CN104574424B - 基于多分辨率dct边缘梯度统计的无参照图像模糊度评价方法 - Google Patents
基于多分辨率dct边缘梯度统计的无参照图像模糊度评价方法 Download PDFInfo
- Publication number
- CN104574424B CN104574424B CN201510054586.4A CN201510054586A CN104574424B CN 104574424 B CN104574424 B CN 104574424B CN 201510054586 A CN201510054586 A CN 201510054586A CN 104574424 B CN104574424 B CN 104574424B
- Authority
- CN
- China
- Prior art keywords
- sub
- block
- dct
- divided
- resolution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20052—Discrete cosine transform [DCT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于多分辨率DCT边缘梯度统计的无参照图像模糊度评价方法,包括以下步骤:1)将目标图像划分为一个以上的8×8块并DCT变换;2)将各个8×8DCT矩阵中相同位置的子块顺序组合到一起,得到一幅包含三级分辨率的DCT变换图;3)将相对应的三幅DCT系数矩阵中各个相同位置的系数值进行平方求和,从而得到一副相同尺寸的能量图;4)对每级分辨率得到的能量图进行局部最大值提取,从而得到三幅相同大小的边缘图;5)对每幅边缘图进行梯度计算,得到边缘梯度图,并进行方差统计,得到每幅边缘梯度图的标准差S1、S2和S3;6)计算得到模糊度值B为:B=1/(S1*a/(S3+e)+S2*b/(S3+e))。本发明的方法能提高无参照模糊度客观估计的准确度和稳定性。
Description
技术领域
本发明涉及电子信息学科学领域,特别涉及一种基于多分辨率DCT边缘梯度统计的无参照图像模糊度评价方法。
背景技术
图像模糊是图像降质的一种,图像模糊度评价属于特定降质模型的图像质量评价。准确检测和估计图像的模糊程度是很多图像/视频处理方法的基础。
图像模糊类型可按其模糊原因分为散焦模糊、运动模糊等。其中图像模糊度评价方法是人眼主观评价方法,即通过人眼主观判断和估计图像的模糊程度;此种主观评价方法比较准确,这是因为图像和视频最终是面向人眼呈现的,人的主观感受是最重要的依据和评价准则。但是,人眼主观评价的缺点是无法运用到需要实时的场合。很多应用比如基于图像的自动聚焦、图像压缩编码等都需要通过评价算法实现对图像模糊度的估计。因此研究图像模糊度客观评价方法是有意义的。
目前针对图像模糊度评价主要有三类客观评价方法。第一类是全参照的评价方法,即需要以降质之前的原图像作为参照,对比降质前后图像进行模糊度评价。这类方法最为精确,但在无法获得原图像情形下没有意义;第二类是部分参照评价方法,即利用部分原图像的信息,一般通过比较原图像与降质图像的特征信息进行评价。这类方法相对全参照方法减少了对原图像数据量的要求,评价相对而言比较可靠;第三类是无参照评价方法,即不利用任何原图像的信息,仅仅通过对降质后的图像分析进行评价。无参照评价方法应用范围广,具有重要的理论和应用价值。
当前无参照图像模糊度评价方法主要采用以下四种技术路线:第一种技术路线是基于频域(如傅里叶变换)能量频谱的计算模型,其基本思想是模糊形成通常可看作为低通滤波作用结果,使得高频能量被滤除掉了,这导致模糊图像相对于正常图像其能量频谱以一定的规律快速消减,因此采用分析能量频谱可以对模糊度进行评测;第二种技术路线是通过边缘分析来确定模糊度值,其基本思想是图像模糊会造成图像中的细节变化比如边缘变宽或消失,因此通过分析边缘的变化可以对模糊度进行估计。这类方法的缺点在于边缘检测一般只能对包含具有较多文理内容的图像才有效果,这导致对弱纹理图像评价往往误差较大;第三类技术路线是基于对图像像素或频域系数的统计,其基本思想是清晰图像的像素值通常会具有更大的统计方差或更高的信息熵,因此像素值或频域系数的统计数据能够反映图像模糊度的变化;第四种技术路线是基于局部梯度分析模型,其基本思想是图像的局部梯度值对模糊较敏感,梯度值的变化能够反映出一定的图像模糊变化。
以上四类技术路线的共有的规律都是通过找到模糊引起的某种变化量,通过分析变化量来评测模糊度值。然而这些“某种变化量”都是基于图像本身内容的绝对变化量,是跟图像内容密切相关的。这些方法虽然能够在许多场合具有较好的评价效果,但是往往会受到图像内容的干扰导致得到较大误差甚至完全错误的估计值。例如,对于一副包含丰富边缘而模糊度本身更大的图像和一副边缘较少而模糊度较低的图像,采用基于边缘分析的评价方法经常容易对前者得到更小的估计值而对后者则得到较大的估计值。当前许多方法都有类似的缺陷即无法获得准确的绝对模糊度值。
