部分参考型图像质量的模糊分类评价
运动模糊图像的质量分析与评价
运动模糊图像的质量分析与评价摘要：提出了一种新的图像质量评价标准，通过图像的运动模糊参数来估计出图像由于运动而造成的信息损失量，并通过信息损失的多少来评价图像的质量。
实验表明，该方法能客观地体现出运动模糊图像的质量与运动模糊参数之间的关系，这种关系对于图像的质量评价特别是有参考条件下的图像质量评价具有良好的效果。
同时还根据活动度和图像灰度梯度能客观地表示图像细节部分的特性。
将图像分块，并从8个方向对图像进行分析，客观地评价出无参考条件下直线运动模糊图像的质量。
关键词：质量评价；运动模糊参数；信息损失；直线运动模糊；活动度图像的去模糊是图像处理中的一个重要分支，在获取图像过程中，由于物体与相机之间的相对运动会造成得到的图像总会有一定程度的模糊。
在现实生活中，运动模糊图像广泛存在，图像会因为摄像者与对象之间的角度和物体与相机之间的相对运动速度等的差异而导致所得到的运动模糊图像有着不同的质量，这种差异即为图像的运动模糊参数的差异。
找出图像的质量与其运动模糊参数之间的关系具有重要的意义。
因为在去除这些模糊之前往往要通过一定的评价来估计出图像的质量，能否准确地估计出图像质量对图像后期的去模糊处理有着重要的意义。
目前大多数情况下，对模糊图像的质量评价一般采用主观的评价方法，但是主观评价不能建立一定的数学模型，而且由于主观差异的存在，不同人的知识背景和主观目的、兴趣等的不同而得出不同的结论，不能适用于很多场合。
而客观质量的评价方法大致可以分为无参考图像的质量评价和有参考图像的质量评价。
1 传统的图像质量分析算法图像的质量分析一般为有参考条件下的质量分析和无参考条件下的质量分析两种[1-4]。
无参考判断图像的质量评价是指在不借助任何参考图像的前提下，对模糊图像的质量进行评价。
而有参考图像的质量评价是指将模糊的图像与参考图像(即原图像)进行对比，得出图像的质量。
传统的图像质量分析算法：(1)梯度函数。
在数字图像中，图像的梯度函数可以用来对图像进行图像的边缘提取及其图像的二值化，一般来说，可以认为图像越是清晰，其图像的灰度就会变化越剧烈，就应该具有相对比较大的图像梯度值。
图像质量评价的研究现状及其展望
图像质量评价的研究现状及其展望[摘要] 符合人眼视觉系统特性的图像质量评价方法,不仅可以更好地评价图像处理算法的优劣,而且能够指导图像处理的思路和方法。
近年来,图像质量评价的研究发展迅速。
本文重点阐述模拟人眼视觉系统的两类客观评价方法,并介绍以这两类方法为基本框架的各种改进方法。
然后针对图像融合、复原、压缩三个主要的处理领域的质量评价的特殊性进行分析。
总结认为该领域的发展方向是对视觉感知生理心理学及HVS模型进一步研究,建立计算更简便、评价更准确的通用评价方法,并发展无参考的质量评价方法。
[关键词]图像质量评价HVS CSF SSIM1 引言图像质量评价一直是图像处理领域研究的基础和重点。
图像质量评价方法包括:主观评价(MOS: Mean Opinion Score)方法和客观评价方法。
因为人眼是图像处理系统的终端,所以主观评价方法是最合理的图像质量评价方法。
但是该方法需要组织观察者对失真图像进行评分,难以用数学模型表达加以应用[1]。
所以MOS 方法一般用来验证客观评价方法的有效性。
目前应用最广泛的客观质量评价方法包括:均方差(Mean Squared Error,MSE)、峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)方法。
试验证明MSE/PSNR对于单纯的噪声图像质量评价比较准确,但是对失真降质图像的评价是不可靠的,所以需要研究符合人眼视觉的评价方法。
自从60年代大量的视觉感知生理心理学试验[2]得到了人类视觉系统(Human Visual System,HVS)模型,图像质量评价的研究得到迅速发展。
