基于matlab SVM图像无参考质量评价

ubeautqq

# o+ O3 G; [+ U" r4 f
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 数学部分

& s8 R# ?$ o$ s! N' M0 X1.1 二维空间
% v+ \. {0 z; |3 o# p2 y' Q6 d



* p9 j" ?- U, _" T1 W2 v

1 N5 Y' K, }$ N- q

% x3 R/ R/ z6 b6 e* I* h1 Y: P
# y. V/ P+ ~5 w
$ D& M/ ~7 `, p5 s" o

1 G+ q- s% j9 Y. K
5 S6 R8 [( x. F$ F+ s; h2 _$ C


  l6 L' }3 `) N# u1 f

! i" `/ s5 o& p8 g. m/ Z
/ u. C7 n8 T1 J( H/ i2 g* O/ ~6 o
8 V2 l9 {' W- Q* u" q" F/ i
2 算法部分
3 j. p& V$ |3 Q7 G

! W( h% C+ X' T% f  }/ T1 K1 V
7 K  ?* y1 U. v/ G+ _

: i3 L6 g; C7 ?0 I+ o! Q


6 _2 m- x& K4 m: T- Q

& `/ `0 O) T' `  J" a
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 );
• 
  0 M( k  `  ]4 \+ q' [

   
$ G* T% p1 L8 C
) W6 u  Y* e1 V. G' F

regngfpcb

基于matlab SVM图像无参考质量评价

ldezgr

今天晴天，努力奋斗