描述：用于计算机断层扫描 (CT) 扫描仪质量保证的基于 GUI 的软件。 对 Catphan 或水幻影图像执行半自动分析。 需要 MATLAB 图像处理工具箱。 说明：解压 .zip 内容并将当前工作文件夹（路径）设置为包含 CTQI.m 的文件夹。 运行 CTQI.m 函数以启动。 鸣谢：西澳大利亚珀斯查尔斯盖尔德纳爵士医院医疗技术与物理系。 免责声明：该软件目前处于草稿格式，尚未经过彻底测试。 它仅用于研究目的。 期待后续的重大改进和修复。 此程序不包含任何保修。 我们对通过软件获得的数据的准确性不承担任何责任。

该项目致力于开源数据质量和数据准备解决方案。 数据质量包括策略定义的概要分析，过滤，治理，相似性检查，数据充实变更，实时警报，篮子分析，气泡图仓库验证，单个客户视图等。 该工具正在开发高性能的集成数据管理平台，它将无缝地进行数据集成，数据分析，数据质量，数据准备，虚拟数据创建，元数据发现，异常发现，数据清理，报告和分析。 它还具有Hadoop（大数据）支持，可将文件移入Hadoop Grid或从Hadoop Grid移出，创建，加载和配置Hive表。 此项目也称为“ Aggregate Profiler”。此项目的Resful API的构建方式为（测试版）https://sourceforge.net/projects/restful-api-for-osdq/基于apache spark的数据质量正在构建https://sourceforge.net/projects/apache-spark-osdq/

During the past two decades, the field of medical imaging has achieved dramatic improvements in imaging system capability with accompanying increases in system complexity. Much of this progress has been fueled by advances in computing technology and the widespread adoption of digital techniques for data acquisition, processing and display. Although every branch of medical imaging has been significantly affected, the most striking examples ofthis revolution are x-ray computed tomography and magnetic resonance imaging. Fortunately, a consensus on quantitative measurement methodology for assessing diagnostic imaging technologies has been gradually emerging. It has grown out of the recognition of common features among imaging modalities that allows their limitations to be understood within the framework of statistical decision analysis.

SimpleBlobDetector,houghcircles，AAMED，High-quality-ellipse-detection圆的检测效果对比

CQE 考试参考书 PDF 1220页 电子版，非扫描版。

GIQA：生成的图像质量评估 这是ECCV2020“ GIQA：生成的图像质量评估”的正式pytorch实现（ ）。 该存储库的主要贡献者包括Microsoft Research Asia的Gu Shuyang，Bao Jianmin Bao，Dong Chen和Fang Wen。 相关论文采用GMM-GIQA来改善GAN的性能：PriorGAN（ ）。 介绍 GIQA旨在解决单个生成图像的质量评估问题。 在此源代码中，我们发布了易于使用的GMM-GIQA和KNN-GIQA代码。 引文 如果您发现我们的代码对您的研究有所帮助，请考虑引用： @article{gu2020giqa, title={GIQA: Generated Image Quality Assessment}, author={Gu, Shuyang and Bao, Jianmin and Chen, D

葡萄酒质量数据集 这两个数据集包含两种不同的特性，分别是两种不同葡萄酒（红葡萄酒和白葡萄酒）的理化特性和感官特性，该产品称为“ Vinho Verde”。 数据来自。 数据集中有1599个红酒样品和4898个白葡萄酒样品。 每个葡萄酒样本（行）具有以下特征（列）： 固定酸度 挥发性酸度 柠檬酸 残留糖 氯化物 游离二氧化硫 二氧化硫总量 密度 pH值 硫酸盐 酒精 质量（得分在0到10之间） 研究背景是对数据尝试不同的预测算法并检查结果。

基于Gabor特征的屏幕内容图像质量评估模型 IEEE图像处理事务（T-IP） ，曾焕强，，侯俊辉，陈静和 | 介绍 该网站共享IEEE图像处理事务（T-IP），第1卷，“屏幕内容图像的基于Gabor特征的质量评估模型”的代码。 27，pp.4516-4528，2018年9月。 抽象的 本文提出了一种基于提取的Gabor特征的准确高效的全参考图像质量评估（IQA）模型，称为基于Gabor特征的模型（GFM），用于对屏幕内容图像（SCI）进行客观评估。 众所周知，Gabor滤波器与人类视觉系统（HVS）的响应高度一致，并且HVS对边缘信息高度敏感。 基于这些事实，将具有奇数对称性并产生边缘检测的Gabor滤波器的虚部用于参考和失真SCI的亮度，以分别提取其Gabor特征。 然后独立测量在LMN颜色空间中记录的提取Gabor特征和两个色度分量的局部相似性。 最后，采用Gabor特征池化策略来

数据挖掘里面一些经典的数据集，包括 image iris soybean wine wine-quality zoo