不但建立了各种模拟人眼视觉系统特性的数学模型,而且在此基础上提出了各种适用于特定图像处理领域的评价方法。
但是,至今没有形成一些公认的、通用的评价方法,以至于目前图像各研究领域仍然停留在利用MSE/PSNR评价算法优劣的阶段。
本文讨论模拟人眼视觉系统特性的图像质量评价方法,分析各种方法的思路及应用特点,总结其发展脉络及研究趋势。
图像质量质量评价
图像质量评价综述摘要：图像质量评价是图像处理领域的研究热点。
本文综合论述了图像质量的主观和客观评价方法，就各自具体的实现方法做了简要的介绍，并分析了各自适用性和存在的问题。
最后进而根据发展趋势和应用需求，对图像质量评价方法的进一步发展提出了若干技术与研究方向的展望。
[关键字]图像质量评价人类视觉系统结构相似度全参考评价部分参考评价无参考评价[abstract]Image quality assessment (IQA) is a hot research area in the field of image processing. In this paper, we discuss the subjective and objective assessment methods of image quality, respectively give a brief introduction of their specific implementation method, and analyses the respective applicability and problems. Finally, the further development of the technology and research directions of the future are proposed based on the trends and application requirements.[keywords]Image Quality Assessment(IQA) Human Visual System(HVS) Structural similarity Full Reference(FR) Reduced Reference(RR) No Reference(NR)，一.引言图像是人类获取信息的重要途径，其所承载的信息远比其它形式的信息更贴切、更丰富。
半参考和无参考图像质量评价新方法
本文提出了一种基于深度学习的半参考图像质量评价方法，通过改进现有的卷积神经网络结构，实现了言，第2章介绍相关研究背景和现状，第3章详细描述所提出的方法，第4章为实验验 证和结果分析，第5章为结论和展望。
02
半参考图像质量评价方法
基于深度学习的半参考图像质量评价方法
03
在无参考图像质量评价方面，虽然已经取得了一定的进展 ，但仍存在许多挑战。例如，如何准确地评估图像的某些 特定属性（如色彩、纹理等）以及如何处理不同类型和不 同光照条件下的图像等。未来可以针对这些问题进行深入 研究。
THANKS
感谢观看
03
无参考图像质量评价方法
基于机器学习的无参考图像质量评价方法
1 2
深度学习模型
利用深度学习技术，构建卷积神经网络（CNN ）模型，通过大量训练数据学习图像特征和品质 评分之间的关系。
迁移学习
将预训练的深度学习模型应用于不同场景和任务 ，通过微调的方式适应新的数据集。
3
自监督学习
利用无标签数据，通过自监督学习的方式，让模 型从无标签数据中学习到图像特征和品质评分之 间的关系。
结构相似性指数（Structural Similarity Index, SSIM）： 通过比较两幅图像的结构信息来评估它们的相似度。
基于自相似性的无参考图像质量评价方法
自相似性
