brisque
盲/无参考图像空间质量评估器(BRISQUE)无参考图像质量评分
语法
分数=布里斯班(A)
(A，模型)
描述
例子
使用默认特征模型计算BRISQUE分数
使用默认模型计算自然图像及其扭曲版本的BRISQUE分数。
将图像读入工作区。创建带有噪声和模糊失真的图像副本。
I = imread(“lighthouse.png”）;噪声=不噪声(I，“盐和胡椒”, 0.02);Iblur = imgaussfilt(I,2);
显示图像。
蒙太奇({我Inoise Iblur},“大小”3 [1],“ThumbnailSize”([]))标题(原始图像|有噪声的图像|模糊的图像）
使用默认模型计算每个图像的BRISQUE分数，并显示分数。
brisqueI = brisque(I);流('原始图像的BRISQUE评分为%0.4f.\n'brisqueI)
原始图像的BRISQUE评分为20.6586。
brisqueInoise = brisque(Inoise);流('噪声图像BRISQUE评分为%0.4f.\n'brisqueInoise)
噪声图像的BRISQUE评分为52.6074。
brisqueIblur = brisque(Iblur);流('BRISQUE模糊图像评分为%0.4f.\n'brisqueIblur)
模糊图像BRISQUE评分为47.7553。
原始未失真图像感知质量最好，因此BRISQUE评分最低。
使用自定义特征模型计算BRISQUE分数
从一组具有质量意识的特征和相应的人类意见评分中训练定制的BRISQUE模型。使用自定义模型来计算自然场景图像的BRISQUE分数。
从映像数据存储中保存映像。这些图像都具有由JPEG压缩产生的压缩工件。
setDir = fullfile(toolboxdir(“图片”)，“imdata”）;imds = imageDatastore(setDir，“FileExtensions”,{“jpg”})；
为每个图像指定意见评分。以下差异平均意见评分(DMOS)值仅用于说明目的。它们不是通过实验获得的真实DMOS值。
opinionScores = 100*rand(1,size(imds.Files,1));
使用图像数据存储和意见评分创建质量感知特性的自定义模型。因为分数是随机的，所以属性值会有所不同。
model = fitbrisque(imds,opinionScores')
从37张图像中提取特征。完成37张图片中的3张。时间:计算... ...完成37张图片中的12张。时间:01:02 00:24完成37张图片中的17张。时间:01:12 00:36 ....完成37张图片中的31张。时间:00:46或00:54。培训support vector regressor... Done.
模型= brisqueModel with properties: Alpha: [35x1 double]偏差:56.2632支持向量:[35x万博1manbetx36 double]内核:'高斯'比例:0.2717
阅读与训练图像具有相同类型失真的自然场景图像。显示图像。
I = imread(“car1.jpg”）;imshow(我)
使用自定义模型计算图像的BRISQUE分数。显示分数。
brisqueI = brisque(I，模型);流('该图像的BRISQUE评分为%0.4f.\n'brisqueI)
图像的BRISQUE评分为78.7367。
输入参数
输出参数
算法
brisque通过使用支持向量回归(SVR)模型在图像数据库上训练，并使用相应的差分平均意万博1manbetx见评分(DMOS)值来预测BRISQUE评分。该数据库包含已知失真的图像，如压缩伪影、模糊和噪声，并且包含失真图像的原始版本。要评分的图像必须至少有一个模型训练过的失真。
参考文献
[1]米塔尔，A. K.摩尔西和A. C.博维克。空间域的无参考图像质量评估IEEE图像处理汇刊．第21卷，第12期，2012年12月，第4695-4708页。
[2]米塔尔，A. K.摩尔西和A. C.博维克。无参考图像空间质量评价引擎在第45届Asilomar信号、系统和计算机会议上的演讲，太平洋格罗夫，CA, 2011年11月。
在R2017b中引入
这个话题有用吗?
您也可以从以下列表中选择一个网站:
