基于小波域和时域的视频质量评价

目前多数视频质量评价算法将视频所有帧的图像质量平均值作为整个视频的质量,但该方式只考虑空间图像质量,忽略视频固有时域上的特性,因而无法准确地描述客观视频质量评价和主观评价的相关性。为此,结合视频的时域特性,提出一种改进的视频质量评价算法。该算法将视频帧图像分为边缘区域与平滑区域,分别对2个区域进行小波变换,并利用小波系数求得各个区域视频帧的图像质量度量值,进行加权后得出视频单帧图像质量的度量值,对连续单帧图像进行时域融合,从而求得整个视频的质量度量值。在LIVE视频数据库上的实验结果表明,该算法与人类主观评价结果具有较好的一致性,斯皮尔曼相关系数达到0.7885。     

结合HVS特性的视频图像质量评价

在分析视觉非线性、对比敏感度、多通道结构等人类基本视觉特性的基础上,提出了一种结合人眼视觉系统特性(HVS)的视频图像质量评价新方法。该方法首先对图像信号进行小波分解,基于小波域提取视觉特征参数,然后建立符合人眼视觉感知特性的图像质量评价指标,在此基础上给出具体评价算法。仿真实验结果表明,在视频图像压缩编码中采用本算法的图像质量评价性能优于传统的客观评价方法。     

基于深度学习的无参考图像质量评价综述

图像质量评价是图像处理、图像/视频编码等领域的基础性问题,用于评估图像的失真程度,被广泛应用于算法设计与分析、系统性能评估等方面.无参考图像质量评价(又称为盲图像质量评价)是一种重要的客观质量评价方法.因为无须原始的参考图像,因此具有广泛的应用前景.近年来,随着深度学习技术的不断发展,人们提出了多种基于深度学习的无参考...     

数字融合图像质量的视觉信息保真度客观评价方法

在实时数字图像融合系统中需要对融合图像的质量进行客观评价。针对传统客观评价方法存在与人眼视觉系统(Human Visual System,HVS)主观评价结果不相符的缺陷,提出了一种基于视觉信息保真度(Visual Information Fidelity,VIF)的融合图像质量客观评价方法。在假设图像源符合GSM(Gaussian Scale Mixture,GSM)模型,并将图像融合处理作为图像信号失真通道,而且考虑人眼视觉噪声特性的前提下,建立了基于VIF的数字融合图像质量客观评价理论模型,提出了一种融合图像质量评价指标FVIF。实验结果表明:该方法能够对融合图像质量进行综合评价,与其它方法相比,FVIF客观评价方法的性能更好,其评价结果与主观评价结果基本一致。     

基于运动信息和结构信息的视频质量评价方法

图像和视频客观质量评价方法在各个领域有着广泛的应用,根据上述问题,主要针对图像边缘结构失真和噪音影响图像质量.以往的测量方法不能很好地应用于视频领域.提出一种基于运动信息和结构信息的视频质量评价方法,主要考虑场景结构和运动信息,然后依据HVS特性对不同程度的信息进行加权处理,从而综合采用一种视频质量评价方法.经实验结果证明,新方法在压缩、模糊方面明显好于PSNR, MSSIM和ESSIM评价方法.     

图像结构失真的编码质量评价

客观图像质量评价方法——自动评价图像质量使其与主观感受一致, 对于很多图像和视频处理应用特别是图像编码具有重要意义。提出了一种基于结构失真的图像编码质量客观评价方法。首先根据匹配追逐算法将参考图像在基函数上进行投影分解按照重要性排列获得结构信息,并给出结构重要性度量,然后利用该信息计算编码图像的结构信息,比较编码前后结构信息的差异作为客观质量评价度量,其中在匹配追逐算法中,选取了2维可分离的Gabor基函数集作为字典。实验结果显示,上述方法与主观质量评价值有很好的一致性。     

无参考图像质量评价综述

图像质量评价是图像处理领域的热门研究课题之一。图像质量评价研究的目标是设计算法,给出和人的主观视觉感受相符合的评价结果。在客观图像质量评价的几种方法中,由于无参考图像质量评价方法的灵活性,该方法正受到越来越多的关注。文章首先概述了图像质量评价的相关知识,并从无参考图像质量度量方法和评价算法等角度对无参考图像质量评价进行分析．最后概括了无参考图像质量评价发展的现状及其发展趋势。     

