EPI(Edge Preservation Index)

유한성·2025년 9월 20일

논문 리뷰 과정에서 Reviewer comment 중에 EPI metric에 대해 추가 평가를 요청받았다

공식적으로 논문에서 metric으로 명시한 것은 아니지만 실제로 구현되어 영상의 품질을 평가하는데 사용되는 것으로 추정됨

F. Sattar et al.,"Image Enhancement based on a Nonlinear multi scale method", TIP, 1997.

EPI (Edge Preservation Index)

이미지의 edge 정보는 주로 고주파 성분에 해당합니다. 따라서 원본 영상와 개선된 영상(denoising, dehazing etc)에서 저주파 성분을 제거하고 고주파 성분만을 추출한 뒤, 이 두 고주파 성분 영상 간의 유사도를 측정하는 것이 edge 보존 능력을 평가함

γ=(∇s−∇s‾  ;  ∇s^−∇s^‾)(∇s−∇s‾  ;  ∇s−∇s‾)  (∇s^−∇s^‾  ;  ∇s^−∇s^‾)\gamma = \frac{(\nabla s - \overline{\nabla s} \; ; \; \nabla \hat{s} - \overline{\nabla \hat{s}})} {\sqrt{(\nabla s - \overline{\nabla s} \; ; \; \nabla s - \overline{\nabla s})} \; \sqrt{(\nabla \hat{s} - \overline{\nabla \hat{s}} \; ; \; \nabla \hat{s} - \overline{\nabla \hat{s}})}}
  • ss: 원본(잡음이 있는) 이미지
  • s^\hat{s}: 복원/잡음 제거된 이미지
  • ∇s\nabla s: 원본 이미지에 gradient 연산(고주파 성분 추출)을 적용한 결과
  • ∇s^\nabla \hat{s}: 복원 이미지에 동일한 gradient 연산을 적용한 결과
  • ∇s‾\overline{\nabla s}: ∇s\nabla s의 평균값
  • ∇s^‾\overline{\nabla \hat{s}}: ∇s^\nabla \hat{s}의 평균값

분모에서는 L2 norm을 이용하여 정규화하고 분자에서는 공분산을 계산함으로써 원본 gradient와 복원된 영상 간의 gradient의 상관관계를 구하는 수식임

실제 구현된 코드는 MATLAB을 이용함.

profile
유한성
이전 포스트

Torch.utils.data

다음 포스트

Deep Learning Model Deployment Stack ( ONNX, TensorRT)

0개의 댓글