当然任何一个评价方法都无法对任意图像的模糊度进行精准的评价,这类似于人眼有时候也难以区分两张图像模糊度一样。针对无参照评价方法的好坏评测,通常采用具有主观评价MOS(MeanOpinionScore)或DMOS(DifferenceMeanOpinionScore)数据的图像作为测试数据,通过对比评价值与MOS或DMOS值进行评估方法的好坏。如果某个方法的对大量的测试数据集的评价值呈现出与人眼主观评价数据值相一致的规律,则此种方法被认定为评价效果好。
发明内容
本发明的目的是针对上述已有技术的不足,提出一种能提高无参照模糊度客观估计的准确度和稳定性,使得评价结果最大程度上与图像内容无关,而与人眼视觉主观评价密切一致的基于多分辨率DCT边缘梯度统计的无参照图像模糊度评价方法。
本发明的技术方案是:
一种基于多分辨率DCT边缘梯度统计的无参照图像模糊度评价方法,包括以下步骤:
1)将待评价的目标图像划分为一个以上的8×8块,并将各个8×8块进行DCT变换,每个8×8块经DCT变换后得到一个包含64个DCT系数的8×8DCT矩阵;将各个8×8DCT矩阵的64个DCT系数按照从左至右、从上至下的方式进行1~64的顺序标号;其中将DCT系数1划分为第一子块、将DCT系数2划分为第二子块、将DCT系数9划分为第三子块、将DCT系数10划分为第四子块、将系数3、4、11、12一并划分为第五子块,将系数17、18、25、26一并划分为第六子块,将19、20、27、28一并划分为第七子块,将系数5、6、7、8、13、14、15、16、21、22、23、24、29、30、31、32共16个系数一并划分为第八子块、将系数33、34、35、36、41、42、43、44、49、50、51、52、57、58、59、60共16个系数一并划分为第九子块、将剩下的16个系数一并划分为第十子块;
2)将步骤1)中各个8×8DCT矩阵中相同位置的子块按照相应的位置顺序组合到一起,得到一幅与目标图像的原图像大小一致的包含三级分辨率的DCT变换图;其中每一级分辨率对应三幅大小相同的DCT系数矩阵;
3)对于每一级分辨率,将相对应的三幅DCT系数矩阵中各个相同位置的系数值进行平方求和,从而得到一副相同尺寸的能量图;
4)对每级分辨率得到的能量图采用三个不同大小的窗口进行局部最大值提取,从而得到三幅相同大小的边缘图;
5)对每幅边缘图进行横向或竖向的梯度计算,得到相对应的边缘梯度图,并对各边缘梯度图进行方差统计,得到每幅边缘梯度图的标准差S1、S2和S3;
6)计算得到模糊度值B为:B=1/(S1*a/(S3+e)+S2*b/(S3+e));其中a为0.8,b为0.2,e为正数。
作为本发明的进一步改进,在步骤1)中,各个8×8块进行DCT变换的具体过程为:
Fc[g(x,y)]={Dων(g(x,y))}
其中系数Dων(g(x,y))对应像素g(x,y),具体定义如下:
其中Cων是正交基函数,M=N=8:
Cων(x,y;M,N)=cω(x;M)cν(y;N)
其中:
作为本发明的进一步改进,在步骤2)中,三级分辨率分别为第一级分辨率、第二级分辨率和第三级分辨率,其中第一级分辨率为第二级分辨率的二倍,所述第一级分辨率为第三级分辨率的四倍。
作为本发明的进一步改进,在步骤2)中,第一级分辨率由8×8DCT矩阵中的第八子块、第九子块和第十子块组成,第二分辨率由第五子块、第六子块和第七子块组成,第三级分辨率由第二子块、第三子块和第四子块组成。
作为本发明的进一步改进,在步骤4)中,三个不同大小的窗口分别为第一级窗口、第二级窗口和第三级窗口,所述第一级窗口的大小为第二级窗口大小的1/2,第一级窗口的大小为第三级窗口大小的1/4。
作为本发明的进一步改进,在步骤6)中e为0.000001。
作为本发明的进一步改进,在步骤1)中所述目标图像为灰色图像。
与现有技术相比,本发明所具有的有益效果为:
本发明的基于多分辨率DCT边缘梯度统计的无参照图像模糊度评价方法,利用多分辨率DCT边缘梯度统计相对值来作为模糊度估计依据,而不再是采用模糊度某种相关变量的绝对值作为评测依据,其评价准确度高,计算量小,同时也适合硬件实现。
附图说明
图1为本发明模糊度评价方法流程图。
图2为8×8DCT矩阵中系数编号示意图及分成十个子块的结构示意图。
图3为三级分辨率DCT系数组合示意图。
图4(a)为本实施例中图像DCT第一级边缘梯度图。
图4(b)为本实施例中图像DCT第二级边缘梯度图。
图4(c)为本实施例中图像DCT第三级边缘梯度图。
图5为本发明方法对LIVE高斯模糊图像的评价结果与实际高斯滤波标准差对比曲线。
具体实施方式
