水下图像往往质量较低且数量众多,在许多应用中需要对其执行大规模的一致増强。在子集导引一致増强评估准则下,现有的子集选取方法在对原始图像集进行抽样时,所需候选子集的抽样数据过多,且不具备对数据内容的自适应能力。为此,文中将候选子集进一步划分为若干份抽样子集,按照不放回抽样策略进行抽样,并根据一致増强评估准则得到某一待检增强算法对逐份抽样子集的一致性増强度,利用一定置信水平条件下的学生τ分布,自适应地选定子集比例,并预估该增强算法对原始图像集的一致性増强度。实验结釆表明,相比现有的子集选取方法,所提方法在各种情况下均能减少原始图像集的抽样数据,同时正确判断岀毎种増强算法的一致性能。所提方法在保持评估误差相当的条件下,相比子集固定比例方法可减少2%~14%的子集比例,相比逐级递增的方法可减少3%~9%的子集比例,从而鲁棒地降低了子集导引一致增强评估的复杂度。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !