ارزیابی عینی کیفیت تصویر توسط شبکه عصبی رگرسیون عام

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 876

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

COMCONF01_861

تاریخ نمایه سازی: 8 آذر 1394

چکیده مقاله:

علاقه در زمینه ارزیابی کیفیت تصویر در دهه گذشته افزایش یافته است و بسیار موردتوجه بوده است. پیشرفتهای زیادی در هردو حوزه فنی و تئوریکی وجود دارد که نقطه همگرایی رنج وسیعی از زمینههای تحقیقاتی استاز جمله: پردازش سیگنال و تصویر، بینایی ماشین، علم سایکوفیزیک، فیزیولوژی عصبی، تئوری اطلاعات، یادگیری ماشین، تبادل و نمایش اطلاعات. در این مقاله یک روش جدید ارزیابی کیفیت تصویر بدون مرجع ارائه شده استکه از شبکه عصبی برای رگرسیون استفاده میکند. برای انجام این کار از یک ماشین یادگیر بینایی ماشین استفاده شده است که دارای دو بخش مهم استخراج ویژگی و رگرسیون میباشد. ویژگیهای استخراج شده عبارتند ازمیانگین و انحراف معیار انتروپی، میانگین تجانس فازی و استاتیکهای حاشیهای دامنه گرادیان و تفاضل گاوسی. بخش دوم رگرسیون است که از یک مدل رگرسیون برای نگاشت از فضای ویژگیها به فضای مقدار از آن استفادهمیکنیم.در اینجا ما از شبکه عصبی رگرسیون عام جهت مدلسازی استفاده شده است.نتایج آزمایشات نشان داد که دقت این روش حدودا 98 درصد می باشد که نشان می دهد توانسته است مقدار کیفیت را با خطای کمی پیش بینی کند.

نویسندگان

پگاه معتمدوزیری

دانشجوی کارشناسی ارشد، دانشگاه شهید مدنی آذربایجان

محسن حیدریان

استادیار، دانشگاه شهید مدنی آذربایجان

ناصر فرج زاده

استادیار، دانشگاه شهید مدنی آذربایجان،

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • A. C. Bovik, Handbook of Imoge _ Video Processing (Comm ...
  • Z. Wang, "Applications of Objective Image Quality Assessment Methods [Applications ...
  • Z. Wang and A. C. Bovik, "Modern image quality assessment, ...
  • R. K. Mantiuk, A. Tomaszewska, and R. Mantiuk, "Comparison of ...
  • K. Aggarwal, C. Bajaj, and G. de Veciana, "Image quality ...
  • Z. Wang and A. C. Bovik, "Mean squared error: love ...
  • W. Osberger, Perceptual vision models for picture quality assessmnet and ...
  • Z. Wang, A. C. Bovik, H. R. Sheikh, and E. ...
  • A. K. Moorthy and A. C. Bovik, "A two-step framework ...
  • M. A. Saad, A. C. Bovik, and C. Charrier, "Blind ...
  • A. K. Moorthy and A. C. Bovik, "Blind image quality ...
  • A. Mittal, A. K. Moorthy, and A. C. Bovik, "No-reference ...
  • W. Xue, X. Mou, L. Zhang, A. C. Bovik, and ...
  • M. Nixon, Fepture extraction & image processing. Academic Press, 2008. ...
  • S. Wang, W. Li, Y. Wang, Y. Jiang, S. Jiang, ...
  • L. Assirati, N. R. Silva, L. Berton, A. de A. ...
  • C. E. Shannon, "A mathematicl theory of COmm unication, " ...
  • P. Kovesi, "Image features from phase congruency, " Videre J. ...
  • D. F. Specht, "A general regression neural network, " Neural ...
  • H. R. Sheikh, Z. Wang, L. Cormack, and A. C. ...
  • D. J. Sheskin, Hondbook of porametric and n onporometric statistical ...
  • نمایش کامل مراجع