fitbrisque

Подбирайте пользовательскую модель для счета качества изображения BRISQUE

Описание

пример

model = fitbrisque(imds,opinionScores) создает модель Blind/Referenceless Image Spatial Quality Evaluator (BRISQUE) из ссылочного datastore изображений, imds, с соответствующими человеческими перцепционными значениями дифференциального счета плохого мнения (DMOS), opinionScore.

Примечание

Использовать fitbrisque функция, у вас должен быть Statistics and Machine Learning Toolbox™.

Примеры

свернуть все

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.

Входные параметры

свернуть все

Ссылочный datastore изображений, заданный как ImageDatastore объект. Изображения в datastore должны быть действительными, неразреженными, m на n или m n 3 массивами типа данных single'double'int16uint8, или uint16. Изображения должны иметь известный набор искажений, таких как артефакты сжатия, размывание или шум.

Человеческие баллы мнения, заданные как числовой вектор со значениями в области значений [0, 100]. Каждый элемент в opinionScores человеческое перцепционное значение DMOS, соответствующее изображению в datastore imds. Длина opinionScores равно количеству изображений в imds.

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

Выходные аргументы

свернуть все

Пользовательская модель функций изображений, возвращенных как brisqueModel объект. model содержит регрессор вектора поддержки (SVR) с Гауссовым ядром, обученным предсказать качественный счет BRISQUE.

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.

Введенный в R2017b

Для просмотра документации необходимо авторизоваться на сайте