Presentan una métrica de blur para imágenes que puede ser extendida a video mediante la repetición de la metrica en cada frame. La métrica se realiza en el dominio espacial y se basa en el análisis del ancho de los bordes en una imagen. Se ajusta bien a experimientos subjetivos. Tiene un bajo coste computacional y funciona bien para un amplio rango de contenidos de la imagen (esto no lo demuestran en el paper).
Comenta que se han desarrollado métricas no-reference para blockiiness, pro ejemplo [6], pero otros para otros defectos no. En el paper proponen una métrica para estimar la cantidad de blur sin asumir nada sobre la imagen ni el proceso que lo ocasiona.
Una imagen aparece enborronada (blur) cuando su contenido espacial de alta frecuencia está atenuado. Existen diferentes tipos de blur, los debido al movimiento, los debidos al desenfoque o defectos en las lentes y los introducidos por la compresión.
El blur es perceptualmente aparente a lo largo de los bordes de las imágenes y en regiones con textura. La técnica se basa en el efecto de suavizado que produce el blur en los bordes y por tanto se propone medir el ancho de éstos. Prácticament es suficiente con medir los bordes verticales. Se detectan los bordes, se rastrea la imagen por lineas horizontales y se localiza para cada borde su maximo y minimo local que determinan el ancho del borde localmente. El ancho se acumula para todos los bordes locales y luego se media. Esta es la medida final de la métrica. Para imágenes en color se puede medir la luminancia únicamente. Para video se extiene el proceso para procesar cada frame.
Los resultados ajustan bien a test subjetivos (explicado en el paper), los valores se muestran en la tabla del paper, a blur producido tanto para blur Gausiano como para blur por compresión con JPEG2000.
Esta métrica no tiene en cuenta ningún aspecto del HVS.
[6]
[Wang_Bovik_Evans_2000]
Blind Measurement of Blocking Artifacts in Images