目錄
1.算法運(yùn)行效果圖預(yù)覽
2.算法運(yùn)行軟件版本
3.部分核心程序
4.算法理論概述
4.1 空域NSS特征提取
4.2 圖像塊選取
4.3?MVG模型
4.4?NIQE指標(biāo)
5.算法完整程序工程
1.算法運(yùn)行效果圖預(yù)覽
2.算法運(yùn)行軟件版本
MATLAB2022a
3.部分核心程序
clc;
clear;
close all;
warning off;
addpath(genpath(pwd));
rng('default')
Rbk = 48;
Cbk = 48;
Rlap = 0;
Clap = 0;
%加入不同的噪聲，估計(jì)圖像質(zhì)量
im1 = imread('1.bmp');
quality1= func_quality(im1,Rbk,Cbk,Rlap,Clap);
im2 = imnoise(im1,'salt & pepper',0.001); %加入不同的噪聲，估計(jì)圖像質(zhì)量
quality2= func_quality(im2,Rbk,Cbk,Rlap,Clap);
im3 = imnoise(im1,'salt & pepper',0.01); %加入不同的噪聲，估計(jì)圖像質(zhì)量
quality3= func_quality(im3,Rbk,Cbk,Rlap,Clap);
im4 = imnoise(im1,'salt & pepper',0.05); %加入不同的噪聲，估計(jì)圖像質(zhì)量
quality4= func_quality(im4,Rbk,Cbk,Rlap,Clap);
im5 = imnoise(im1,'salt & pepper',0.1); %加入不同的噪聲，估計(jì)圖像質(zhì)量
quality5= func_quality(im5,Rbk,Cbk,Rlap,Clap);
im6 = imnoise(im1,'salt & pepper',0.25); %加入不同的噪聲，估計(jì)圖像質(zhì)量
quality6= func_quality(im6,Rbk,Cbk,Rlap,Clap);
figure;
subplot(231);
imshow(im1);
title(['質(zhì)量估計(jì)值：',num2str(100/quality1)]);
subplot(232);
imshow(im2);
title(['質(zhì)量估計(jì)值：',num2str(100/quality2)]);
subplot(233);
imshow(im3);
title(['質(zhì)量估計(jì)值：',num2str(100/quality3)]);
subplot(234);
imshow(im4);
title(['質(zhì)量估計(jì)值：',num2str(100/quality4)]);
subplot(235);
imshow(im5);
title(['質(zhì)量估計(jì)值：',num2str(100/quality5)]);
subplot(236);
imshow(im6);
title(['質(zhì)量估計(jì)值：',num2str(100/quality6)]);
894.算法理論概述
? ? ? ?NIQE（Naturalness Image Quality Evaluator）算法是一種無參考圖像質(zhì)量評價(jià)算法，旨在評估圖像的自然度，即圖像看起來是否像自然場景。?NIQE基于一組“質(zhì)量感知”特征，并將其擬合到MVG模型中。質(zhì)量感知特征源于一個(gè)簡單但高度正則化的NSS模型。然后，將給定的測試圖像的NIQE指標(biāo)表示為從測試圖像中提取的NSS特征的MVG模型與從自然圖像語料中提取的質(zhì)量感知特征的MVG模型之間的距離。整個(gè)過程由五步操作完成：
4.1 空域NSS特征提取
4.2 圖像塊選取
? ? ? ?一旦圖像的系數(shù)由(1)式計(jì)算出，整張圖像會(huì)被分割成P × P P\times{P}P×P的塊。然后從每個(gè)塊的系數(shù)中計(jì)算出特殊的NSS特征。方差(3)在之前的基于NSS的圖片分析中常常被忽視。但是它在結(jié)構(gòu)化圖片信息上有豐富的內(nèi)容。這些內(nèi)容可以被用來量化局部圖片的銳利度。(從美學(xué)上認(rèn)為一幅圖片越銳利它的成像效果會(huì)越好，平滑模糊代表一種視覺信息的潛在損失。)將P × P P\times{P}P×P的圖像塊用b = 1 , 2 , . . . , B b=1,2,...,Bb=1,2,...,B做標(biāo)記，再用一種直接的方法計(jì)算每一塊b bb平均局部偏移范圍：
4.3?MVG模型
? ? ? ?通過將自然圖像塊與MVG模型密度函數(shù)擬合，可以得到一個(gè)簡單的NSS特征模型，MVG模型密度函數(shù)為：
4.4?NIQE指標(biāo)
? ? ? ? NIQE分?jǐn)?shù)的計(jì)算，是通過計(jì)算待測圖片MVG模型參數(shù)和上面得到的自然圖片MVG模型參數(shù)的距離來得到(如下式)。不過選擇patch的準(zhǔn)則(1)不應(yīng)用到待測圖片上，而只用在上面自然圖片模型參數(shù)估計(jì)上。原因如下:
5.算法完整程序工程
OOOOO
OOO文章來源：http://www.zghlxwxcb.cn/news/detail-754829.html
O文章來源地址http://www.zghlxwxcb.cn/news/detail-754829.html
到了這里，關(guān)于基于NIQE算法的圖像無參考質(zhì)量評價(jià)算法matlab仿真的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
