无参考图像质量评价研究现状与前景分析

目的 为了进一步掌握无参考图像质量评价的发展过程与研究热点,为后续的相关研究提供参考。方法 使用citespace文献可视化软件对2000—2021年在Web of Science检索到的1 712条文献数据进行基本分析、共被引分析和     

一种基于宽度学习的高精度光谱重建方法

目的 研究一种更有效的光谱重建方法,以提升光谱重建的精度。方法 文中提出一种基于宽度学习的光谱重建方法,以包含1 269个色块的孟塞尔亚光数据集和包含289个色块的Agfa IT8.2数据集为实验样本,利用商用彩色数码相机的模拟系统对所提方法进行验证,以光谱均方根误差、光谱拟合优度系数和2种色差公式为算法评价指标,并与现有的光谱重建方法进行了对比。结果 实验结果表明,该方法可实现的平均均方根误差低至0.4%,平均光谱拟合优度系数达到99.9%,平均色差低至0.147和0.112,光谱精度和色度精度都明显优于其他2种方法。结论 基于宽度学习的光谱重建算法可以有效地提高光谱重建的精度,能够实现更高精度的光谱颜色表征和再现的要求。     

基于知识图谱的肤色检测研究进展分析

通过知识图谱对肤色检测领域的研究热点和研究现状归纳总结,分析该领域存在问题,并对未来研究进行展望。对Web of Science核心数据库中检索得到的3 472篇相关文献集合,从文献发表量、国家机构合作关系、关键词突现、关键词共现、文献共被引进行可视化分析。结果表明,肤色检测领域研究成果丰富,吸引众多国家、机构及作者研究,但相互间合作较少。研究热点集中在人脸检测、皮肤镜图像处理等方面,神经网络技术的发展也在推进肤色检测的智能化进程。但目前仍面临缺乏标准数据库、算法精度不高与检测成本高昂等局限,未来应进行针对性研究。