PhD Thesis

Quality assessment and perceptual optimization of image compression system

Shima Mohammadi — 2026

Key information

Authors:

Shima Mohammadi (Shima Mohammadi)

Supervisors:

Published in

March 3, 2026

Abstract

Avaliar a qualidade visual de imagens comprimidas constitui um desafio central nos sistemas multimédia atuais, nos quais a compressão é indispensável para um armazenamento e transmissão eficientes, mas frequentemente introduz distorções visíveis que comprometem a qualidade. Com a crescente procura por conteúdo de alta qualidade, alta resolução e alta gama dinâmica, as metodologias tradicionais de avaliação da qualidade da imagem enfrentam limitações cada vezes maiores na captura precisa de pequenas, mas percetíveis diferenças. A avaliação subjetiva continua a ser a abordagem mais fiável, mas é dispendiosa e demorada, enquanto as métricas objetivas, embora escaláveis, podem não estar totalmente alinhadas com a perceção humana. Esta lacuna tornou-se ainda mais crítica com o aparecimento da compressão de imagens com redes neuronais, em que as métricas de qualidade influenciam diretamente os modelos de compressão. Neste contexto, esta Tese propõe avançar o estado da arte na avaliação da qualidade de imagem e na otimização de codecs de imagem, com base em três objetivos principais: (1) desenvolver metodologias e conjuntos de dados padronizados para a avaliação de imagens de alta qualidade e visualmente sem perdas; (2) conceber protocolos eficientes de testes subjetivos baseados em comparações pareadas, capazes de reduzir o esforço de teste sem comprometer a fiabilidade percetual; e (3) investigar o impacto das métricas de qualidade ou da perda adversarial no contexto do treino de soluções de codificação de imagem baseadas em aprendizagem. Esta Tese apresenta várias contribuições significativas em diferentes domínios. Em primeiro lugar, propõe novas metodologias de avaliação subjetiva para a analise detalhada da qualidade de imagem na faixa que vai da alta qualidade até à perda visualmente impercetível, disponibiliza múltiplas bases de dados anotadas com pontuações numa escala de diferença apenas percetível e avalia métricas objetivas de qualidade à luz dos avanços nas metodologias de avaliação subjetiva. Em segundo lugar, introduz métodos de amostragem baseados em técnicas de predição e modelos de incerteza, que tornam os testes de comparação pareada mais eficientes e escaláveis. Por fim, explora funções de perda orientadas pela perceção para otimizar a codificação de imagens baseadas em redes neuronais, propondo estratégias de compressão que preservam a fidelidade visual. No seu conjunto, estas contribuições estabelecem métodos robustos que aproximam a avaliação computacional da qualidade da perceção humana, permitindo o desenvolvimento de sistemas de compressão de imagem mais fiáveis e perceptualmente otimizados. Assessing the visual quality of compressed images is a fundamental challenge in modern multimedia systems, where compression is essential for efficient storage and transmission but often introduces per- ceptual distortions that degrade visual fidelity. With the growing demand for high-quality, high-resolution and high-dynamic-range content, traditional image quality assessment methodologies face increasing limitations in accurately capturing subtle perceptual differences at high quality levels. Subjective evaluation remains the most reliable approach but is costly and time-consuming, while quality metrics, though scalable, may not fully align with human perception. This gap has become even more critical with the emergence of learned image compression, where quality metrics directly influence the compression system. In this context, this Thesis aims to advance the state-of-the-art in image quality assessment and image codec optimization through three main objectives: (1) developing methodologies and datasets for evaluating high-quality and visually lossless images; (2) designing efficient pairwise comparison–based subjective testing protocols that reduce testing effort without compromising perceptual reliability; and (3) investigating the impact of the quality metrics or the adversarial loss in the context of training learned image coding solutions. This Thesis makes several key contributions to three areas. First, it introduces novel subjective as- sessment methodologies for fine-grained image quality assessment in the high quality to visually loss- less range, provides several datasets with scores in a just noticeable difference scale and evaluates quality metrics considering the advances in the subjective assessment methodologies. Second, it pro- poses predictive and uncertainty-driven sampling frameworks to make pairwise comparison subjective testing more efficient and scalable. Finally, it explores perceptually guided loss functions for learned image coding optimization, introducing fidelity-preserving compression strategies. All together, these contributions establish reliable and perceptually grounded frameworks that bridge the gap between hu- man visual judgment and computational quality assessment, enabling more reliable and perceptually optimized image compression systems.

Publication details

Authors in the community:

Supervisors of this institution:

RENATES TID

101699832

Degree Name

Doutoramento em Engenharia Electrotécnica e de Computadores

Fields of Science and Technology (FOS)

electrical-engineering-electronic-engineering-information-engineering - Electrical engineering, electronic engineering, information engineering

Keywords

  • Image quality assessment
  • subjective evaluation methodologies
  • quality metrics
  • pairwise comparison
  • learned image compression.
  • Avaliação da qualidade de imagem
  • metodologias de avaliação subjetivas
  • métricas de qualidade
  • comparação aos pares
  • compressão de imagens com redes neuronais

Publication language (ISO code)

eng - English

Rights type:

Open access

Institution name

Instituto Superior Técnico

Financing entity

Fundação para a Ciência e a Tecnologia

Title of the project, award or grant: Deep compression: emerging pAradigm foR Image codiNG

Visit project

Funding Stream: Instituto de Telecomunicações Lisboa

Identifier for the funding entity: https://doi.org/10.13039/501100001871

Type of identifier of the funding entity: Crossref Funder

Number for the project, award or grant: PTDC/EEI-COM/7775/2020 ; UID/50008/2025