Вычислите оценку BRISQUE для естественного изображения и его искаженных версий с помощью модели по умолчанию.

Чтение изображения в рабочую область. Создание копий изображения с шумом и размытием искажений.

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

Отображение изображений.

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

Рассчитайте оценку BRISQUE для каждого изображения с помощью модели по умолчанию и отобразите оценку.

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 47.7553.

Оригинальное неискаженное изображение имеет наилучшее качество восприятия и, следовательно, наименьшую оценку BRISQUE.

Обучение пользовательской модели BRISQUE из набора функций, учитывающих качество, и соответствующих оценок человеческого мнения. Используйте пользовательскую модель для вычисления показателя BRISQUE для изображения естественной сцены.

Сохранение изображений из хранилища данных изображений. Все эти изображения имеют артефакты сжатия в результате сжатия JPEG.

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

Укажите оценку мнения для каждого изображения. Следующие значения дифференциальной средней оценки мнения (DMOS) приведены только в иллюстративных целях. Они не являются реальными значениями DMOS, полученными с помощью экспериментов.

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

Создайте пользовательскую модель функций с учетом качества, используя хранилище данных изображения и оценки мнений. Поскольку оценки являются случайными, значения свойств будут различаться.

model = fitbrisque(imds,opinionScores')

Extracting features from 38 images.
......
Completed 18 of 38 images.  Time: Calculating...
..Training support vector regressor...

Done.

model = 
  brisqueModel with properties:

             Alpha: [35x1 double]
              Bias: 58.1331
    SupportVectors: [35x36 double]
            Kernel: 'gaussian'
             Scale: 0.2766

Прочитайте изображение естественной сцены, которая имеет тот же тип искажения, что и обучающие изображения. Отображение изображения.

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

Вычислите оценку BRISQUE для изображения с помощью пользовательской модели. Просмотрите счет.

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

BRISQUE score for the image is 72.7539.