A Method Based on Local Variance for Quality Assessment of Multiresolution Image Fusion
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Several methods exist to combine a panchromatic image of high spatial resolution with lower resolution multispectral imagery. Of particular interest are those methods designed to simulate real multispectral images having the spatial resolution of a panchromatic image. To help justify an algorithm over another one, quantitative evaluation of the quality of a fused image is necessary. In most cases, the evaluation is performed with the original high- and low-spatial resolution images degraded to a coarser resolution by pixel-block averaging. The multispectral image of the highest resolution serves as a reference image (real image). Most approaches proposed for quality assessment are based on statistical measures computed over the whole image; typical measures are the correlation coefficient and the root-mean-square deviation. However, these measures make no reference to the spatial domain. In this paper, we suggest measures based on local variance computed over a three-by-three pixel window as complementary measures to evaluate the quality of the fused images. The rationale is that an ideal fused image must replicate the variance of the reference image when estimated locally. To help discriminate between local variance induced by real details as opposed to artefacts, the variance is partitioned into two terms. Each term takes into consideration the expected direction of the added details over the multispectral image oversampled by pixel replication. The method is illustrated with different fusion models applied to an Ikonos image.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle