brisqueModel

Модель Blind/Referenceless Image Spatial Quality Evaluator (BRISQUE)

расширьте все на странице

Описание

Объект brisqueModel инкапсулирует модель, используемую, чтобы вычислить Изображение Blind/Referenceless Пространственное Качественное Средство анализа (BRISQUE) перцепционный качественный счет изображения. Объект содержит модель регрессора вектора поддержки (SVR).

Создание

Можно создать объект brisqueModel с помощью следующих методов:

  • fitbrisque — Обучите модель BRISQUE, содержащую пользовательскую обученную модель регрессора вектора поддержки (SVR). Используйте эту функцию, если у вас нет предварительно обученной модели.

  • Функция brisqueModel описана здесь. Используйте эту функцию, если у вас есть предварительно обученная модель SVR, или если модель по умолчанию достаточна для вашего приложения.

Синтаксис

m = brisqueModel
m = brisqueModel(alpha,bias,supportVectors,scale)

Описание

пример

m = brisqueModel создает объект модели BRISQUE со значениями свойств по умолчанию, которые выведены от [1]базы данных [2] LIVE IQA изображений.

пример

m = brisqueModel(alpha,bias,supportVectors,scale) создает пользовательскую модель BRISQUE и устанавливает Alpha, Bias, SupportVectors и свойства Scale. Необходимо обеспечить все четыре аргумента, чтобы создать пользовательскую модель.

Примечание

Трудно предсказать хорошие значения свойств, не запуская стандартную программу оптимизации. Используйте этот синтаксис, только если вы создаете объект brisqueModel с помощью предварительно обученной модели SVR с известными значениями свойств.

Свойства

развернуть все

Коэффициенты, полученные путем решения двойной проблемы, заданной как m-by-1 числовой вектор. Длина Alpha должна совпадать с количеством векторов поддержки (количество строк SupportVectors).

Пример: rand(10,1)

Типы данных: single | double | int8 | int16 | int32 | uint8 | uint16 | uint32

Сместите термин в модели SVM, заданной в виде числа.

Пример: 47.4

Типы данных: single | double | int8 | int16 | int32 | uint8 | uint16 | uint32

Поддержите векторы, заданные как m-by-36 числовой вектор. Количество строк, m, совпадает с длиной Alpha.

Пример: rand(10,36)

Типы данных: single | double | int8 | int16 | int32 | uint8 | uint16 | uint32

Это свойство доступно только для чтения.

Функция ядра, заданная как 'gaussian'.

Масштабный коэффициент ядра, заданный в виде числа. Масштабный коэффициент делит значения предиктора на ядро SVR.

Пример: 0.25

Типы данных: single | double | int8 | int16 | int32 | uint8 | uint16 | uint32

Примеры

свернуть все

Скрипт Open Live Script
model = brisqueModel
model = 
  brisqueModel with properties:

             Alpha: [593x1 double]
              Bias: 43.4582
    SupportVectors: [593x36 double]
            Kernel: 'gaussian'
             Scale: 0.3210
Скрипт Open Live Script

Создайте объект brisqueModel с помощью, предварительно вычислил Alpha, Bias, SupportVectors и свойства Scale. Случайные инициализации показывают в иллюстративных целях только.

model = brisqueModel(rand(10,1),47,rand(10,36),0.25)
model = 
  brisqueModel with properties:

             Alpha: [10x1 double]
              Bias: 47
    SupportVectors: [10x36 double]
            Kernel: 'gaussian'
             Scale: 0.2500

Можно использовать пользовательскую модель, чтобы вычислить счет BRISQUE к изображению.

I = imread('lighthouse.png');
score = brisque(I,model)
score = 47

Алгоритмы

Регрессор вектора поддержки (SVR) вычисляет музыку регрессии к матрице предиктора X как:

F = G (X, SupportVectors) × Alpha + Bias

G (X, SupportVectors) является n-by-m матрица продуктов ядра для строк n в X и строк m в SupportVectors. SVR имеет 36 предикторов, которые определяют количество столбцов в SupportVectors.

SVR вычисляет продукт ядра между векторами x и z с помощью Kernel (x/Scale, z/Scale).

Ссылки

[1] Миттал, A., А. К. Мурти и А. К. Бовик. "Оценка Качества изображения без ссылок в Пространственной Области". Транзакции IEEE на Обработке изображений. Издание 21, Номер 12, декабрь 2012, стр 4695–4708.

[2] Миттал, A., А. К. Мурти и А. К. Бовик. "Изображение Referenceless пространственный качественный Engine оценки". Представление на 45-й конференции Asilomar по сигналам, системам и компьютерам, Пасифик-Гроуву, CA, ноябрь 2011.

Смотрите также

Функции

Объекты

Темы

Введенный в R2017b

Документация Image Processing Toolbox
Поддержка
Для просмотра документации необходимо авторизоваться на сайте