图像中的像素之间存在一定的相关性，这种相关性可以用于评估图像的质量。
非局部均值（Non-local Means,…
通过计算像素之间的非局部相似性来平滑图像，从而降低噪声和失真。
方法分析和讨论
方法分析
在分析实验结果时，我们发现半参考图 像质量评价方法能够利用参考图像的信 息，更好地评估图像的整体质量和清晰 度。而无参考图像质量评价方法则更注 重局部细节和结构信息，因此在一些场 景下具有优势。此外，我们还发现一些 新兴方法如深度学习等在图像质量评价 方面具有巨大潜力。
图像处理技术的图像质量评估与评价方法
图像处理技术的图像质量评估与评价方法在图像处理技术的发展过程中，图像质量评估与评价方法起着至关重要的作用。
图像质量评估是指对经过处理的图像进行质量判断和评估的过程，通过对图像质量的准确评估，可以帮助人们选择最佳的图像处理算法和优化图像处理的结果。
本文将介绍图像质量评估的相关概念、常用方法以及评价指标。
我们来了解一些图像质量评估的基本概念。
图像质量评估分为参考图像质量评估和无参考图像质量评估两种方法。
参考图像质量评估是通过将经处理的图像与原始图像进行比较，从而评估图像质量。
而无参考图像质量评估则是直接对图像进行评估，无需参考标准。
图像质量评估还可以分为主观评价和客观评价两种方法。
主观评价是通过人类视觉系统进行评价，通常需要一些受试者对图像进行评分。
客观评价则是通过计算机算法进行评价，使用各种图像质量评估指标衡量图像的质量。
接下来，我们将介绍一些常用的图像质量评估方法。
首先是主观评价方法，这些方法通常需要人类主观感受来评价图像质量。
其中，有意见分数法、比较评定法、排序方法等。
意见分数法是通过要求评价者给出一定的分数来评价图像质量。
比较评定法是让评价者选择哪个图像质量更好或更差。
排序方法是让评价者对一组图像进行排序，从而确定图像质量的优劣。
这些方法可以得到相对准确的图像质量评价结果，但需要耗费时间和人力资源。
除了主观评价方法，还有一些客观评价方法被广泛应用于图像质量评估。
其中，结构相似性指数（SSIM）是一种常用的客观评价指标。
SSIM通过比较图像的亮度、对比度和结构等特征来评估图像质量。
另一个常用的客观评价指标是峰值信噪比（PSNR），它是通过计算图像中的信号与噪声之比来评估图像质量。
还有一些其他的客观评价指标，如均方误差（MSE）、感知亮度误差（LPIPS）等。
这些客观评价指标可以通过计算机算法自动进行评价，具有快速、准确的特点。
除了上述方法，还有一些特殊场景下的图像质量评估方法。
例如，在图像压缩领域，可以使用压缩比、编码效率等指标来评估图像质量。
图像质量评价标准
图像质量评价标准|一、评价参数（一）对比度1、客观对比度：物体本身的差异，由被检体的密度和厚度决定。
2、x线对比度：穿过人体后，x线强度上的差异。
3、图像对比度：x线照片上所表现出的密度差。
客观对比度是成像的基础，图像对比度是图像的最基本特征。
下图很好的说明了以上三个对比度：1、客观对比度：骨骼、软组织、气体存在密度上的差别。
2、X线对比度：透过不同组织形成的X线强度上的差别。
3、图像对比度：图像上形成的黑白差别。
对比度分辨率是指将客观对比度转换成图像对比度的能力。
分辨率高的成像装置可将低对比的组织区分开；分辨率低的成像装置只能将高对比的组织区分开。
例如：CT与平片。
左图是普通平片，属于分辨率低的装置（X线机）摄取的片子；右图是胸部CT横断片，属于高分辨率的装置（CT机）摄取的片子。
对低对比的组织的区分能力，CT高于平片（即分辨率高的成像装置可将低对比的组织区分开），而平片只能区分差别较大组织（即分辨率低的成像装置只能将高对比的组织区分开）。
（二）模糊1、指物体的边界不清楚。
2、原因：每个物点的像向周围有不同程度的扩展。
3、影响：降低了图像的清晰度。
空间分辨率：区分相互靠近的两个物体细节的能力。
