- author = "Naima Merzougui",
- title = "Metaheuristiques pour l'evaluation objective de la qualite d'images et de videos",
- school = "Departement d'informatique, Universite Mohamed Khider Biskra",
- year = "2022",
- address = "Algeria",
- month = "23 " # jun,
- keywords = "genetic algorithms, genetic programming, Metriques d'evaluation objective, Metaheuristiques d'optimisation, Optimisation multiobjective, Qualite visuelle, MGGP, MOGP, Objective evaluation metrics, Optimization metaheuristics, Multiobjective optimization, Visual quality.",
-
URL = "
http://thesis.univ-biskra.dz/5764/",
-
URL = "
http://thesis.univ-biskra.dz/5764/1/Th%C3%A8se%20Finale-Merzougui.pdf",
- size = "122 pages",
-
abstract = "The work presented in this thesis, fits into the field
of objective assessment of the quality of images and
videos and more specifically on the assessment of
quality with full reference. This is an active research
area that has established itself with the rapid
development of computer, communications and networking
technologies. Despite the wealth of work in this field,
and the abundance of objective evaluation methods
(metrics), the problem of image quality evaluation
remains. Indeed, the metrics presented are generally
specific to a particular type of degradation, sensitive
to data noisy by several types of degradation; hence
the idea of moving towards new approaches calling on
the merging of different metrics to quantify the
quality image based on learning techniques and
optimization meta-heuristics.
In this thesis, we have developed new methods based on multigene genetic programming (MGGP) as an evolutionary learning technique inspired by natural evolution, allowing, from a learning set, to find good models combination of image quality metrics, simultaneously optimizing two competing objectives: the suitability of models for their correlation with the subjective scores of various types of distortions in the images, and the complexity of their structure. Due to the explosive growth of screen-oriented applications, we have exploited the advantages offered by MGGP to develop a generic method for the objective evaluation of images of screen content. The results of experiments carried out on the large benchmarks, showed the superior performance of the proposed methods compared to advanced measurements, including other recently published fusion approaches.",
- resume = "Le travail presente dans cette these s'inscrit dans le domaine d'evaluation objective de la qualite d'images et de videos et plus particulierement sur l'evaluation de qualite avec reference complete. Il s'agit d'un domaine de recherche actif qui s'est impose avec l'evolution rapide des technologies de l'informatique, des communications et des reseaux. Malgre la richesse des travaux dans ce domaine, et l'abondance des methodes objectives d'evaluation (les metriques), le probleme d'evaluation de qualite d'image reste toujours pose. En effet, les metriques presentees sont generalement specifiques a un type particulier de degradation, sensibles aux donnees bruitees par plusieurs types de degradations, d'ou l'idee de s'orienter vers de nouvelles approches recommandant la fusion de differentes metriques pour quantifier la qualite de l'image en se basant sur les techniques d'apprentissage et les metaheuristiques d'optimisation. Dans cette these, nous avons developpe de nouvelles methodes basees sur la programmation genetique multigene (MGGP) comme une technique d'apprentissage evolutive inspiree de l'evolution naturelle, permettant, a partir d'un ensemble d'apprentissage, de trouver de bons modeles de combinaison de metriques de qualite d'image, en optimisant simultanement deux objectifs concurrents : l'adequation de modeles par rapport a leur correlation avec les scores subjectifs de divers types de distorsions dans les images, et la complexite de leur structure. En raison de la croissance explosive des applications orientees ecran, nous avons exploite les avantages offerts par MGGP afin de developper une methode generique pour l'evaluation objective des images de contenu d'ecran. Les resultats d'experimentation menee sur les grands benchmarks, ont montre les performances superieures des methodes proposees par rapport aux mesures de pointe, y compris d'autres approches de fusion recemment publiees.",
-
notes = "En francaise
merzougui:2017:ISPA not found Feb 2025
Supervisor: Leila Djerou",
