Zeitschriftenartikel zum Thema „No-Reference image quality assessment (NR-IQA)“
Geben Sie eine Quelle nach APA, MLA, Chicago, Harvard und anderen Zitierweisen an
Machen Sie sich mit Top-50 Zeitschriftenartikel für die Forschung zum Thema "No-Reference image quality assessment (NR-IQA)" bekannt.
Neben jedem Werk im Literaturverzeichnis ist die Option "Zur Bibliographie hinzufügen" verfügbar. Nutzen Sie sie, wird Ihre bibliographische Angabe des gewählten Werkes nach der nötigen Zitierweise (APA, MLA, Harvard, Chicago, Vancouver usw.) automatisch gestaltet.
Sie können auch den vollen Text der wissenschaftlichen Publikation im PDF-Format herunterladen und eine Online-Annotation der Arbeit lesen, wenn die relevanten Parameter in den Metadaten verfügbar sind.
Sehen Sie die Zeitschriftenartikel für verschiedene Spezialgebieten durch und erstellen Sie Ihre Bibliographie auf korrekte Weise.
Zhang, Haopeng, Bo Yuan, Bo Dong und Zhiguo Jiang. „No-Reference Blurred Image Quality Assessment by Structural Similarity Index“. Applied Sciences 8, Nr. 10 (22.10.2018): 2003. http://dx.doi.org/10.3390/app8102003.
Der volle Inhalt der QuelleShi, Jinsong, Pan Gao und Jie Qin. „Transformer-Based No-Reference Image Quality Assessment via Supervised Contrastive Learning“. Proceedings of the AAAI Conference on Artificial Intelligence 38, Nr. 5 (24.03.2024): 4829–37. http://dx.doi.org/10.1609/aaai.v38i5.28285.
Der volle Inhalt der QuelleLee, Wonkyeong, Eunbyeol Cho, Wonjin Kim, Hyebin Choi, Kyongmin Sarah Beck, Hyun Jung Yoon, Jongduk Baek und Jang-Hwan Choi. „No-reference perceptual CT image quality assessment based on a self-supervised learning framework“. Machine Learning: Science and Technology 3, Nr. 4 (01.12.2022): 045033. http://dx.doi.org/10.1088/2632-2153/aca87d.
Der volle Inhalt der QuelleOszust, Mariusz. „No-Reference Image Quality Assessment with Local Gradient Orientations“. Symmetry 11, Nr. 1 (16.01.2019): 95. http://dx.doi.org/10.3390/sym11010095.
Der volle Inhalt der QuelleAhmed, Ismail Taha, Chen Soong Der, Baraa Tareq Hammad und Norziana Jamil. „Contrast-distorted image quality assessment based on curvelet domain features“. International Journal of Electrical and Computer Engineering (IJECE) 11, Nr. 3 (01.06.2021): 2595. http://dx.doi.org/10.11591/ijece.v11i3.pp2595-2603.
Der volle Inhalt der QuelleGarcia Freitas, Pedro, Luísa da Eira, Samuel Santos und Mylene Farias. „On the Application LBP Texture Descriptors and Its Variants for No-Reference Image Quality Assessment“. Journal of Imaging 4, Nr. 10 (04.10.2018): 114. http://dx.doi.org/10.3390/jimaging4100114.
Der volle Inhalt der QuelleGu, Jie, Gaofeng Meng, Cheng Da, Shiming Xiang und Chunhong Pan. „No-Reference Image Quality Assessment with Reinforcement Recursive List-Wise Ranking“. Proceedings of the AAAI Conference on Artificial Intelligence 33 (17.07.2019): 8336–43. http://dx.doi.org/10.1609/aaai.v33i01.33018336.
Der volle Inhalt der QuelleVarga, Domonkos. „No-Reference Image Quality Assessment with Convolutional Neural Networks and Decision Fusion“. Applied Sciences 12, Nr. 1 (23.12.2021): 101. http://dx.doi.org/10.3390/app12010101.
Der volle Inhalt der QuelleYin, Guanghao, Wei Wang, Zehuan Yuan, Chuchu Han, Wei Ji, Shouqian Sun und Changhu Wang. „Content-Variant Reference Image Quality Assessment via Knowledge Distillation“. Proceedings of the AAAI Conference on Artificial Intelligence 36, Nr. 3 (28.06.2022): 3134–42. http://dx.doi.org/10.1609/aaai.v36i3.20221.