以下结合附图对本发明的具体实施例进行详细描述,但不构成对本发明的限制。
如图1至图5所示,本发明基于多分辨率DCT边缘梯度统计的无参照图像模糊度评价方法,包括以下步骤:
(1)假设待评价的目标图像大小为M×N的灰色图像(若图像为彩色图像,首先应将其转化为灰色图像),将其划分为m×n个8×8的块,其中 对于每个8×8图像块,定义g(x,y)为在(x,y)的像素值,按以下公式进行DCT变换:
Fc[g(x,y)]={Dων(g(x,y))}
系数Dων(g(x,y))对应像素g(x,y),具体定义如下:
Cων是正交基函数,M=N=8:
Cων(x,y;M,N)=cω(x;M)cν(y;N)
其中:
每个8×8块经DCT变换后得到一个包含64个DCT系数的8×8DCT矩阵。对每个8×8DCT矩阵按照从左至右、从上到下的方式进行1-64标号,如图2所示。其中将DCT系数1划分为第一子块、将DCT系数2划分为第二子块、将DCT系数9划分为第三子块、将DCT系数10划分为第四子块、将系数3、4、11、12一并划分为第五子块,将系数17、18、25、26一并划分为第六子块,将19、20、27、28一并划分为第七子块,将系数5、6、7、8、13、14、15、16、21、22、23、24、29、30、31、32共16个系数一并划分为第八子块、将系数33、34、35、36、41、42、43、44、49、50、51、52、57、58、59、60共16个系数一并划分为第九子块、将剩下的16个系数一并划分为第十子块。
(2)对所有m×n个8×8DCT矩阵,将各相同子块按照对应的位置顺序进行组合,并放置于对应的位置上,如图3所示。按照这种系数重新组合方式,可得到一幅具有三级分辨率的DCT系数图,其中三级分辨率分别为第一级分辨率、第二级分辨率和第三级分辨率,其中第一级分辨率为第二级分辨率的二倍,所述第一级分辨率为第三级分辨率的四倍;第一级分辨率由8×8DCT矩阵中的第八子块、第九子块和第十子块组成,第二分辨率由第五子块、第六子块和第七子块组成,第三级分辨率由第二子块、第三子块和第四子块组成。每一级分辨率对应三幅大小相同的系数矩阵,不妨设第i级分辨率的三幅系数矩阵分别为Hi,Vi和Di,i=1、2、3。
(3)对于每一级分辨率,将相对应的三幅DCT系数矩阵中各个相同位置的系数值进行平方求和,从而得到一副相同尺寸的能量图,共三幅能量图{Ei|i=1,2,3}.按以下公式计算得到能量图坐标位置(k,l)处的能量值Ei(k,l):
其中E1大小为E2的2倍,为E3的4倍。
(4)对每级分辨率得到的能量图采用三个不同大小的窗口进行局部最大值提取,从而得到三幅相同大小的边缘图;其中三个不同大小的窗口分别为第一级窗口、第二级窗口和第三级窗口,第一级窗口的大小为第二级窗口大小的1/2,第一级窗口的大小为第三级窗口大小的1/4;对E1和E2进行局部最大值提取,对E1查找出每个无重叠4×4大小窗口的最大值,各最大值按对应位置组成一矩阵F1。同样的,对E2查找每个无重叠2×2大小窗口的最大值,得到F2。E3直接作为F3,这样得到三幅同样大小的DCT边缘图。
(5)对每幅DCT边缘图进行横向或竖向的梯度计算,得到相对应的边缘梯度图,并对各边缘梯度图进行方差统计,得到每幅边缘梯度图的标准差S1、S2和S3;如对Fi,按照以下方式得到边缘梯度矩阵Gi:
Gi(k,l)=Fi(k+1,l)-Fi(k,l)
其中图4(a)-4(c)为本实施例中图像对应的三幅边缘梯度图。Gi亦可以采用其他类似方式计算,比如:
Gi(k,l)=Fi(k,l+1)-Fi(k,l)
或:
对矩阵Gi,统计计算得到系数的标准差δi。
(6)按以下公式计算得到图像模糊度值B:
其中α,β分别取值0.8和0.2,ξ为很小正数,可取0.000001。
尽管上面是对本发明具体实施方案的完整描述,但是可以采取各种修改、变体和替换方案。这些等同方案和替换方案被包括在本发明的范围内。因此,本发明的范围不应该被限于所描述的实施方案,而是应该由所附权利要求书限定。
Claims (6)
1.一种基于多分辨率DCT边缘梯度统计的无参照图像模糊度评价方法,其特征在于,包括以下步骤:
1)将待评价的目标图像划分为一个以上的8×8块,并将各个8×8块进行DCT变换,每个8×8块经DCT变换后得到一个包含64个DCT系数的8×8DCT矩阵;将各个8×8DCT矩阵的64个DCT系数按照从左至右、从上至下的方式进行1~64的顺序标号;其中将DCT系数1划分为第一子块、将DCT系数2划分为第二子块、将DCT系数9划分为第三子块、将DCT系数10划分为第四子块、将系数3、4、11、12一并划分为第五子块,将系数17、18、25、26一并划分为第六子块,将19、20、27、28一并划分为第七子块,将系数5、6、7、8、13、14、15、16、21、22、23、24、29、30、31、32共16个系数一并划分为第八子块、将系数33、34、35、36、41、42、43、44、49、50、51、52、57、58、59、60共16个系数一并划分为第九子块、将剩下的16个系数一并划分为第十子块;
