Вычислите счет BRISQUE для природного изображения и его искаженных версий с помощью модели по умолчанию.

Чтение изображения в рабочую область. Создайте копии изображения с шумом и размытыми 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 для каждого изображения 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 47.7553.

Оригинальное неискаженное изображение имеет лучшее перцептивное качество и, следовательно, самый низкий счет BRISQUE.

Обучите пользовательскую модель BRISQUE из набора функций и соответствующих счетов человеческого мнения. Используйте пользовательскую модель, чтобы вычислить счет BRISQUE для изображения естественной сцены.

Сохраните изображения из datastore изображений. Все эти изображения имеют программные продукты сжатия, следующие из сжатия JPEG.

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

Укажите счет мнения для каждого изображения. Следующие значения дифференциального среднего счета (DMOS) предназначены только для иллюстративных целей. Они не являются реальными значениями DMOS, полученными в ходе экспериментов.

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

Создайте пользовательскую модель функций с учетом качества, используя изображение datastore и счетов мнений. Поскольку счета случайны, значения свойств будут варьироваться.

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

Считайте изображение естественной сцены, которое имеет тот же тип искажения, что и обучающие изображения. Отобразите изображение.

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

Вычислите счет BRISQUE для изображения 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 72.7539.