基于matlab SVM图像无参考质量评价

ubeautqq

0 F- W( h8 L7 L# Z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。

1 e7 d) m- n% C0 ~% f8 `& x1 数学部分
3 y) @* z* _$ P5 K  {: v' l) _
1.1 二维空间
" N) K) K- \/ k" Y3 c# u) T  G
6 j; Y  w. A; ~& _$ d8 o* b0 ^



" b% P9 D9 v8 U# C6 }5 r0 j0 k7 n) h7 l

  T" B# {; T0 F

( Q; E" g# p. G1 Z8 D9 A9 y3 K- @/ g; ?' p




$ T1 U3 q2 [9 [( v$ W  O4 {
- M4 A  P0 y) u. O: E6 D( t
5 Q6 y* Y0 p: L, T3 o4 R! v

5 s) G4 `) s: s2 ]. s


, Q9 ?7 }9 X8 h" @% h+ v) V7 ?& Z% ?2 算法部分

& l' u  j3 A9 L" Q9 b+ e
2 r6 T  c* F' R4 J* T6 }
& [, f" G+ k8 S$ w* a" M) u
4 W/ E9 G$ J4 L% ~& v1 t





4 w" D. k- s3 }" ~) V8 i
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 );
• 
  & D7 t" {0 F% o, b  P$ I) Q7 F

   

regngfpcb

基于matlab SVM图像无参考质量评价

ldezgr

今天晴天，努力奋斗