Der volle Inhalt der QuelleGavrovska, Ana, Dragi Dujković, Andreja Samčović, Yuliya Golub und Valery Starovoitov. „Quadratic fitting model in no-reference image quality assessment“. Telfor Journal 15, Nr. 2 (2023): 32–37. http://dx.doi.org/10.5937/telfor2302032g.
Der volle Inhalt der QuelleVarga, Domonkos. „No-Reference Image Quality Assessment with Multi-Scale Orderless Pooling of Deep Features“. Journal of Imaging 7, Nr. 7 (10.07.2021): 112. http://dx.doi.org/10.3390/jimaging7070112.
Der volle Inhalt der QuelleYan, Chenggang, Tong Teng, Yutao Liu, Yongbing Zhang, Haoqian Wang und Xiangyang Ji. „Precise No-Reference Image Quality Evaluation Based on Distortion Identification“. ACM Transactions on Multimedia Computing, Communications, and Applications 17, Nr. 3s (31.10.2021): 1–21. http://dx.doi.org/10.1145/3468872.
Der volle Inhalt der QuelleStępień, Igor, und Mariusz Oszust. „A Brief Survey on No-Reference Image Quality Assessment Methods for Magnetic Resonance Images“. Journal of Imaging 8, Nr. 6 (04.06.2022): 160. http://dx.doi.org/10.3390/jimaging8060160.
Der volle Inhalt der QuelleYe, Zhongchang, Xin Ye und Zhonghua Zhao. „Hybrid No-Reference Quality Assessment for Surveillance Images“. Information 13, Nr. 12 (16.12.2022): 588. http://dx.doi.org/10.3390/info13120588.
Der volle Inhalt der QuelleFu, Hao, Guojun Liu, Xiaoqin Yang, Lili Wei und Lixia Yang. „Two Low-Level Feature Distributions Based No Reference Image Quality Assessment“. Applied Sciences 12, Nr. 10 (14.05.2022): 4975. http://dx.doi.org/10.3390/app12104975.
Der volle Inhalt der QuelleGuan, Xiaodi, Fan Li und Lijun He. „Quality Assessment on Authentically Distorted Images by Expanding Proxy Labels“. Electronics 9, Nr. 2 (03.02.2020): 252. http://dx.doi.org/10.3390/electronics9020252.
Der volle Inhalt der QuelleVarga, Domonkos. „No-Reference Image Quality Assessment Based on the Fusion of Statistical and Perceptual Features“. Journal of Imaging 6, Nr. 8 (30.07.2020): 75. http://dx.doi.org/10.3390/jimaging6080075.
Der volle Inhalt der QuelleAhmed, Ismail Taha, Chen Soong Der, Norziana Jamil und Mohamad Afendee Mohamed. „Improve of contrast-distorted image quality assessment based on convolutional neural networks“. International Journal of Electrical and Computer Engineering (IJECE) 9, Nr. 6 (01.12.2019): 5604. http://dx.doi.org/10.11591/ijece.v9i6.pp5604-5614.
Der volle Inhalt der QuelleStępień, Igor, und Mariusz Oszust. „No-Reference Quality Assessment of Pan-Sharpening Images with Multi-Level Deep Image Representations“. Remote Sensing 14, Nr. 5 (24.02.2022): 1119. http://dx.doi.org/10.3390/rs14051119.
Der volle Inhalt der QuelleRyu, Jihyoung. „Improved Image Quality Assessment by Utilizing Pre-Trained Architecture Features with Unified Learning Mechanism“. Applied Sciences 13, Nr. 4 (19.02.2023): 2682. http://dx.doi.org/10.3390/app13042682.
Der volle Inhalt der QuelleVarga, Domonkos. „A Human Visual System Inspired No-Reference Image Quality Assessment Method Based on Local Feature Descriptors“. Sensors 22, Nr. 18 (07.09.2022): 6775. http://dx.doi.org/10.3390/s22186775.
Der volle Inhalt der QuelleRyu, Jihyoung. „A Visual Saliency-Based Neural Network Architecture for No-Reference Image Quality Assessment“. Applied Sciences 12, Nr. 19 (23.09.2022): 9567. http://dx.doi.org/10.3390/app12199567.
Der volle Inhalt der QuelleAbdalmajeed, Saifeldeen, und Jiao Shuhong. „Using the Natural Scenes’ Edges for Assessing Image Quality Blindly and Efficiently“. Mathematical Problems in Engineering 2015 (2015): 1–9. http://dx.doi.org/10.1155/2015/389504.
