DC Field | Value | Language |
dc.contributor.author | Голуб, Ю. И. | - |
dc.date.accessioned | 2020-06-17T09:42:01Z | - |
dc.date.available | 2020-06-17T09:42:01Z | - |
dc.date.issued | 2020 | - |
dc.identifier.citation | Голуб, Ю. И. Новые подходы к оценке качества цифровых изображений / Ю. И. Голуб // BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня: сб. материалов VI Междунар. науч. - практ. конф., Минск, 20-21 мая 2020 года: в 3 ч. Ч. 2 / редкол.: В. А. Богуш [и др.]. – Минск : Бестпринт, 2020. – С. 241–245. | ru_RU |
dc.identifier.isbn | 978-985-90533-8-2 | - |
dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/39092 | - |
dc.description.abstract | Цифровые изображения могут иметь разрешение миллионы пикселей. Возникает задача оценки качества изображений при отсутствии эталона. Для этого вычисляют локальные оценки в окрестности каждого пикселя, затем их усредняют. Среднее – это один из двух параметров нормального распределения данных. В работе показано, что использование среднего, как глобальной оценки большого объема данных, некорректно. Были исследованы 28 вариантов безэталонных мер качества и их модификации. Экспериментально показано, что локальные оценки редко соответствует нормальному закону распределения. Это подтверждено тестами на нормальность распределения данных. Предложено вместо среднего значения использовать параметры распределений логарифмического типа, как глобальные оценки качества цифровых изображений. | ru_RU |
dc.language.iso | ru | ru_RU |
dc.publisher | Беспринт | ru_RU |
dc.subject | материалы конференций | ru_RU |
dc.subject | большие данные | ru_RU |
dc.subject | цифровые изображения | ru_RU |
dc.subject | нормальное распределение | ru_RU |
dc.subject | Big Data | - |
dc.subject | digital images | - |
dc.subject | normal distribution | - |
dc.title | Новые подходы к оценке качества цифровых изображений | ru_RU |
dc.title.alternative | A new approach to digital image quality assessments | - |
dc.type | Article | ru_RU |
local.description.annotation | Digital images can have resolution of millions of pixels. The problem arises of no-reference image quality assessment. To do this, local estimates are calculated around every pixel, and then they are averaged. Mean is one of two parameters of the normal distribution of data. In the paper we demonstrate that the average as a global estimate of a large amount of data is not correct. 28 variants of no-reference quality measures and their modifications were investigated. It has been experimentally shown that sets of local estimates rarely correspond to the normal distribution law. This is confirmed by normality tests of the data. Instead of the average value, we propose to use parameters of the distribution logarithmic type as global image quality estimates. | - |
Appears in Collections: | BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : материалы конференции (2020)
|