Por favor, use este identificador para citar o enlazar este ítem:https://uvadoc.uva.es/handle/10324/63045
Título
Análisis de datos de experimentos psicofísicos y determinación de umbrales de detección de ruido en imágenes
Autor
Director o Tutor
Año del Documento
2023
Titulación
Máster en Inteligencia de Negocio y Big Data en Entornos Seguros / Business Intelligence and Big Data in Cyber-Secure Environments
Abstract
El ruido en imágenes se puede describir como las fluctuaciones imprevistas y aleatorias en los valores
de los píxeles de una imagen que puede causar cambios en el brillo y color de los mismos, generando
granularidad o manchas que no forman parte del contenido visual original. El ruido puede surgir debido
a numerosos factores, como limitaciones de los sensores de las cámaras durante la adquisición de la
imagen, interferencias eléctricas o errores al almacenarlas digitalmente. Puede afectar en una gran variedad
de ámbitos en los que el protagonista es la adquisición o almacenamiento de imágenes, desde
la fotografía o cine, afectando a la calidad visual de los fotografías y escenas, hasta la ciencia y astronomía,
donde cualquier perturbación en la imagen captada puede dificultar el análisis e interpretación
de los datos obtenidos.
La distinción entre ruido y contenido visual relevante es fundamental para garantizar que una imagen
mantenga su calidad, nitidez e intención comunicativa. No obstante, enfrentar este desafío no es un
proceso simple ni directo. En la búsqueda por reducir el ruido, surge el el problema de que cada paso
para disminuir el mismo tiene un efecto colateral potencial en la calidad visual de la imagen. Esto se
debe a que las técnicas de reducción de ruido a menudo implican un suavizado de la imagen, que
puede afectar negativamente en los detalles y las texturas. La eliminación completa del ruido podría
llevar a la pérdida de información visual valiosa y a la generación de una imagen suavizada pero poco
realista. Es importante encontrar un compromiso adecuado: uno que permita reducir el ruido de manera
efectiva sin sacrificar en gran medida la autenticidad y la calidad de la imagen.
Al mínimo nivel de ruido que se le debe incrementar a una imagen para que sea detectado por el sistema
visual humano se le denomina diferencia justamente perceptible (JND). El objetivo de este trabajo
consiste en encontrar cuáles son las diferencias justamente perceptibles para múltiples combinaciones
de niveles de ruido base y luminancia, y determinar un modelo que pueda predecir esos umbrales.
Para ello se han llevado a cabo experimentos psicofísicos utilizando el método de ”elección forzosa
entre dos alternativas” en las universidades de Granada y Politécnica de Valencia para niveles de ruido
base entre 0.1 y 0.4, y luminancias entre 20 y 80 a más de 60 voluntarios. Durante estos experimentos,
los participantes se encargaron de seleccionar entre una imagen con un ruido base y otra con un ruido
incrementado, cuál era la que percibían como la más afectada por el ruido.
Este estudio ha logrado determinar los umbrales de detección de ruido para cada combinación de ruido
base y luminancia a partir de los experimentos realizados. Además, se ha desarrollado un modelo de
predicción para el umbral de la diferencia justamente perceptible (JND), considerando tanto el nivel
de ruido base presente en la imagen como su luminancia. Asimismo, se ha llevado a cabo un análisis
detallado según la edad, el género y la experiencia en pruebas psicofísicas, con el objetivo de investigar
cómo estas variables pueden influir en la diferencia justamente perceptible. Noise in images could be described as unexpected and random fluctuations in the pixel values of an
image that can cause changes in the brightness and colour, resulting in graininess or smearing that is not
part of the original visual content. Noise can arise due to numerous factors, such as limitations of camera
sensors during image acquisition, electrical interference or errors when storing images digitally, and can
affect a wide variety of fields in which image capture or storage is the protagonist, from photography or
cinema, affecting the visual quality of photographs and scenes, to science and astronomy, where any
disturbance in the captured image can hinder the analysis and interpretation of the data obtained.
The distinction between noise and relevant visual content is essential to ensure that an image maintains
its quality, clarity and communicative intent. However, meeting this challenge is not a simple or straightforward
process. In the quest to reduce noise, the problem arises that each step to reduce noise has a
potential side effect on the visual quality of the image. This is because noise reduction techniques often
involve image smoothing, which can negatively affect details and textures. Complete noise removal
could lead to the loss of valuable visual information and the generation of a smoothed and unrealistic
image. It is important to find a suitable compromise: one that allows noise to be reduced effectively
without sacrificing much of the authenticity and quality of the image.
The minimum level of noise that must be increased in an image to be detected by the human visual
system is called the Just Noticeable Difference (JND). The aim of this work will be to find out what
are the just perceptible differences for multiple combinations of base noise and luminance levels, and
to determine a model that can predict these thresholds. To this end, ”two-alternative forced-choice”
experiments have been carried out at the universities of Granada and Politécnica de Valencia for base
noise levels between 0.1 and 0.4 and luminances between 20 and 80 on more than 60 volunteers. During
these experiments, participants were asked to select between an image with a noise floor and an image
with increased noise, which image they perceived to be more affected by the noise.
This study has succeeded in determining noise detection thresholds for each combination of base noise
and luminance from the experiments. In addition, a prediction model for the Just Noticeable Difference
(JND) threshold has been reached, considering both the base noise level present in the image and its
luminance. A detailed analysis has also been carried out by dividing the data into groups according to
age, gender and psychophysical testing experience, with the aim of investigating how these variables
may influence the just noticeable difference.
Palabras Clave
Ley de Weber
Python
Detección de ruido
Idioma
spa
Derechos
openAccess
Collections
- Trabajos Fin de Máster UVa [6334]
Files in this item
![Attribution-NonCommercial-NoDerivatives 4.0 Internacional](/themes/Mirage2//images/creativecommons/cc-by-nc-nd.png)