Der volle Inhalt der QuelleMahmood, Saifeldeen Abdalmajeed. „Three Different Features Based Metric To Assess Image Quality Blindly“. FES Journal of Engineering Sciences 8, Nr. 2 (23.05.2020): 97–103. http://dx.doi.org/10.52981/fjes.v8i2.121.
Der volle Inhalt der QuelleLU, WEN, LIHUO HE, WENJIAN TANG, FEI GAO und WEILONG HOU. „A NOVEL COMPRESSED IMAGES QUALITY METRIC“. International Journal of Image and Graphics 11, Nr. 02 (April 2011): 281–92. http://dx.doi.org/10.1142/s021946781100410x.
Der volle Inhalt der QuelleUllah, Hayat, Muhammad Irfan, Kyungjin Han und Jong Weon Lee. „DLNR-SIQA: Deep Learning-Based No-Reference Stitched Image Quality Assessment“. Sensors 20, Nr. 22 (12.11.2020): 6457. http://dx.doi.org/10.3390/s20226457.
Der volle Inhalt der QuelleZhang, Run, und Yongbin Wang. „Natural Image Quality Assessment Based on Visual Biological Cognitive Mechanism“. International Journal of Software Innovation 7, Nr. 1 (Januar 2019): 1–26. http://dx.doi.org/10.4018/ijsi.2019010101.
Der volle Inhalt der QuelleWang, Yue, Zeng Gang Lin und Zi Cheng Liao. „Image Quality Assessment Based on Region of Interest“. Applied Mechanics and Materials 596 (Juli 2014): 350–54. http://dx.doi.org/10.4028/www.scientific.net/amm.596.350.
Der volle Inhalt der QuelleHan, Lintao, Hengyi Lv, Yuchen Zhao, Hailong Liu, Guoling Bi, Zhiyong Yin und Yuqiang Fang. „Conv-Former: A Novel Network Combining Convolution and Self-Attention for Image Quality Assessment“. Sensors 23, Nr. 1 (30.12.2022): 427. http://dx.doi.org/10.3390/s23010427.
Der volle Inhalt der QuelleStępień, Igor, Rafał Obuchowicz, Adam Piórkowski und Mariusz Oszust. „Fusion of Deep Convolutional Neural Networks for No-Reference Magnetic Resonance Image Quality Assessment“. Sensors 21, Nr. 4 (03.02.2021): 1043. http://dx.doi.org/10.3390/s21041043.
Der volle Inhalt der QuelleCui, Yueli. „No-Reference Image Quality Assessment Based on Dual-Domain Feature Fusion“. Entropy 22, Nr. 3 (17.03.2020): 344. http://dx.doi.org/10.3390/e22030344.
Der volle Inhalt der QuelleQian, Qi, und Qingbing Sang. „No-reference image quality assessment based on automatic machine learning“. ITM Web of Conferences 45 (2022): 01034. http://dx.doi.org/10.1051/itmconf/20224501034.
Der volle Inhalt der QuelleChandler, Damon M. „Seven Challenges in Image Quality Assessment: Past, Present, and Future Research“. ISRN Signal Processing 2013 (06.02.2013): 1–53. http://dx.doi.org/10.1155/2013/905685.
Der volle Inhalt der QuelleVarga, Domonkos. „No-Reference Quality Assessment of Authentically Distorted Images Based on Local and Global Features“. Journal of Imaging 8, Nr. 6 (19.06.2022): 173. http://dx.doi.org/10.3390/jimaging8060173.
Der volle Inhalt der QuelleGupta, Praful, Christos Bampis, Jack Glover, Nicholas Paulter und Alan Bovik. „Multivariate Statistical Approach to Image Quality Tasks“. Journal of Imaging 4, Nr. 10 (12.10.2018): 117. http://dx.doi.org/10.3390/jimaging4100117.
Der volle Inhalt der QuelleGao, Guoqing, Lingxiao Li, Hao Chen, Ning Jiang, Shuqi Li, Qing Bian, Hua Bao und Changhui Rao. „No-Reference Quality Assessment of Extended Target Adaptive Optics Images Using Deep Neural Network“. Sensors 24, Nr. 1 (19.12.2023): 1. http://dx.doi.org/10.3390/s24010001.
Der volle Inhalt der QuelleGu, Ke, Guangtao Zhai, Xiaokang Yang und Wenjun Zhang. „No-Reference Stereoscopic IQA Approach: From Nonlinear Effect to Parallax Compensation“. Journal of Electrical and Computer Engineering 2012 (2012): 1–12. http://dx.doi.org/10.1155/2012/436031.
