EDA365电子论坛网

标题: 基于matlab SVM图像无参考质量评价 [打印本页]

---

作者: ubeautqq    时间: 2021-4-25 18:13
标题: 基于matlab SVM图像无参考质量评价


7 |+ ^. |- h/ d$ v; ?; P7 i& a一、简介
支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。
- {" x- E3 u, ?) k
1 数学部分
/ g7 N; }4 ^. J  E0 B) b
1.1 二维空间

! g1 U; a8 O* ?
% s4 ~0 V8 j; H" L) v/ e
5 Z8 \  b3 ^& x1 @) |5 Y: @. T
2 `; B  f+ ]( z- K" \2 H6 i
" Z+ a! A! ~! p5 q" r( G

, f5 ~8 F) ^7 m' T2 ^/ ?

( O" M( K8 @. h


: m6 a; |- Z3 K  k% c7 T# o




- b4 R5 Z' j% `( n. W
+ J- c6 c8 Y, g( I/ D+ Y: p
; Y6 s: A: z1 y6 B
! d) U3 y8 P* P3 y7 ~! A
) h. ~9 j: {3 y' Q  q2 算法部分


2 k7 b7 v: n! B; I/ s6 I8 q" @
- v: x% c) R5 R6 _% h: I
# x: F+ K& j7 _3 S2 L  b/ p* V( P
( B3 a9 K; y. P" I# X; _
, T* X& {" k- d4 e: p

9 B- u: d! ]: M

  B: U8 }% S! [" X7 Z
. E1 g" m) `  A" l% a+ o7 D- `: W" q0 p二、源代码

• load ./CID2013.mat; %% You can also load the files of 'CSIQ.mat' or 'TID13.mat' if you want to use CSIQ or TID2013 database for training.
• train_data = Data(:,[1:5]);
• train_label = Data(:, 6);
• model = svmtrain(train_label, train_data, '-s 3');  % train
• %img = imread('.\input\TV_VR\Fig.7_RTV.jpg');
• img=imread('img004.png');
• disim = img;
• if numel(size(disim))>2     %% Is a rgb image ?
•     dis_file_gray = rgb2gray(disim);
• else
•     dis_file_gray = disim;
• end
• i = 1;
•     %% mean value
•    mean_tmp = round(mean2(dis_file_gray));
•    Value(i, 1) = 1/(sqrt(2*pi)*26.0625)*exp(-(mean_tmp-118.5585)^2/(2*26.0625^2));
•    %% std value
•    std_tmp = round(std2(dis_file_gray));
•    Value(i, 2) = 1/(sqrt(2*pi)*12.8584)*exp(-(std_tmp-57.2743)^2/(2*12.8584^2));
•   %% entropy value
•    entropy_tmp = entropy(dis_file_gray);
•    Value(i, 3) = 1/0.2578*exp((entropy_tmp-7.5404)/0.2578)*exp(-exp((entropy_tmp-7.5404)/0.2578));
•   %% kurtosis value
•    kurtosis_tmp = kurtosis(double(dis_file_gray(：)));
•    Value(i, 4) = sqrt(19.3174/(2*pi*kurtosis_tmp^3))*exp(-19.3174*(kurtosis_tmp-2.7292)^2/(2*(2.7292^2)*kurtosis_tmp));
•   %% skewness value
•    skewness_tmp = skewness(double(dis_file_gray(：)));
•    Value(i, 5) = 1/(sqrt(2*pi)*0.6319)*exp(-(skewness_tmp-0.1799)^2/(2*0.6319^2));
• test_label = 0;
• [predicted_label, accuracy, decision_values] = svmpredict(test_label, Value, model);
• Score = predicted_label;
• disp('Score:');
• disp(Score );
• 
  

   
6 U5 ?4 U1 ~1 h
/ D" ~1 P- J5 G, M9 _! j

---

作者: regngfpcb    时间: 2021-4-25 18:36
基于matlab SVM图像无参考质量评价

---

作者: ldezgr    时间: 2021-4-30 20:32
今天晴天，努力奋斗

---

欢迎光临 EDA365电子论坛网 (https://bbs.eda365.com/)

Powered by Discuz! X3.2