图像处理的一些相关知识(Related knowledge for IQA)
图像处理的一些相关知识
logistic transform
一般的logistic function
- 逻辑回归的向量化实现样例 - Ufldl
- 可向量化编程
- 分类问题中常用,代替开关函数
IQA算法中使用的扩展的logistic function
- 公式1
f(x)=τ1−τ21+exp(x−τ3τ4)+τ2
f(x)=\frac{\tau_1-\tau_2}{1+exp(\frac{x-\tau_3}{\tau_4})}+\tau_2
τ1,τ2,τ3,τ4是使得预测值和DMOS、MOS值的MSE最小的参数 \tau_1,\tau_2,\tau_3,\tau_4 是使得预测值和DMOS、MOS值的MSE最小的参数 - 公式2
f(x)=β1(12−11+exp(β2(x−β3)))+β4∙x+β5
f(x)=\beta_1(\frac{1}{2}-\frac{1}{1+exp(\beta_2(x-\beta_3))})+\beta_4\bullet x+\beta_5
β1,β2,β3,β4,β5是使得预测值和DMOS、MOS值的MSE最小的参数 \beta_1,\beta_2,\beta_3,\beta_4,\beta_5 是使得预测值和DMOS、MOS值的MSE最小的参数 - matlab realization
- 资源:
- 非线性拟合lsqcurvefit、nlinfit - 世慷的日志 - 网易博客
- matlab help nlinfit()
code
- 资源:
梯度下降、最小二乘法
资料
- 机器学习经典算法之—–最小二乘法 - iamccme - 博客园
- 随机梯度下降(Stochastic gradient descent)和 批量梯度下降(Batch gradient descent )的公式对比、实现对比 - 玉心sober - 博客频道 - CSDN.NET
- 李航. 统计学习方法[J]. 清华大学出版社, 北京, 2012.
最小二乘法和梯度下降法的关系
相同
- 本质相同:两种方法都是在给定已知数据(independent & dependent variables)的前提下对dependent variables算出出一个一般性的估值函数。然后对给定新数据的dependent variables进行估算。
- 目标相同:都是在已知数据的框架内,使得估算值与实际值的总平方差尽量更小(事实上未必一定要使用平方),估算值与实际值的总平方差的公式为:
不同
- 实现方法和结果不同:最小二乘法是直接对求导找出全局最小,是
非迭代法
。而梯度下降法是一种迭代法
,先给定一个,然后向下降最快的方向调整,在若干次迭代之后找到局部最小。梯度下降法的缺点是到最小点的时候收敛速度变慢,并且对初始点的选择极为敏感,其改进大多是在这两方面下功夫。
性能评估
皮尔森相关系数(Pearson correlation coefficient)
- 统计相关系数(1)——Pearson(皮尔逊)相关系数及MATLAB实现
- X、Y的皮尔森相关系数的含义
- 当相关系数为0时,X和Y两变量无关系。
- 当X的值增大(减小),Y值增大(减小),两个变量为正相关,相关系数在0.00与1.00之间。
- 当X的值增大(减小),Y值减小(增大),两个变量为负相关,相关系数在-1.00与0.00之间。
- 公式
- 试用范围
- matlab 实现
- matlab函数 corr()
- 自写函数
斯皮尔曼秩相关系数(SROOC)
- 统计相关系数(2)——Spearman Rank(斯皮尔曼等级)相关系数及MATLAB实现 - 小半杯的专栏 - 博客频道 - CSDN.NET
肯德尔等级相关系数
- 统计相关系数(3)——Kendall Rank(肯德尔等级)相关系数及MATLAB实现 - 小半杯的专栏 - 博客频道 - CSDN.NET
可操纵金字塔变换(steerable pyramid transforms)
广义高斯概率分布
基本概念
f_X(x:\mu,\sigma,\gamma)=ae^{-[b|x-\mu|]^\gamma}
μ,σ2,γ分别是期望,方差和形状系数,γ=2时,高斯分布,γ=1时,拉普拉斯分布 \mu,\sigma^2,\gamma 分别是期望,方差和形状系数,\gamma=2时,高斯分布,\gamma=1时,拉普拉斯分布
参数拟合与估计
朴素贝叶斯模型
文献
- 算法杂货铺——分类算法之朴素贝叶斯分类(Naive Bayesian classification)
- 朴素贝叶斯分类器
箱状图
箱形图于1977年由美国著名统计学家约翰·图基(John Tukey)发明。它能显示出一组数据的最大值、最小值、中位数、下四分位数及上四分位数。
举例
- 这组数据显示出:
- 最小值(minimum)=5
- 下四分位数(Q1)=7
- 中位数(Med)=8.5
- 上四分位数(Q3)=9
- 最大值(maximum )=10
- 平均值=8
- 最大值与最小值产生于这个区间。区间外的值被视为outlier显示在图上.