2)将步骤1)中各个8×8DCT矩阵中相同位置的子块按照相应的位置顺序组合到一起,得到一幅与目标图像的原图像大小一致的包含三级分辨率的DCT变换图;其中每一级分辨率对应三幅大小相同的DCT系数矩阵;
3)对于每一级分辨率,将相对应的三幅DCT系数矩阵中各个相同位置的系数值进行平方求和,从而得到一副相同尺寸的能量图;
4)对每级分辨率得到的能量图采用三个不同大小的窗口进行局部最大值提取,从而得到三幅相同大小的边缘图;
5)对每幅边缘图进行横向或竖向的梯度计算,得到相对应的边缘梯度图,并对各边缘梯度图进行方差统计,得到每幅边缘梯度图的标准差S1、S2和S3;
6)计算得到模糊度值B为:B=1/(S1*a/(S3+e)+S2*b/(S3+e));其中a为0.8,b为0.2,e为正数。
2.根据权利要求1所述的基于多分辨率DCT边缘梯度统计的无参照图像模糊度评价方法,其特征在于,在步骤2)中,三级分辨率分别为第一级分辨率、第二级分辨率和第三级分辨率,其中第一级分辨率为第二级分辨率的二倍,所述第一级分辨率为第三级分辨率的四倍。
3.根据权利要求2所述的基于多分辨率DCT边缘梯度统计的无参照图像模糊度评价方法,其特征在于,在步骤2)中,第一级分辨率由8×8DCT矩阵中的第八子块、第九子块和第十子块组成,第二分辨率由第五子块、第六子块和第七子块组成,第三级分辨率由第二子块、第三子块和第四子块组成。
4.根据权利要求1至3中任意一项所述的基于多分辨率DCT边缘梯度统计的无参照图像模糊度评价方法,其特征在于,步骤4)中,三个不同大小的窗口分别为第一级窗口、第二级窗口和第三级窗口,所述第一级窗口的大小为第二级窗口大小的1/2,第一级窗口的大小为第三级窗口大小的1/4。
5.根据权利要求4所述的基于多分辨率DCT边缘梯度统计的无参照图像模糊度评价方法,其特征在于,步骤6)中e为0.000001。
6.根据权利要求1所述的基于多分辨率DCT边缘梯度统计的无参照图像模糊度评价方法,其特征在于,步骤1)中所述目标图像为灰色图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510054586.4A CN104574424B (zh) | 2015-02-03 | 2015-02-03 | 基于多分辨率dct边缘梯度统计的无参照图像模糊度评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510054586.4A CN104574424B (zh) | 2015-02-03 | 2015-02-03 | 基于多分辨率dct边缘梯度统计的无参照图像模糊度评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104574424A CN104574424A (zh) | 2015-04-29 |
CN104574424B true CN104574424B (zh) | 2016-03-23 |
Family
ID=53090396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510054586.4A Active CN104574424B (zh) | 2015-02-03 | 2015-02-03 | 基于多分辨率dct边缘梯度统计的无参照图像模糊度评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104574424B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104809735B (zh) * | 2015-05-12 | 2017-11-10 | 公安部第三研究所 | 基于傅里叶变换实现图像雾霾评价的系统及方法 |
CN105279743B (zh) * | 2015-11-19 | 2018-03-30 | 中国人民解放军国防科学技术大学 | 一种基于多级dct系数的图像噪声水平估计方法 |
CN105279742B (zh) * | 2015-11-19 | 2018-03-30 | 中国人民解放军国防科学技术大学 | 一种快速的基于分块噪声能量估计的图像去噪方法 |
CN106485703B (zh) * | 2016-09-30 | 2019-05-21 | 杭州电子科技大学 | 基于图像梯度dct变换的模糊检测方法 |
