یادگیری غیرنظارتی ویژگی برای ارزیابی کیفیت کور تصاویر فراتفکیک پذیر
Publish place: Machine Vision and Image Processing، Vol: 8، Issue: 3
Publish Year: 1400
Type: Journal paper
Language: Persian
View: 363
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JMVIP-8-3_005
Index date: 19 September 2021
یادگیری غیرنظارتی ویژگی برای ارزیابی کیفیت کور تصاویر فراتفکیک پذیر abstract
افزایش تفکیک پذیری تصاویر، یک مسئله کلاسیک در زمینه پردازش تصویر است که هدف آن ایجاد تصاویر با تفکیک پذیری بالا از تصویر با تفکیک پذیری پایین است. الگوریتم های بسیاری در این زمینه تاکنون ارائه شده اند. با این حال، ارزیابی موثر کیفیت این نوع تصاویر همچنان بعنوان یک زمینه تحقیقاتی چالش برانگیز باقی مانده است. روش های معمول ارزیابی کیفیت تصویر، همخوانی کافی با معیارهای ادراکی ندارند. لذا ارائه روش های ارزیابی کیفیت خاص تصاویر فراتفکیک پذیر، اهمیت بالایی دارد. در این مقاله ما یک روش ارزیابی کیفیت بدون مرجع برای تصاویر فراتفکیک پذیر ارائه می کنیم که با یادگیری بدون برچسب یک کتاب اتم ها روی تصاویر مرجع با تفکیک پذیری بالا و بازنمایی بلوک های تصاویر فراتفکیک پذیر با این کتاب، ویژگی های محلی تولید می نماید که قادرند تخریب های ناشی از افزایش تفکیک پذیری را به خوبی توصیف نمایند. این ویژگی ها با یک رویکرد مناسب هرمی، تلفیق شده و بردار ویژگی سراسری از تصویر تولید می کنند. این بردارها و امتیازات کیفیت چشمی در نهایت، جهت آموزش یک مدل رگرسیون مورد استفاده قرار می گیرند. نتایج تجربی نشان می دهند که این روش در عین سادگی، سرعت و عدم نیاز به حجم بالای داده آموزشی، کارایی بهتری نسبت به روش های موجود دارد.
یادگیری غیرنظارتی ویژگی برای ارزیابی کیفیت کور تصاویر فراتفکیک پذیر Keywords:
ارزیابی کیفیت تصاویر فراتفکیک پذیر , افزایش تفکیک پذیری , ارزیابی کیفیت کور , بازنمایی تنک , یادگیری کتاب اتم ها , یادگیری غیرنظارتی ویژگی
یادگیری غیرنظارتی ویژگی برای ارزیابی کیفیت کور تصاویر فراتفکیک پذیر authors
مریم کریمی
گروه علوم کامپیوتر، دانشکده علوم ریاضی، دانشگاه شهرکرد، شهرکرد، ایران
منصور نجاتی
دانش آموخته دکتری برق، دانشگاه صنعتی اصفهان