图像质量评估与脑肿瘤检测算法解析
图像质量评估
图像质量评估在无参考场景下是一个复杂的问题,需要对人类视觉系统进行建模,以便在没有任何参考信息的情况下预测图像质量。有一种基于混合特征集的方法,该特征集是手工特征和深度特征的组合。手工特征是在多尺度和不同颜色空间中计算的场景统计量,训练算法采用带有平方指数核的高斯过程回归,这是一种高效的概率算法。
与现有方法的比较
研究选取了12种现有方法与该方法进行比较,评估指标包括相关系数PLCC和SROCC以及均方根误差RMSE。结果如下表所示:
|数据库|评估指标|BIQI|BLIINDS - II|BRISQUE|CORNIA - 10K|DeepBIQ|DIIVINE|dipIQ|GM - LOG|HaarPSI|HOSA|ILNIQE|NIQE|提出的方法|
| ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- |
|LIVE|SROCC|0.8642|0.9302|0.9409|0.9417|0.98|0.9162|0.958|0.9503|0.9683|0.9504|0.9020|0.9135|0.9722|
||PLCC|0.8722|0.9357|0.945|0.9434|0.97|0.9172|0.957|0.9539| - |0.9527|0.9085|0.9147|0.9784|
||RMSE|13.285|9.6189|8.9048|9.0204| - |10.810| - |8.1723| - |8.2858|
超级会员免费看
订阅专栏 解锁全文
36

被折叠的 条评论
为什么被折叠?



