В последние годы уделяется много внимания реконструкции изображений, соответственно оценка ка¬чества является важной задачей для сравнения различных методов восстановления изображений. Во многих случаях методы реконструкции приводят к размытию текстуры и структуры при восстановлении больших об¬ластей с искаженными значениями пикселей. Объективная количественная оценка результатов восстановления в настоящее время отсутствует, в связи, с чем во многих подходах используется экспертная оценка. В данной статье рассматривается новый подход оценки качества восстановления изображений на основе машинного об¬учения с использование модели зрения человека, который заключается в том, что локальные области изображе¬ний могут быть представлены дескрипторами в виде некоторых параметрических распределений. Далее метод опорных векторов регрессии позволяет предсказать воспринимаемое качество восстановленных изображений в соответствии с экспертной оценкой. В работе продемонстрировано, что оценка качества, полученная с ис¬пользованием приведенного подхода коррелирует с субъективной оценкой качества.117 118
Библиографическая ссылка
Воронин В.В. ОЦЕНКА КАЧЕСТВА ВОССТАНОВЛЕНИЯ ИЗОБРАЖЕНИЙ НА ОСНОВЕ МАШИННОГО ОБУЧЕНИЯ // Научное обозрение. Технические науки. – 2015. – № 1. – С. 117-118;URL: https://science-engineering.ru/ru/article/view?id=913 (дата обращения: 07.12.2024).
Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)
«Международный журнал прикладных и фундаментальных исследований»
ИФ РИНЦ = 0,593
«Международный журнал экспериментального образования»
ИФ РИНЦ = 0,425
«Научное Обозрение. Биологические Науки»
ИФ РИНЦ = 0,400
«Научное Обозрение. Медицинские Науки»
ИФ РИНЦ = 0,801
«Научное Обозрение. Экономические Науки»
ИФ РИНЦ = 0,871
«Научное Обозрение. Педагогические Науки»
ИФ РИНЦ = 0,733
«Научное Обозрение. Технические Науки»
ИФ РИНЦ = 0,695
«European journal of natural history»
ИФ РИНЦ = 0,301