных
подходов, а также на внедрение интеллектуальных систем мониторинга
качества в реальных цифровых платформах телевидения.
Список литературы:
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.
