Skip navigation
Please use this identifier to cite or link to this item: https://libeldoc.bsuir.by/handle/123456789/39092
Full metadata record
DC FieldValueLanguage
dc.contributor.authorГолуб, Ю. И.-
dc.date.accessioned2020-06-17T09:42:01Z-
dc.date.available2020-06-17T09:42:01Z-
dc.date.issued2020-
dc.identifier.citationГолуб, 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.isbn978-985-90533-8-2-
dc.identifier.urihttps://libeldoc.bsuir.by/handle/123456789/39092-
dc.description.abstractЦифровые 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.isoruru_RU
dc.publisherБеспринтru_RU
dc.subjectматериалы конференцийru_RU
dc.subjectбольшие данныеru_RU
dc.subjectцифровые изображенияru_RU
dc.subjectнормальное распределениеru_RU
dc.subjectBig Data-
dc.subjectdigital images-
dc.subjectnormal distribution-
dc.titleНовые подходы к оценке качества цифровых изображенийru_RU
dc.title.alternativeA new approach to digital image quality assessments-
dc.typeArticleru_RU
local.description.annotationDigital 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)

Files in This Item:
File Description SizeFormat 
Golub_Novyye.pdf804.64 kBAdobe PDFView/Open
Show simple item record Google Scholar

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.