您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201512-78
论文题目 基于局部保留投影和极端学习机的立体图像质量评价
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于局部保留投影和极端学习机的立体图像质量评价

首发时间:2015-12-01

孟迪 1   

孟迪(1992-),女,硕士研究生,立体信息处理及图像质量评价

李素梅 1   

李素梅(1975-),女,博士后,副教授,立体信息通信与处理、计算机视觉、模式识别等

  • 1、天津大学电子信息工程学院,天津 300072

摘要:为解决极端学习机(Extreme Learning Machine, ELM)由于初始权值和隐藏层节点偏移量的随机性引起的预测精度下降问题,本文提出了一种将遗传算法与ELM网络结构相结合的GA-ELM方法,对立体图像质量进行客观评价。ELM算法是单隐层前馈神经网络的泛化,本文通过GA优化ELM网络结构的初始权重与隐藏层节点偏移量,使优化后的ELM网络具有更好的分类识别效果。实验结果表明,使用不同激励函数的条件下,GA-ELM的图像质量等级正确分类率和所需的隐藏层节点个数均优于ELM。以sigmoid为激励函数,对256幅不同等级的立体图像测试样本进行测试,其正确等级分类率达到96.09%,优于现有算法。

关键词: 模式识别 客观评价 立体图像 局部保留投影 极端学习机

For information in English, please click here

Stereo image quality assessment based on LPP and ELM

MENG Di 1   

孟迪(1992-),女,硕士研究生,立体信息处理及图像质量评价

LI Sumei 1   

李素梅(1975-),女,博士后,副教授,立体信息通信与处理、计算机视觉、模式识别等

  • 1、School of Electronic Information Engineering,Tianjin University,Tianjin 300072

Abstract:Currently, objective quality assessment of stereoscopic images is still in development, establishing an effective objective assessment in accord with subjective image quality assessment is still a problem. Since a three-dimensional image contains more information than a 2D image, effective feature extraction is greatly needed for stereoscopic images. Therefore, locality preserving projection method is adopted in this paper to reduce dimension and redundant information of images. At the same time, we select the extreme learning machine as classifier of the quality assessment model to classify images having been extracted features. The experimental results show that the objective assessment results of LPP-ELM algorithm can reach an accuracy of 93.2%, which means it can reflect subjective assessment of stereoscopic images accurately and effectively.

Keywords: pattern recognition objective assessment stereoscopic image locality preserving projection extreme learning machine

Click to fold

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
孟迪,李素梅. 基于局部保留投影和极端学习机的立体图像质量评价[EB/OL]. 北京:中国科技论文在线 [2015-12-01]. http://www.paper.edu.cn/releasepaper/content/201512-78.

No.4665869111665814****

同行评议

未申请同行评议

评论

全部评论

0/1000

勘误表

基于局部保留投影和极端学习机的立体图像质量评价