HyperAIHyperAI

Command Palette

Search for a command to run...

تقييم جودة الصورة: من رؤية الخطأ إلى التشابه البنائي

H.R. Sheikh; E.P. Simoncelli A.C. Bovik Zhou Wang

الملخص

تحاول الأساليب الموضوعية لتقييم جودة الصورة الذهنية تقليديًا قياس مدى ظهور الأخطاء (الاختلافات) بين صورة مُشوهَة وصورة مرجعية باستخدام مجموعة من الخصائص المعروفة لنظام الرؤية البشري. وبافتراض أن إدراك الإنسان البشري للرؤية يتأقلم بشكل كبير لاستخلاص المعلومات الهيكلية من المشهد، نقدّم إطارًا بديلًا مكملًا لتقييم الجودة يستند إلى تدهور المعلومات الهيكلية. كمثال محدد على هذا المفهوم، نطوّر مؤشرًا للاستقرار الهيكلي (Structural Similarity Index)، ونُظهر إمكاناته من خلال مجموعة من الأمثلة البديهية، بالإضافة إلى مقارنة مع التقييمات الذاتية والأساليب الموضوعية الرائدة على قاعدة بيانات تحتوي على صور مُضغوطة باستخدام خوارزميتي JPEG وJPEG2000. يتوفر تنفيذ بلغة MATLAB للخوارزمية المقترحة إلكترونيًا على الرابط التالي: http://www.cns.nyu.edu//spl sim/lcv/ssim/.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp
تقييم جودة الصورة: من رؤية الخطأ إلى التشابه البنائي | مستندات | HyperAI