- mild outlier = 3.5
- extreme outlier = 0.5
离散余弦变换 DCT
- DCT变换、DCT反变换、分块DCT变换
- 离散余弦变换
一维DCT变换
一维DCT变换时二维DCT变换的基础,所以我们先来讨论下一维DCT变换。一维DCT变换共有8种形式,其中最常用的是第二种形式,由于其运算简单、适用范围广。我们在这里只讨论这种形式,其表达式如下:
其中,f(i)为原始的信号,F(u)是DCT变换后的系数,N为原始信号的点数,c(u)可以认为是一个补偿系数,可以使DCT变换矩阵为正交矩阵。
二维DCT变换
二维DCT反变换
分块DCT变换
\quad 在实际的图像处理中,DCT变换的复杂度其实是比较高的,所以通常的做法是,将图像进行分块,然后在每一块中对图像进行DCT变换和反变换,在合并分块,从而提升变换的效率。具体的分块过程中,随着子块的变大,算法复杂度急速上升,但是采用较大的分块会明显减少图像分块效应,所以,这里面需要做一个折中,在通常使用时,大都采用的是8*8的分块。
离散小波变换 DWT
- 离散小波变换
一维
二维
实际范例
图像处理的一些相关知识(Related knowledge for IQA)相关推荐
- 【Python五篇慢慢弹(5)】类的继承案例解析,python相关知识延伸
类的继承案例解析,python相关知识延伸 作者:白宁超 2016年10月10日22:36:57 摘要:继<快速上手学python>一文之后,笔者又将python官方文档认真学习下.官方给 ...
- 工业视觉系统相关知识和选型介绍(一):相机篇
工业视觉系统相关知识和选型介绍(一):相机篇 一.工业视觉系统 二.工业相机 三.关键名词解释 四.工业相机选型 五.工业相机品牌 六.相机选型实例 一.工业视觉系统 1.机器视觉就是用机器代替人眼来 ...
- 介绍php ppt,PHP相关知识介绍.ppt
[摘要]PHP相关知识的介绍 1.什么是PHP PHP,是英文超级文本预处理语言Hypertext Preprocessor的缩写. PHP 是一种 HTML 内嵌式的语言,是一种在服务器端执行的嵌入 ...
- 知识图谱Knowledge Graph构建与应用
--- 关于举办 2022年数字信息化培训项目系列 --- 知识图谱Knowledge Graph构建与应用研修班线上课程的通知 各有关单位: 一.培训目标: 本次课程安排紧密结合理论与实践,深入浅出 ...
- 类的继承python事例_【Python五篇慢慢弹(5)】类的继承案例解析,python相关知识延伸...
作者:白宁超 2016年10月10日22:36:57 摘要:继一文之后,笔者又将python官方文档认真学习下.官方给出的pythondoc入门资料包含了基本要点.本文是对文档常用核心要点进行梳理,简 ...
- android 最全 图片相关知识整理
android 最全 图片相关知识整理 图片基础知识梳理 图片基础知识梳理(1) - ImageView 的 ScaleType 属性解析 图片基础知识梳理(2) - Bitmap 占用内存分析 图片 ...
- AI问答:浏览器相关知识
一.浏览器的发展历史可以分成以下几个阶段 1. 单一线程浏览器时代:早期的浏览器如Mosaic.Netscape Navigator.Internet Explorer等都是单一线程的,无法同时处理多 ...
- 知识蒸馏(Knowledge Distillation)详细深入透彻理解重点
知识蒸馏是一种模型压缩方法,是一种基于"教师-学生网络思想"的训练方法,由于其简单,有效,在工业界被广泛应用.这一技术的理论来自于2015年Hinton发表的一篇神作: 论文链接 ...
- JS作用域相关知识(#精)
在学习<你不知道的JS>一书中,特将作用域相关知识在此分享一下: #说到作用域,就不得不提到LHS查询和RHS查询: 1)如果查询目的是对变量进行赋值,则使用LHS查询 2)如果查询目的是 ...
最新文章
- 无法解析的外部符号 “public: __cdecl nvinfer1::YoloPluginCreator::YoloPluginCreator
- python【蓝桥杯vip练习题库】ALGO-55 矩阵加法
- ACM题目————次小生成树
- python十分钟教程_简洁的十分钟Python入门教程
- MyBatis中ThreadLocal
- 悬浮球不用权限_英山高效纤维球【多佳净水材料】
- 读取配置文件(configparser,.ini文件)
- LeetCode 103——二叉树的锯齿形层次遍历
- [外挂4] 用CE查找棋盘基址
- android学习资料免费下载
- 学习软件测试必备的网站清单,建议收藏!
- Microsoft Office 2013-2019 下载器!!
- 新技术加速隐私暴露,我们该怎么办?(二)
- 大数据工程师需要学习哪些?
- python常用进制转换
- li+li:before是什么意思
- 熬了三个大夜利用Python开发一个炸金花小游戏,注意别玩上瘾了~~(附完整源码)
- requests的安装与简单运用
- Live555 —— vs2017编译“Live555 Live555 Media Server“源码
- 我对云原生软件架构的观察与思考
热门文章
- 安卓11:android studio出现:Executing tasks: [:app:assembleDebug] in project D:\Android studio\New start
- 【宝藏分享】自从用了这款PPT插件,小伙伴们都跪着看我
- 兰燕-杨平平的需求建议
- 【正点原子MP157连载】第四十三章 外置RTC芯片PCF8563实验-摘自【正点原子】STM32MP1嵌入式Linux驱动开发指南V1.7
- AI基础:卷积神经网络
- Lenovo系列问题第四期
- 自己编写一个读取TGA文件的类
- 如何将交叉引用参考文献批量变为上标
- 安卓默认打开指定apk的无障碍权限
- 关于.NET报表中图表控件线条颜色和粗细设置