Der volle Inhalt der QuelleLei, Shu, Huang Zijian, Yan Jiebin und Fei Fengchang. „Super Resolution Image Visual Quality Assessment Based on Feature Optimization“. Computational Intelligence and Neuroscience 2022 (20.06.2022): 1–10. http://dx.doi.org/10.1155/2022/1263348.
Der volle Inhalt der QuelleVarga, Domonkos. „Multi-Pooled Inception Features for No-Reference Image Quality Assessment“. Applied Sciences 10, Nr. 6 (23.03.2020): 2186. http://dx.doi.org/10.3390/app10062186.
Der volle Inhalt der QuelleHu, Kai, Yanwen Zhang, Feiyu Lu, Zhiliang Deng und Yunping Liu. „An Underwater Image Enhancement Algorithm Based on MSR Parameter Optimization“. Journal of Marine Science and Engineering 8, Nr. 10 (25.09.2020): 741. http://dx.doi.org/10.3390/jmse8100741.
Der volle Inhalt der QuelleCourtney, Jane. „SEDIQA: Sound Emitting Document Image Quality Assessment in a Reading Aid for the Visually Impaired“. Journal of Imaging 7, Nr. 9 (30.08.2021): 168. http://dx.doi.org/10.3390/jimaging7090168.
Der volle Inhalt der QuelleLi, Yuyan, Yubo Dong, Haoyong Li, Danhua Liu, Fang Xue und Dahua Gao. „No-Reference Hyperspectral Image Quality Assessment via Ranking Feature Learning“. Remote Sensing 16, Nr. 10 (08.05.2024): 1657. http://dx.doi.org/10.3390/rs16101657.
Der volle Inhalt der QuelleWang, Bin. „An Image Quality Assessment Approach Based on Saliency Map in Space Domain“. Advanced Materials Research 1006-1007 (August 2014): 768–72. http://dx.doi.org/10.4028/www.scientific.net/amr.1006-1007.768.
Der volle Inhalt der QuelleStarovoitov, V. V., und F. V. Starovoitov. „COMPARATIVE ANALYSIS OF NO-REFERENCE QUALITY MEASURES FOR DIGITAL IMAGES“. «System analysis and applied information science», Nr. 1 (04.05.2017): 24–32. http://dx.doi.org/10.21122/2309-4923-2017-1-24-32.
Der volle Inhalt der QuelleModak, Sourav, Jonathan Heil und Anthony Stein. „Pansharpening Low-Altitude Multispectral Images of Potato Plants Using a Generative Adversarial Network“. Remote Sensing 16, Nr. 5 (01.03.2024): 874. http://dx.doi.org/10.3390/rs16050874.
Der volle Inhalt der QuelleZhang, Lin, Xilin Yang, Lijun Zhang, Xiao Liu, Shengjie Zhao und Yong Ma. „Towards Automatic Image Exposure Level Assessment“. Mathematical Problems in Engineering 2020 (23.11.2020): 1–14. http://dx.doi.org/10.1155/2020/2789854.
Der volle Inhalt der QuelleJin, Chongchong, Zongju Peng, Wenhui Zou, Fen Chen, Gangyi Jiang und Mei Yu. „No-Reference Quality Assessment for 3D Synthesized Images Based on Visual-Entropy-Guided Multi-Layer Features Analysis“. Entropy 23, Nr. 6 (18.06.2021): 770. http://dx.doi.org/10.3390/e23060770.
Der volle Inhalt der QuelleSybingco, Edwin, und Elmer P. Dadios. „Blind Image Quality Assessment Based on Natural Statistics of Double-Opponency“. Journal of Advanced Computational Intelligence and Intelligent Informatics 22, Nr. 5 (20.09.2018): 725–30. http://dx.doi.org/10.20965/jaciii.2018.p0725.
Der volle Inhalt der QuelleZheng, Yuanfeng, Yuchen Yan und Hao Jiang. „Semi-TSGAN: Semi-Supervised Learning for Highlight Removal Based on Teacher-Student Generative Adversarial Network“. Sensors 24, Nr. 10 (13.05.2024): 3090. http://dx.doi.org/10.3390/s24103090.
Der volle Inhalt der QuelleIrshad, Muhammad, Camilo Sanchez-Ferreira, Sana Alamgeer, Carlos H. Llanos und Mylène C. Q. Farias. „No-reference Image Quality Assessment of Underwater Images Using Multi-Scale Salient Local Binary Patterns“. Electronic Imaging 2021, Nr. 9 (18.01.2021): 265–1. http://dx.doi.org/10.2352/issn.2470-1173.2021.9.iqsp-265.
Der volle Inhalt der Quelle