Exponenta Banner

brisqueModel

Модель оценки пространственного качества слепых/бесфазных изображений (BRISQUE)

развернуть все на странице

Описание

A brisqueModel объект инкапсулирует модель, используемую для вычисления счета качества восприятия изображения Blind/Referencless Image Spatial Quality Evaluator (BRISQUE). Объект содержит модель регрессора вектора поддержки (SVR).

Создание

Можно создать brisqueModel объект с использованием следующих методов:

  • fitbrisque - Обучите модель BRISQUE, содержащую пользовательскую обученную модель регрессора вектора поддержки (SVR). Используйте эту функцию, если у вас нет предварительно обученной модели.

  • The brisqueModel функция, описанная здесь. Используйте эту функцию, если у вас есть предварительно обученная модель SVR или если модели по умолчанию достаточно для вашего приложения.

Синтаксис

m = brisqueModel
m = brisqueModel(alpha,bias,supportVectors,scale)

Описание

пример

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

пример

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

Примечание

Трудно предсказать хорошие значения свойств, не запустив стандартную программу оптимизации. Используйте этот синтаксис только, если вы создаете brisqueModel объект с использованием предварительно обученной модели SVR с известными значениями свойств.

Свойства

расширить все

Коэффициенты, полученные путем решения двойственной задачи, заданные как m-на-1 числовой вектор. Длина Alpha должен совпадать с количеством поддержки векторов (количество строк SupportVectors).

Пример: rand(10,1)

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

Термин смещения в модели SVM, заданный как числовой скаляр.

Пример: 47.4

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

Поддерживающие векторы, заданные как m -на-36 числовой вектор. Количество строк, m, совпадает с длиной Alpha.

Пример: rand(10,36)

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

Это свойство доступно только для чтения.

Функция ядра, заданная как 'gaussian'.

Коэффициент шкалы ядра, заданный как числовой скаляр. Коэффициент шкалы делит значения предиктора в ядре SVR.

Пример: 0.25

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

Примеры

свернуть все

Открыть Live Script
model = brisqueModel
model = 
  brisqueModel with properties:

             Alpha: [593x1 double]
              Bias: 43.4582
    SupportVectors: [593x36 double]
            Kernel: 'gaussian'
             Scale: 0.3210
Открыть Live Script

Создайте brisqueModel объект с использованием предварительно вычисленных 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, чтобы вычислить счет BRISQUE для изображения.

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

Алгоритмы

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

G(X, SupportVectors) - n -by - m матрица продуктов ядра для n строк в X и m строки 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. Маврти, и А. К. Бовик. «Оценка качества изображений без ссылок в пространственной области». Транзакции IEEE по обработке изображений. Том 21, № 12, декабрь 2012, стр. 4695-4708.

[2] Миттал, А., А. К. Маврти, и А. К. Бовик. «Бесфазное Изображение пространственный Engine оценки качества». Презентация на 45-й Асиломарской конференции по сигналам, системам и компьютерам, Pacific Grove, CA, ноябрь 2011 года.

См. также

Функции

Объекты

Темы

Введенный в R2017b

Документация по Image Processing Toolbox

Поддержка