《表1 MIT数据库性能对比》
本文使用基于RBF内核的SVMrank[17]在MIT数据库上采用LOOCV(Left One-Out CrossValidation)方式进行多尺度失真感知特征融合。对于每幅原始图像,使用原始图像作为查询,并将8幅重定向图像的主观投票作为排名顺序。将原始图像和8幅重定向图像归为一组,共计37组。对于每组,使用剩余的36组进行训练,然后对该组进行测试。最后,评估结果。将提出的MSDA方法与现有方法进行比较。给出每个RIQA度量的平均KRCC和标准偏差,以及具有特定属性的图像子集的平均KRCC。表1给出MSDA方法在MIT各子集的KRCC指标,其中p-val是指在一个概率模型中,统计摘要(如两组样本均值差)与实际观测数据相同,或甚至更大这一事件发生的概率。实验结果显示,本文提出的MSDA方法性能是每个子集中所有对比方法的前两名,并且平均性能比MLF方法提高4.1%。
图表编号 | XD00115224500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 吴志山、张帅、牛玉贞 |
绘制单位 | 福州大学数学与计算机科学学院、福州大学数学与计算机科学学院、福州大学数学与计算机科学学院 |
更多格式 | 高清、无水印(增值服务) |