Main Content

Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

fitbrisque

Modelo personalizado adecuado para la puntuación de calidad de imagen DE BRISQUE

Descripción

ejemplo

model = fitbrisque(imds,opinionScores) crea un modelo de evaluador de calidad espacial de imagen ciega/sin referencia (BRISQUE) a partir de un almacén de datos de imagen de referencia, , con los valores correspondientes de puntuación media de opinión diferencial perceptiva humana (DMOS), .imdsopinionScore

Nota

Para utilizar la función, debe tener .fitbrisqueStatistics and Machine Learning Toolbox™

Ejemplos

contraer todo

Entrena un modelo BRISQUE personalizado a partir de un conjunto de características conscientes de la calidad y las puntuaciones de opinión humana correspondientes. Utilice el modelo personalizado para calcular una puntuación BRISQUE para una imagen de una escena natural.

Guardar imágenes de un almacén de datos de imágenes. Todas estas imágenes tienen artefactos de compresión resultantes de la compresión JPEG.

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

Especifique la puntuación de opinión para cada imagen. Los siguientes valores diferenciales de puntuación media de opinión (DMOS) son solo para fines ilustrativos. No son valores DMOS reales obtenidos a través de la experimentación.

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

Cree el modelo personalizado de características con reconocimiento de calidad mediante el almacén de datos de imagen y las puntuaciones de opinión. Dado que las puntuaciones son aleatorias, los valores de propiedad variarán.

model = fitbrisque(imds,opinionScores')
Extracting features from 37 images. .... Completed 11 of 37 images.  Time: Calculating... .... Completed 21 of 37 images.  Time: 00:21 of 00:39 .....Training support vector regressor...  Done. 
model =    brisqueModel with properties:               Alpha: [35x1 double]               Bias: 56.2662     SupportVectors: [35x36 double]             Kernel: 'gaussian'              Scale: 0.2717  

Lea una imagen de una escena natural que tenga el mismo tipo de distorsión que las imágenes de entrenamiento. Muestre la imagen.

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

Calcule la puntuación BRISQUE para la imagen utilizando el modelo personalizado. Muestra la puntuación.

brisqueI = brisque(I,model); fprintf('BRISQUE score for the image is %0.4f.\n',brisqueI)
BRISQUE score for the image is 78.7152. 

Argumentos de entrada

contraer todo

Almacén de datos de imagen de referencia, especificado como un objeto.ImageDatastore Las imágenes dentro del almacén de datos deben ser matrices reales, no dispersas, -por- o -por--3 de tipo de datos, , , , o .mnmnsingledoubleint16uint8uint16 Las imágenes deben tener un conjunto conocido de distorsiones, como artefactos de compresión, desenfoque o ruido.

Puntuaciones de opinión humana, especificadas como un vector numérico con valores en el rango [0, 100]. Cada elemento es el valor DMOS perceptivo humano correspondiente a una imagen en el almacén de datos.opinionScoresimds La longitud de es igual al número de imágenes en .opinionScoresimds

Tipos de datos: single | double | int8 | int16 | int32 | uint8 | uint16 | uint32

Argumentos de salida

contraer todo

Modelo personalizado de entidades de imagen, devuelto como un objeto. contiene un regresor vectorial de soporte (SVR) con un kernel gaussiano entrenado para predecir la puntuación de calidad BRISQUE.brisqueModelmodel

Referencias

[1] Mittal, A., A. K. Moorthy, and A. C. Bovik. "No-Reference Image Quality Assessment in the Spatial Domain." IEEE Transactions on Image Processing. Vol. 21, Number 12, December 2012, pp. 4695–4708.

[2] Mittal, A., A. 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.

Introducido en R2017b