La Prédiction de qualité d'image en utilisant les algorithmes d'apprentissage Automatique

Abstract

Les images jouent un rôle très important dans de nombreux applications dans différents domaines, cependant elles sont affectées par plusieurs déformations ce qui rend l’évaluation de leurs qualités très essentiel. Plusieurs métriques existent (VSI, FSIM, SSIM, NQM, IFS, …) mais elles ne sont pas efficaces pour tous les images, pour cela nous avons utilisés les résultats de quelques-uns sur tous les images de la base de référence LIVE comme données d’apprentissage aux réseaux de neurones (ANN, CNN, RNN) afin de profiter de leurs caractéristiques pour évaluer la qualité des images d’une manière générale. Les résultats de notre approche sur la base LIVE ont montré d’excellent performances et une très bonne corrélation avec les valeurs subjective.

تلعب الصور دورًا VSI ، FSIM ، SSIM ،( للغاية. توجد عدة مقاييس C التشوهات مما يجعل تقييم خصائصها أمرًا ضروريًا ، لذلك استخدمنا نتائج بعضها في جميع صور C لكنها ليست فعالة لجميع الصور )... ، NQM ، IFS من أجل )ANN، CNN، RNN ( القاعدة المرجعية الحية كتدريب على البيانات في الشبكات العصبية أداءً LIVE لتقييم جودة الصور بشكل عام. أظهرت نتائج نهجنا في قاعدة بيانات C الاستفادة من خصائصها جيدًا بالقيم الذاتية. C ممتازًا وارتباطً