Exponenta Banner
exponenta event banner

brisqueModel

Модель Blind/References Image Spatial Quality Evaluator (BRISQUE)

развернуть все на странице

Описание

A brisqueModel объект инкапсулирует модель, используемую для вычисления показателя качества восприятия изображения с помощью средства оценки пространственного качества слепого/безрецептурного изображения (BRISQUE). Объект содержит модель регрессора вектора поддержки (SVR).

Создание

Можно создать brisqueModel объект с использованием следующих методов:

  • fitbrisque - Обучение модели BRISQUE, содержащей специализированную модель регрессора вектора поддержки (SVR). Используйте эту функцию, если у вас нет предварительно подготовленной модели.

  • brisqueModel функция, описанная здесь. Используйте эту функцию, если имеется предварительно подготовленная модель SVR или если для приложения достаточно модели по умолчанию.

Синтаксис

m = brisqueModel
m = brisqueModel (альфа, смещение, поддержка Векторы, масштаб)

Описание

пример

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

пример

m = brisqueModel(alpha,bias,supportVectors,scale) создает пользовательскую модель BRISQUE и задает Alpha, Bias, SupportVectors, и Scale свойства. Для создания пользовательской модели необходимо указать все четыре аргумента.

Примечание

Трудно предсказать хорошие значения свойств без выполнения процедуры оптимизации. Этот синтаксис используется только при создании brisqueModel использование предварительно подготовленной модели SVR с известными значениями свойств.

Свойства

развернуть все

Коэффициенты, полученные решением двойной задачи, заданной как m-на-1 числовой вектор. Длина Alpha должно соответствовать количеству векторов поддержки (количество строк SupportVectors).

Пример: rand(10,1)

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

Член смещения в модели SVM, указанный как числовой скаляр.

Пример: 47.4

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

Векторы поддержки, заданные как m-на-36 числовой вектор. Количество строк, m, соответствует длине Alpha.

Пример: rand(10,36)

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

Это свойство доступно только для чтения.

Функция ядра, указанная как 'gaussian'.

Масштабный коэффициент ядра, заданный как числовой скаляр. Масштабный коэффициент делит предикторные значения в ядре SVR.

Пример: 0.25

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

Примеры

свернуть все

Открыть сценарий в реальном времени
model = brisqueModel
model = 
  brisqueModel with properties:

             Alpha: [593x1 double]
              Bias: 43.4582
    SupportVectors: [593x36 double]
            Kernel: 'gaussian'
             Scale: 0.3210
Открыть сценарий в реальном времени

Создать brisqueModel объект с использованием предварительно вычисленного Alpha, Bias, SupportVectors, и Scale свойства. Случайные инициализации показаны только в иллюстративных целях.

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 для вычисления показателя BRISQUE для изображения.

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

Алгоритмы

Регрессор вектора поддержки (SVR) вычисляет оценки регрессии для матрицы предиктора X как:

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

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

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

Ссылки

[1] Миттал, А., А. К. Мурти и А. К. Бовик. «Оценка качества изображения без ссылки в пространственной области». Транзакции IEEE при обработке изображений. Том 21, номер 12, декабрь 2012 г., стр. 4695-4708.

[2] Миттал, А., А. К. Мурти и А. К. Бовик. «Модуль оценки пространственного качества изображения без ссылок». Презентация на 45-й Асиломарской конференции по сигналам, системам и компьютерам, Тихоокеанская роща, Калифорния, ноябрь 2011 года.

См. также

Функции

Объекты

Темы

Представлен в R2017b

Документация по инструментам обработки изображений

Поддержка