图像质量评估(IQA)对于众多图像处理应用至关重要。 通常,图像质量度量(IQM)将图像质量视为在某些感知空间中与参考图像的保真度或相似度。 这种全参考IQA方法是一种比较,涉及以感知上有意义的方式测量两个信号之间的相似性或差异。 人类视觉系统(HVS)的建模已被视为实现感知质量预测的最合适方法。 实际上,自然图像统计可以是模拟HVS的有效方法,因为自然图像的统计模型揭示了HVS的一些重要响应特性。 稀疏编码是自然图像的有用统计模型,等效于独立分量分析(ICA)。 它对初级视觉皮层中简单细胞的感受野提供了很好的描述。 因此,在设计IQM时,可以使用这种统计模型来模拟视觉皮层级别的视觉处理。 在本文中,我们提出了一种IQA保真度准则,该准则将图像质量与参考图像和失真图像之间的相关性以稀疏代码形式相关联。 提出的可视信号保真度度量(称为稀疏相关系数(SCC))是出于需要从简单细胞接受域的稀疏模型中捕获两组输出之间的相关性的动机。 SCC表示皮质视觉空间中图像的两个视觉信号之间的相关性。 多项式和逻辑回归后的实验结果表明,在单失真和交叉失真测试中,SCC均优于最新的IQM。
2024-04-17 16:36:44 1.25MB Image quality assessment; Sparse
1
老年人生活环境质量评价:评价工具比较研究,连菲,慕静宜,有新的证据表明,精心设计的物理环境可以改善老年人的健康、福祉和照顾。随着对建筑设计与老年人生活质量关系的研究成为人们关注
2024-01-11 11:44:05 136KB 首发论文
1
matlab 花代码基于 DIP-MATLAB 的质量评估 使用数字图像处理(MATLAB)对物体(花)进行质量评估。 “通过数字图像处理(MATLAB)对花卉进行质量评估” 我们开发了一个数字图像处理系统,通过对图像中的对象进行过滤、编码、增强、恢复、特征提取、分析和识别来对对象(花)进行实时质量评估。 我们还设计了一个基于 Matlab 的用户界面,用于访问和操作可进一步用于质量评估的输出数据。 系统有以下模块: 图像采集和处理: • 从图像中获取视觉信息和识别对象。 • 改进其外观、重新调整大小、过滤、清理、分割和阈值。 形态处理: • 用于执行对象提取图像过滤操作。 • 形态学运算,例如侵蚀、膨胀、开运算和闭运算。 Canny 算法: • 用于检测曲线线段(边缘)。 • 找出表面和深度的不连续性和变化。 MATLAB: • 用于可视化数据和算法交互的二维图形函数。 • 用于迭代探索、设计和解决问题的交互式工具。
2023-03-27 12:37:06 16KB 系统开源
1
Recent developments in laser scanning technologies have provided innovative solutions for acquiring three-dimensional (3D) point clouds about road corridors and its environments. Unlike traditional field surveying, satellite imagery, and aerial photography, laser scanning systems offer unique solutions for collecting dense point clouds with millimeter accuracy and in a reasonable time. The data acquired by laser scanning systems empower modeling road geometry and delineating road design parameters such as slope, superelevation, and vertical and horizontal alignments. These geometric parameters have several geospatial applications such as road safety management. The purpose of this book is to promote the core understanding of suitable geospatial tools and techniques for modeling of road traffic accidents by the state-of-the-art artificial intelligence (AI) approaches such as neural networks (NNs) and deep learning (DL) using traffic information and road geometry delineated from laser scanning data. Data collection and management in databases play a major role in modeling and developing predictive tools. Therefore, the first two chapters of this book introduce laser scanning technology with creative explanation and graphical illustrations and review the recent methods of extracting geometric road parameters. The third and fourth chapters present an optimization of support vector machine and ensemble tree methods as well as novel hierarchical object-based methods for extracting road geometry from laser scanning point clouds. Information about historical traffic accidents and their circumstances, traffic (volume, type of vehicles), road features (grade, superelevation, curve radius, lane width, speed limit, etc.) pertains to what is observed to exist on road segments or road intersections. Soft computing models such as neural networks are advanced modeling methods that can be related to traffic and road features to the historical accidents and generates regression equations that can be used in various phases of road safety management cycle. The regression equations produced by NN can identify unsafe road segments, estimate how much safety has changed following a change in design, and quantify the effects of road geometric features and traffic information on road safety. This book aims to help graduate students, professionals, decision makers, and road planners in developing better traffic accident prediction models using advanced neural networks.