用LP/mm表示。
是评价影像设备性能优劣的重要指标。
以下是电影《神话》的一幅海报，表现的是图像的模糊。
下图是一幅分辨率较高的图片，图像较清晰。
（三）噪声1、定义：图像中可随机观察到的光密度变化。
2、表现为：斑点、雪花、网纹等。
3、原因：x线光子的随机分布。
4、描述：信噪比（SNR）。
SNR越大，图像质量越好。
（四）伪影1、定义：指图像中出现的被检体不存在的虚假信息。
2、影响：干扰正常结构，造成误诊。
（五）畸变定义：指物体的形态、大小和位置不同程度的改变。
（1）因观察角度不同，圆柱体的上面成为了椭圆。
（2）射线方向不同，产生了两种不同效果。
左图垂直照射，两个物体的形态基本不变；右图斜射，使两个原本分离的物体，看起来象是一体的。
数据科学中的图像处理评估方法
数据科学中的图像处理评估方法在数据科学领域，图像处理是一项重要的技术，它涉及到对图像进行处理、分析和评估的过程。
图像处理评估方法是用来衡量图像处理算法和技术的有效性和性能的工具。
本文将介绍一些常见的图像处理评估方法，并讨论它们在数据科学中的应用。
一、图像质量评估方法图像质量评估是图像处理中的一个关键问题，它用来衡量图像处理算法对图像质量的影响。
常见的图像质量评估方法包括主观评估和客观评估。
1. 主观评估主观评估是通过人工观察和判断来评估图像质量。
这种方法通常需要一些专家或受过训练的观察者来进行评估。
他们会根据图像的清晰度、对比度、颜色等方面来评估图像的质量。
主观评估方法可以提供较准确的评估结果，但需要耗费大量的时间和人力资源。
2. 客观评估客观评估是通过计算机算法来评估图像质量。
常见的客观评估方法包括峰值信噪比（PSNR）、结构相似性指数（SSIM）和感知质量度量（PQM）等。
这些方法通过计算图像的像素值、频谱特征和结构信息等来评估图像的质量。
客观评估方法具有计算速度快、成本低的优点，但可能无法准确地模拟人眼对图像的感知。
二、图像分割评估方法图像分割是图像处理中的一项重要任务，它将图像分成若干个具有相似特征的区域。
图像分割评估方法用来评估图像分割算法的准确性和效果。
1. 基于区域的评估方法基于区域的评估方法通过比较图像分割结果和真实分割结果之间的差异来评估算法的准确性。
常见的基于区域的评估方法包括欧几里得距离、Jaccard相似系数和Fowlkes-Mallows指数等。
这些方法可以衡量图像分割结果的相似性和一致性，但对于复杂的图像分割任务可能存在局限性。
2. 基于边界的评估方法基于边界的评估方法通过比较图像分割结果的边界与真实边界之间的差异来评估算法的准确性。
常见的基于边界的评估方法包括平均欧几里得距离、平均Hausdorff距离和边界匹配率等。
这些方法可以衡量图像分割结果的边界精度和一致性，但对于复杂的图像分割任务可能存在一定的挑战。
影像科图像质量评价标准【范本模板】
影像科图像质量评价标准一、图像质量保证组织和人员职责分工影像科建立图像质量保证工作小组，小组成员包括高年资影像诊断医师、影像科技师、影像设备维修人员相关专业工程技术人员.影像质量保证工作小组成员中,影像设备维修人员或相关专业技术人员负责影像设备正常运行，保证影像设备运行稳定,参数准确，发生设备故障及时检修。
技师负责检查扫描过程的质量控制。
影像诊断医师负责诊断操作的质量控制和影像诊断质量报告的控制。
二、图像质量评价制度影像技术质控每周一次。
根据影像质量评价标准,评价影像质量，分析不合格片和差级片原因，提出改进办法。
在日常诊断读片的同时，从诊断角度，对影像质量进行评价，发现图像质量不能满足影像诊断，技师与技术人员沟通，提出改进建议.定期进行影像诊断与手术、病理或出院诊断随访对比，统计影像诊断与临床诊断的符合率,分析误诊漏诊原因，不断总结经验，提高诊断正确性. 三、图像质量评价标准(一）一般要求1、被检查器官和结构在检查范围内可观察到.主要结构、解剖结构、解剖细节清晰辨认，影像能满足影像诊断要求。