基于深度学习的图像质量评价方法综述

图像质量评价是对图像或视频的视觉质量的一种度量,主要分析了最近10年图像质量评价算法的研究情况。介绍了图像质量评价算法的衡量指标以及常用的图像质量评价数据集,对图像质量评价方法的分类做了阐述,重点分析了基于深度学习技术的图像质量评价算法。目前,该类算法的基础模型主要包括深度卷积神经网络、深度生成对抗网络和变换器,其性能通常高于传统的图像质量评价算法。描述了基于深度学习技术的图像质量评价算法的原理,重点介绍了基于深度生成对抗网络的无参考图像质量评价算法,通过增强对抗学习强度提高模拟参考图的可靠性。深度学习技术需要海量训练数据的支持,探讨和总结数据集增强的方法,对数字图像质量评价方法的未来研究进行展望。     

X射线成像系统数字图像质量评价方法研究

为了实现X射线成像系统的闭环控制,必须采用射线图像的客观评价方法来代替现有的主观评价方法,对射线源管电压、管电流进行调节。本文结合射线图像特点,提出了一种基于感兴趣区域的加权熵的图像客观质量评价方法。实验表明,与传统图像质量评价函数相比,该方法具有较好地单峰性、鲁棒性和尖锐性,可以有效地评价射线图像质量。     

基于3维矩阵变换的彩色图像质量评价方法研究

鉴于传统的图像质量评价指标不能很好地反映图像质量，为了对图像质量进行更合理的评价，提出了一种新的彩色图像质量评价方法，该方法从图像的客观保真度、视觉失真度及清晰度3个方面来综合评价图像质量，其中，客观保真度作为图像质量的横向评价标准，而视觉失真度和清晰度则为其纵向评价标准。在评价图像的清晰度时，还充分考虑了彩色图像3帧间的结构相似性，把彩色图像的各个分量表示在一个统一的数学模型里，使用3维矩阵宽离散余弦变换来衡量图像的清晰度。实验结果表明，相对于传统的峰值信噪比评价指标来说，这种方法更为符合人眼视觉特性。     

MPC relevant identification––tuning the noise model

The philosophy of identification by minimizing an objective function that is commensurate with the control objective function is called control relevant identification. The control relevant method studied in this paper minimizes a multistep ahead prediction error objective function, suitable for model predictive controllers, to obtain an optimal multistep ahead predictor. It is shown that the method described in this paper provides better designed performance of the controller. A number of properties of this method in the context of FIR models are presented in this paper. The noise model plays a pivotal role in determining the performance of multistep ahead prediction errors. A method for tuning the noise model using the proposed control relevant method is presented in this paper.     

INTERACTIVE DECISION MAKING FOR MULTI-OBJECTIVE LINEAR FRACTIONAL PROGRAMMINGPROBLEMS WITH FUZZY PARAMETERS

Abstract

In this paper, we focus on multiobjective linear fractional programming problems with fuzzy parameters and present a new interactive decision making method for obtaining the satisficing solution of the decision maker (DM) on the basis of the linear programming method. The fuzzy parameters in the objective functions and the constraints are characterized by fuzzy numbers. The concept of a-Pareto optimality is introduced in which the ordinary Pareto optimality is extended based on the α-level sets of the fuzzy numbers. In our interactive decision making method, in order to generate a candidate for the satisficing solution which is also a-Pareto optimal, if the DM specifies the degree α of the a-level sets and the reference objective values, the minimax problem is solved by combined use of the bisection method and the linear programming method and the DM is supplied with the corresponding α-Pareto optimal solution together with the trade-off rates among the values of the objective functions and the degree a. Then by considering the current values of the objective functions and a as well as the trade-off rates, the DM acts on this solution by updating his/her reference objective values and/or degree a. In this way the satisficing solution for the DM can be derived efficiently from among an a-Pareto optimal solution set. A numerical example illustrates various aspects of the results developed in this paper.     

