文件名称：熵值法matlab代码-ENIQA:基于熵的无参考图像质量评估
文件大小：1.79MB
文件格式：ZIP
更新时间：2024-06-14 03:17:57
系统开源
保守值法matlab代码ENIQA：基于熵的无参考图像质量评估 抽象的 本文提出了一种基于图像熵的高性能通用无参考（NR）图像质量评估（IQA）方法。 图像特征是从两个域中提取的。 在空间域中，计算颜色通道之间的互信息和二维熵。 在频域中，滤波后的子带图像的二维熵和互信息被计算为输入彩色图像的特征集。 然后，利用所有提取的特征，将用于失真分类的支持向量分类器（SVC）和支持向量回归（SVR）用于质量预测，以获得最终质量评估分数。 所提出的方法，我们称为基于熵的无参考图像质量评估（ENIQA），可以评估不同类别的失真图像的质量，并且具有较低的复杂度。 作者 陈小巧，张庆一，林满慧，杨光一*和何楚，IEEE成员 实验 所有实验都是在64位Windows 7的Matlab R2016a上进行的，详细结果在本文中给出。 这些代码还在带有Matlab R2016b的Ubuntu 16.04上进行了验证，并且运行良好。 在实验中使用了两个IQA数据集和。 下表显示了LIVE数据集上ENIQA的SROCC值以及几种经典的NR和FR IQA方法 方法 JP2K JPEG格式 WN GBlur FF 全
【文件预览】：
ENIQA-master
----pics()
--------framework.png(152KB)
----README.md(3KB)
----ENIQA_release()
--------getCounts.m(166B)
--------featureExtractLIVE.m(827B)
--------drawScatter.m(423B)
--------featureExtract56.m(3KB)
--------model()
--------ENIQA.m(298B)
--------evaluate.m(440B)
--------crossValidationOnLIVE.m(5KB)
--------logGabors.m(4KB)
--------testOnTID2013.m(2KB)
--------MI.m(216B)
--------saliencyMap.m(500B)
--------data()
--------testOnCLIVE.m(1KB)
--------logisFit.m(346B)
--------predict.m(342B)
--------mutualInformation.m(542B)
--------bisecal.m(324B)