2023-03-22 16:49:12 8.29MB neural networks deep learning
1
底特律城市道路评估 1:道路裂缝检测(请参阅第1部分) 道路损坏状况主要基于人员和一些检测机的视觉观察。 对于第一个,即由人员检查状况,它需要经验丰富的道路管理人员,而且非常昂贵。 此外,通过视觉观察,我们无法进行一致的检查,因为该区域中的某些区域可能会被忽略。 换句话说,基于大规模检查的许多测量系统应运而生。 但是,进行这样的全面检查非常昂贵,特别是对于缺少所需财政资源的小型市政当局而言。 因此,基于上述问题,通过结合图像处理技术和传统的摄像机记录,已经提出了一些方法来开发一种用于分析道路特性的方法。 例如,先前的研究提出了一种使用图像处理技术的路面裂缝检测方法和一种基于朴素贝叶斯的机器学习方法[2]。 近年来,使用深度神经网络已成为分析路面损伤的一种可能方法[16]。 但是,那些道路损坏检测方法仅着眼于确定损坏的存在。 了解裂纹的位置和裂纹的类型非常有必要。 这些信息可以帮助我们更
2023-03-16 11:03:41 14.8MB Python
1
E-NCAP商用货车测试评价 2023 包括: Adaptive Cruise Control (ACC) Autonomous Emergency Braking (AEB) Blind Spot Information System (BLIS) Driver State Monitoring (DSM) Emergency Lane Keeping (ELK) Forward Collision Warning (FCW) Global Vehicle Target (GVT) Lane Departure Warning (LDW) Intelligent Speed Limiter (ISL)
2023-02-02 14:42:56 510KB E-NCAP2023 E-NCAP货车 测试评价标准 ACC
1
The National Highway Traffic Safety Administration established the electronics reliability research area to study the mitigation and safe management of electronic control system failures and operator response errors. This project supports NHTSA’s electronics reliability research area by: • Expanding the knowledge base for automated lane centering systems and the foundational steering and braking systems upon which ALC relies. • Providing an example for implementing a portion of the voluntary, in
2022-11-26 19:19:32 3.66MB ISO26262 功能安全 智能汽车
1
本书讨论了对新技术所依赖的算法进行监管的必要性和紧迫性; 具有重塑人类社会潜力的技术。 从商业和农业到医疗和教育,我们生活中很难找到不受这些新兴技术影响的任何方面。 同时,人工智能、深度学习、机器学习、认知计算、区块链、虚拟现实和增强现实,属于最有可能影响法律,尤其是行政法的领域。 该书探讨了行政决定和司法裁决中普遍适用的模式。 首先,通过分析从地理位置和行政决定到司法推理和法律依据的参数,确定不同案件之间行为的相似性和差异性。 事实证明,在介绍的几个案例中,由于缺乏当前的专门立法,一般法的渊源,例如竞争法或劳动法,被援引作为法律依据。 本书还调查了国家乃至超国家监管机构在先进算法方面的作用和重要性,并将 ENISA(一个专注于网络和信息安全的欧盟机构)视为欧洲先进算法监管机构的有趣候选者。 最后,讨论了代表性机构在算法监管中的参与。
2022-11-16 11:06:55 1.47MB legal assessment advanced
1
JNCIA - SEC Voucher Assessment Test考题.pdf
2022-10-22 14:06:05 149KB JNCIA
JNCIA - Cloud Voucher Assessment Test考题.pdf
2022-10-22 14:06:02 121KB JNCIA