2、照片中的诠释齐全、无误、左右标志、检查号、检查日期、检查医院、被检查者姓名、性别、年龄、图像放大比例或比例尺等信息完整。
正确放置铅号码，以分辨前后位或前位。
3、用片统一，用片寸合理，分隔规范，照射野大小控制适当。
成人胸片不小于11x14英寸，成人四肢不小于10x12英寸。
4、图像放大比例一致:正位片、侧位片或斜位片放大比例不小于65％。
5、整体画面布局美观，影像无失真变形。
6、对辐射敏感的组织和器官应尽可能的屏蔽。
7、对不同检查部位的影像质量标准参照《影像科管理与技术规范》X片影像标准。
(二）优质片标准1、密度合适（照片中诊断密度范围控制在0。
25—2。
0之间）;2、层次分明(不同部位要求不同）;3、摄影体位正确：被检组织影像全部在照片上显示；重点组织界限清楚；脊柱应含相邻椎体；四肢应包括临近关节；肋骨应包括第1或第12肋骨；组织影像应符合正常的解剖投影，无失真;4、无技术操作缺陷：无体外阴影，无污片、划片、粘片、水迹、指纹、漏光、静电等阴影（三）良级片标准优级片中有1项不足,但对影像诊断影响不大。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ｆ ｏ ｃ ｕ ｓ ｅ ｓ ｉ ｎ ｉ ｍａ ｇ ｅ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎ ｇ ｆ ｉ ｅ ｌ ｄ ｓ ．Ｉ ｎ ｓ ｐ ｉ ｒ ｅ ｄ ｂ ｙ ｔ ｈ ｅ ｆ ｕ ｚ ｚ ｙ ｈ ｕ ｍａ ｎ ｅ ｖ ａ ｌ ｕ ａ ｔ ｉ ｏ ｎ，ａ ｎ ｅ ｆ ｆ ｉ ｃ ｉ ｅ ｎ ｔ ＲＲ— Ｉ ＱＡ ｆ ｒ ａ ｍｅ ｗｏ ｒ ｋ
Ｒｅ ｄ ｕ ｃ ｅ ｄ — ｒ ｅ ｆ ｅ ｒ ｅ ｎｃ ｅ ｉ ｍａ ｇ ｅ ｑ ｕ ａ ｌ ｉ ｔ ｙ ａ ｓ ｓ ｅ ｓ ｓ ｍｅ ｎ ｔ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｆ ｕ ｚ ｚ ｙ ｃ ｌ ａ ｓ ｓ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ
Ｈ ０Ｕ Ｗｅ ｉ ｌ ｏ ｎ ｇ， Ｈ Ｅ Ｌｉ ｈ ｕｏ， ＧＡＯ Ｆｅ ｉ
Байду номын сангаас
ｄ ｅ ｇ ｒ ｅ ｅ ｓ ｏ ｆ ｍｅ ｍｂ ｅ ｒ ｓ ｈ ｉ ｐ ｓ ．Ｔｈ ｅ ｎ ａ ｔ ｕ ｒ ａ ｌ ｓ ｃ ｅ ｎ ｅ ｓ ｔ ａ ｔ ｉ ｓ ｔ ｉ ｃ ｓ（ ＮＳ Ｓ）ｉ ｎ ｔ ｈ ｅ ｗａ ｖ ｅ ｌ ｅ ｔ ｄ ｏ ｍａ ｉ ｎ ｉ ｓ ｕ ｓ ｅ ｄ ｆ ｏ ｒ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｎ ｇ
ａ ｎ ｄ ｐ ａ ｒ ａ ｍｅ ｔ ｅ ｒ ｓ ｅ ｔ ｔ ｉ ｎ ｇ． Ｒｅ ｄ ｕ ｃ ｅ ｄ — ｒ ｅ ｆ ｅ ｒ ｅ ｎ ｃ ｅ ｉ ｍａ ｇ ｅ ｑ ｕ ａ ｌ ｉ ｔ ｙ ａ ｓ ｓ ｅ ｓ ｓ ｍｅ ｎ ｔ（ ＲＲ— Ｉ ＱＡ ） ｈ ａ ｓ ｂ ｅ ｃ ｏ ｍｅ ｏ ｎ ｅ ｏ ｆ ｔ ｈ ｅ
２ ０ １ ３年 １ Ｏ月
西 安 电子 科 技 大学 学 报 （ 自然 科 学 版 ）
Ｊ０ＵＲ ＮＡＬ ０Ｆ ＸＩ ＤＩ ＡＮ ＵＮＩ ＶＥＲＳＩ ＴＹ
ｏｃ ｔ ． ２ Ｏ １ ３
第 ４ Ｏ卷
第 ５期
Ｖｏ １ ． ４ ０ ＮＯ ． ５
ｄ ｏ ｉ ： １ ０． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ． １ ０ ０ １ — ２ ４ ０ ０． ２ ０ １ ３ ． ０ ５． ０ ３ ２