CN112017352B (zh) * | 2020-09-03 | 2022-12-06 | 平安科技(深圳)有限公司 | 证件鉴伪方法、装置、设备及可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101127903A (zh) * | 2007-09-29 | 2008-02-20 | 华南理工大学 | 基于dct的分辨率可伸缩图像编解码方法 |
CN103927753A (zh) * | 2014-04-21 | 2014-07-16 | 中国人民解放军国防科学技术大学 | 一种基于多尺度重组dct系数的图像绝对模糊度估计方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4193881B2 (ja) * | 2006-07-04 | 2008-12-10 | セイコーエプソン株式会社 | 画像処理装置およびぼやけ検出方法 |
-
2015
- 2015-02-03 CN CN201510054586.4A patent/CN104574424B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101127903A (zh) * | 2007-09-29 | 2008-02-20 | 华南理工大学 | 基于dct的分辨率可伸缩图像编解码方法 |
CN103927753A (zh) * | 2014-04-21 | 2014-07-16 | 中国人民解放军国防科学技术大学 | 一种基于多尺度重组dct系数的图像绝对模糊度估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104574424A (zh) | 2015-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104574424B (zh) | 基于多分辨率dct边缘梯度统计的无参照图像模糊度评价方法 | |
Feichtenhofer et al. | A perceptual image sharpness metric based on local edge gradient analysis | |
CN100559881C (zh) | 一种基于人工神经网络的视频质量评价方法 | |
CN102075786B (zh) | 一种图像客观质量评价方法 | |
CN102333233B (zh) | 一种基于视觉感知的立体图像质量客观评价方法 | |
CN101976444B (zh) | 一种基于像素类型的结构类似性图像质量客观评价方法 | |
CN103281554B (zh) | 一种基于人眼视觉特性的视频客观质量评价方法 | |
CN101562675B (zh) | 基于Contourlet变换的无参考型图像质量评测方法 | |
CN107301664A (zh) | 基于相似性测度函数的改进局部立体匹配方法 | |
CN106341677B (zh) | 虚拟视点视频质量评价方法 | |
CN103475897B (zh) | 一种基于失真类型判断的自适应图像质量评价方法 | |
CN102572499B (zh) | 基于小波变换多分辨率预测的无参考图像质量评价方法 | |
CN108109147A (zh) | 一种模糊图像的无参考质量评价方法 | |
CN104243973A (zh) | 基于感兴趣区域的视频感知质量无参考客观评价方法 | |
CN107784651A (zh) | 一种基于模糊检测加权的模糊图像质量评价方法 | |
CN109003265A (zh) | 一种基于贝叶斯压缩感知的无参考图像质量客观评价方法 | |
CN102036098B (zh) | 一种基于视觉信息量差异的全参考型图像质量评价方法 | |
CN108053396A (zh) | 一种多失真图像质量的无参考评价方法 | |
CN103354617B (zh) | 一种基于dct域的边缘强度压缩的图像质量客观评价方法 | |
CN103745466A (zh) | 一种基于独立成分分析的图像质量评价方法 | |
CN104144339B (zh) | 一种基于人眼感知的质降参考立体图像质量客观评价方法 | |
Gu et al. | An improved full-reference image quality metric based on structure compensation | |
CN108513132A (zh) | 一种视频质量评价方法及装置 | |
CN102013100A (zh) | 一种基于遥感图像相位相关性的图像质量判别方法 | |
CN109685757B (zh) | 一种基于灰度差分统计的无参考图像质量评价方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |