主要内容

brisqueModel

盲/ Referenceless图像空间质量评估者(BRISQUE)模型

扩展所有的页面

描述

一个brisqueModel对象封装模型用于计算盲人/ Referenceless图像空间质量评估者(BRISQUE)感知质量分数的形象。对象包含了一个支持向量回归量(SVR)模型。万博1manbetx

创建

您可以创建一个brisqueModel对象使用以下方法:

  • fitbrisque——火车BRISQUE模型包含自定义训练支持向量回归量(SVR)模型。万博1manbetx使用这个函数如果你没有pretrained模型。

  • 的brisqueModel这里描述的函数。使用这个函数如果你有pretrained SVR模型,或者如果您的应用程序的默认模型是充分的。

语法

m = brisqueModel
m = brisqueModel(α,偏见,suppor万博1manbetxtVectors、规模)

描述

例子

米= brisqueModel创建一个BRISQUE模型对象的默认属性值来源于生活IQA图像数据库[1][2]。

例子

米= brisqueModel (α,偏见,万博1manbetxsupportVectors,规模)创建一个自定义BRISQUE模型和设置α,偏见,万博1manbetxSupportVectors,规模属性。你必须提供所有四个参数来创建一个自定义模型。

请注意

很难预测好属性值没有一个优化程序运行。只有当你创建一个使用这个语法brisqueModel对象使用pretrained SVR模型与已知的属性值。

属性

全部展开

系数通过求解对偶问题,获得指定的作为米1数字向量。的长度α必须支持向量的个数(匹配的行数的万博1manbetx万博1manbetxSupportVectors)。

例子:兰特(10,1)

数据类型:单|双|int8|int16|int32|uint8|uint16|uint32

偏见在SVM模型,指定为数字标量。

例子:47.4

数据类型:单|双|int8|int16|int32|uint8|uint16|uint32

万博1manbetx支持向量,作为指定米36数值向量。的行数,米匹配的长度α。

例子:兰特(36)

数据类型:单|双|int8|int16|int32|uint8|uint16|uint32

这个属性是只读的。

内核函数,指定为“高斯”。

内核比例因子,指定为数字标量。SVR的比例因子将预测价值内核。

例子:0.25

数据类型:单|双|int8|int16|int32|uint8|uint16|uint32

例子

全部折叠

打开生活的脚本 
模型= brisqueModel
模型= brisqueModel属性:α:[593 x1双]偏见:43.4582 SupportVectors: [593 x36双]内核:“高斯”万博1manbetx规模:0.3210
打开生活的脚本

创建一个brisqueModel使用预先计算的对象α,偏见,万博1manbetxSupportVectors,规模属性。随机初始化显示仅为演示之用。

模型= brisqueModel(兰德(10,1),47岁,兰德(36),0.25)
模型= brisqueModel属性:α:x1双[10]偏见:47 SupportVectors: [10 x36双]内核:“高斯”规模万博1manbetx:0.2500

您可以使用自定义模型来计算BRISQUE得分的形象。

我= imread (“lighthouse.png”);分数= brisque(我,模型)
分数= 47

算法

支持向量万博1manbetx回归量(SVR)计算回归预测矩阵X为:

G(X,万博1manbetxSupportVectors)是一个n——- - - - - -米内核的产品矩阵s manbetx 845n行X和米行万博1manbetxSupportVectors。SVR的36个预测因子,确定的列数万博1manbetxSupportVectors。

SVR计算内核积向量x和z使用内核(x/规模,z/规模)。

引用

[1]米塔尔,。,一个。K. Moorthy, and A. C. Bovik. "No-Reference Image Quality Assessment in the Spatial Domain."IEEE图像处理。21卷,12号,2012年12月,页4695 - 4708。

[2]米塔尔,。,一个。K. Moorthy, and A. C. Bovik. "Referenceless Image Spatial Quality Evaluation Engine." Presentation at the 45th Asilomar Conference on Signals, Systems and Computers, Pacific Grove, CA, November 2011.

版本历史

介绍了R2017b

另请参阅

功能

对象

主题