An entropy target-point approach to multiobjective programming

In this paper, we present a method for solving multiple objective programming problems. The method can be interpreted as a ‘distance’ method, i.e. the method minimizes the ‘distance’ from a target point specified by the decision maker. The auxiliary ‘distance’ objective we use in our method is the entropy function. With this choice of auxiliary objective, we obtain a computationally efficient method. This algorithmic efficiency is especially emphasized when the method is to be used in an interactive scheme where the auxiliary problem has to be solved repeatedly for a number of different target points. Another attractive feature of the choice of an entropy auxiliary objective function is that it generates stable solutions.     

基于个人偏好的多目标优化问题目标权重计算方法

针对多目标优化过程中如何根据个人偏好确定各目标权重的问题,提出一种约束优化方法以获得各目标的最佳权重.首先,将目标权重计算问题转化为综合适应度最大方差计算问题;然后,将个人偏好转化为最大方差问题不等式约束条件;最后,利用遗传算法和梯度投影法求解约束优化问题以获得最佳的目标权重.在电力机车故障维修策略决策过程中应用该算法计算各部件经济性、安全性等目标权重,实验结果验证了所提出方法能够获得满足个人偏好的最佳目标权重.     

Global search in a noncovex optimal control problem

A nonconvex optimal control problem with the Bolza objective functional is considered. The objective functional is specified by functions represented by the difference of two convex functions (Alexandrov functions). New necessary and sufficient global optimality conditions for minimizing sequences of controls are proved. These conditions provide the basis for a theoretical method for finding global optimal controls; the global convergence of this method is proved.     

软件可靠性影响因素权重分析

对软件可靠性早期预测模型的研究,首先必须考虑影响软件可靠性的主要因素。而影响因素权重的确定可以说是整个早期预测模型的“灵魂”。针对主观赋权法和客观赋权法的优缺点,提出了基于神经网络和MIV的组合赋权法来分析软件可靠性的影响因素。该方法首先根据主观赋权法得到影响因素的排序,然后利用神经网络的强大的非线性处理能力以及MIV进行客观分析,从而获得更客观更具解释性的权重值和排序。     

Training RBF network to tolerate single node fault

In this paper, an objective function for training a radial basis function (RBF) network to handle single node open fault is presented. Based on the definition of this objective function, we propose a training method in which the computational complexity is the same as that of the least mean squares (LMS) method. Simulation results indicate that our method could greatly improve the fault tolerance of RBF networks, as compared with the one trained by LMS method. Moreover, even if the tuning parameter is misspecified, the performance deviation is not significant.     

Discrete optimization by relational constraint satisfaction

In pattern matching a basic problem is to determine one or more vectors X that maximize an objective function which is a sum of functions of components of X. When this problem is solved by dynamic programming CPU time and storage requirements grow explosively as the amount of intervariable interaction in the objective function increases. This explosion may be reduced by departing from the traditional dynamic programming method of eliminating successive variables and instead determining a constraint relation between each variable and all others with which it interacts. Discrete relaxation is used to accelerate a backtrack search to find all vectors that satisfy all such constraints. Optimization is achieved by evaluating the objective function for all such vectors. This new method of optimization has been experimentally compared with a classical dynamic programming algorithm running with the same pseudorandomly generated objective functions.     

带约束的曲面放缩

提出了一种保持曲面形状特征(trimming curves)不变的曲面放缩新方法.该方法的关键是使用了一个新的目标函数来极小化放缩前后两曲面的差别.该目标函数由放缩前后两曲面对应点的导矢叉乘的平方的积分来定义.极小化该目标函数能够保证放缩前后曲面对应点的法向变化尽可能地小,从而保证两个曲面的形状和曲率分布尽可能接近.通过与Fix-and-Stretch方法的比较,新方法对一些汽车部件数据得到了更好的结果.最后给出了两种方法得到的结果曲面的高光线模型.     

属性和专家客观权重未知的区间数群决策方法

针对偏好信息为区间数形式、属性和专家客观权重未知的多属性群决策问题,提出通过属性评价值之间偏离程度的熵值分析和建立目标最小化的非线性规划模型确定属性客观权重,并结合属性主观权重获得属性综合权重;通过灰色关联法分析专家综合评价和群体综合评价之间一致性程度确定专家客观权重,并利用自适应迭代法求得稳定的专家权重;构造了一个新的区间数比较的可能度公式,并基于此公式,给出了方案排序问题的解决方法。通过算例分析及与其他方法对比,验证了所提出方法的可行性和有效性。最后,分析了相关参数对决策结果的影响。