Вычислите счет BRISQUE к естественному изображению и его искаженным версиям с помощью модели по умолчанию.

Считайте изображение в рабочую область. Создайте копии изображения с шумом и размывающимися искажениями.

I = imread('lighthouse.png');
Inoise = imnoise(I,'salt & pepper',0.02);
Iblur = imgaussfilt(I,2);

Отобразите изображения.

montage({I,Inoise,Iblur},'Size',[1 3],'ThumbnailSize',([]))
title('Original Image | Noisy Image | Blurry Image')

Вычислите счет BRISQUE к каждому изображению с помощью модели по умолчанию и отобразите счет.

brisqueI = brisque(I);
fprintf('BRISQUE score for original image is %0.4f.\n',brisqueI)

BRISQUE score for original image is 20.6586.

brisqueInoise = brisque(Inoise);
fprintf('BRISQUE score for noisy image is %0.4f.\n',brisqueInoise)

BRISQUE score for noisy image is 52.6074.

brisqueIblur = brisque(Iblur);
fprintf('BRISQUE score for blurry image is %0.4f.\n',brisqueIblur)

BRISQUE score for blurry image is 47.7552.

Исходное неискаженное изображение имеет лучшее перцепционное качество и поэтому самый низкий счет BRISQUE.

Обучите пользовательскую модель BRISQUE от набора осведомленных о качестве функций и соответствующих человеческих баллов мнения. Используйте пользовательскую модель, чтобы вычислить счет BRISQUE к изображению естественной сцены.

Сохраните образы от datastore изображений. Эти изображения у всех есть артефакты сжатия, следующие из сжатия JPEG.

setDir = fullfile(toolboxdir('images'),'imdata');
imds = imageDatastore(setDir,'FileExtensions',{'.jpg'});

Задайте счет мнения к каждому изображению. Следующие значения дифференциального счета плохого мнения (DMOS) в иллюстративных целях только. Они не действительные значения DMOS, полученные посредством экспериментирования.

opinionScores = 100*rand(1,size(imds.Files,1));

Создайте пользовательскую модель осведомленных о качестве функций с помощью datastore изображений и баллов мнения. Поскольку баллы случайны, значения свойств будут варьироваться.

model = fitbrisque(imds,opinionScores')

Extracting features from 37 images.
.......
Completed 24 of 37 images.  Time: Calculating...
.Training support vector regressor...

Done.

model = 
  brisqueModel with properties:

             Alpha: [35x1 double]
              Bias: 56.2632
    SupportVectors: [35x36 double]
            Kernel: 'gaussian'
             Scale: 0.2717

Считайте изображение естественной сцены, которая имеет тот же тип искажения как учебные изображения. Отобразите изображение.

I = imread('car1.jpg');
imshow(I)

Вычислите счет BRISQUE к изображению с помощью пользовательской модели. Отобразите счет.

brisqueI = brisque(I,model);
fprintf('BRISQUE score for the image is %0.4f.\n',brisqueI)

BRISQUE score for the image is 78.7367.