部 分 参 考型 图像 质 量 的模 糊 分 类 评 价
侯 伟 龙 ， 何 立 火 ， 高 飞
（ 西 安 电子 科 技 大 学 电子 工程 学 院 ， 陕 西 西安 ７ １ ０ ０ ７ １ ）
摘 要 ： 图像 质 量 的 客观 评 价 是 图像 处 理领 域 中 的 一 个 重 要 分 支． 其 评价指 标 可以作 为一种 测度 或者准 则 用 来校 准 图像 处 理 系 统 ， 或 用 于 图像 处 理 算 法 的优 化及 参 数 的 优 选 ． 部 分 参 考 型 图像 质 量 客 观 评 价 方 法 已 经 成 为 图像 质 量 评 价 领 域 研 究 的热 点 之 一 ． 考 虑 到 人 眼 对 图像 质 量 感 知 的模 糊 性 ， 将 图像 质 量 空 间 划 分 为 若 干模 糊 集 ， 利 用 自然 场 景 统 计 特 征 ， 将 图像 质 量 评 价 问题 转 化 为模 糊 分 类 问 题 ， 提 出了一种快速 、 有效 的 部 分 参 考 型 图像 质 量 评 价 方 法 ． 该 方 法 与 经 典 的 部 分 参 考 型 图像 质 量 评 价 方 法相 比 ， 主 观 感 知 的 相 关 系 数 平均提高 ， 计算 代 价 显著 降低 ， 与人 类 主观 感 知 有很 好 的 一 致 性． 关 键 词 ： 图像 质 量 评 价 ； 部 分 参考 型 ； 模糊分 类 中图 分 类 号 ： Ｔ Ｐ ３ ９ １ ． ４ １ 文献标识码 ： Ａ 文章 编 号 ： １ ０ ０ １ — ２ ４ ０ ０ （ ２ ０ １ ３ ） ０ ５ — ０ ２ ０ ０ — ０ ５
（ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｅｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ Ｅｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ，Ｘｉ ｄ ｉ ａ ｎ Ｕｎ ｉ ｖ ． ，Ｘｉ ’ ａ ｎ ７ １ ０ ０ ７ １ ，Ｃｈ ｉ ｎ ａ ） Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｉ ｍａ ｇ ｅ ｑ ｕ ａ ｌ ｉ ｔ ｙ ａ ｓ ｓ ｅ ｓ ｓ ｍｅ ｎ ｔ ｉ ｓ ａ ｎ ｉ ｍｐ ｏ ｒ ｔ ａ ｎ ｔ ｂ ｒ ａ ｎ ｃ ｈ ｉ ｎ ｔ ｈ ｅ ｆ ｉ ｅ ｌ ｄ ｓ ｏ ｆ ｉ ｍａ ｇ ｅ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎ ｇ ．Ｉ ｔ ｗｏ ｕ ｌ ｄ ｂ ｅ ｅ ｍｐ ｌ ｏ ｙ ｅ ｄ ｆ ｏ ｒ ｃ ａ ｌ ｉ ｂ ｒ ａ ｔ ｉ ｎ ｇ ｔ ｈ ｅ ｉ ｍａ ｇ ｅ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎ ｇ ｓ ｙ ｓ ｔ ｅ ｍ ｏ ｒ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍｓ ，ａ ｎ ｄ ａ ｐ ｐ ｌ ｉ ｅ ｄ ｆ ｏ ｒ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｏ ｐ ｔ ｉ ｍｉ ｚ ａ ｔ ｉ ｏ ｎ
ｆ ｅ ａ ｔ ｕｒ ｅ ｓ．Ａ ｆ ｔ ｅ ｒ ｔ ｈ ａ ｔ ，ａ ｍ ｕｌ ｔ ｉ — ｃ ｌ ａ ｓ ｓ ｆ ｕｚ ｚ ｙ ｃ ｌ ａ ｓ ｓ ｉ ｆ ｉ ｅ ｒ ｉ ｓ ｔ ｒ ａ ｉ ｎｅ ｄ ｆ ｏｒ ａ ｓ ｓ ｉ ｇ ｎｉ ｎｇ ｉ ｍａ ｇｅ ｆ ｅ ａ ｔ ｕｒ ｅ ｓ ｉ ｎｔ ｏ ｆ ｕ ｚ ｚ ｙ ｓ ｅ ｔ ｓ ｗｉ ｔ ｈ