不模糊强度的质量评估方法与多个纹理SEM显微图

文摘

扫描电子显微镜(SEM)中扮演一个重要的角色在微观结构的直观的理解,因为它能提供超高放大。几十或几百个图像是定期生成并保存在一个典型的显微镜成像过程。鉴于显微镜工作者的重点操作的主观性,模糊强度是一个重要的失真,贬低显微图的质量。选择高质量的显微图使用主观方法既昂贵又费时。本研究提出了一种新的不质量评估方法评估的模糊强度SEM显微图。人类的视觉系统是更敏感的扭曲卡通组件比那些冗余的变形组件根据格式塔知觉心理学和熵掩蔽特性。显微图最初分解成卡通和变形组件。然后,卡通的光谱和空间清晰度地图组件被提取。一个度量计算相结合的空间和光谱清晰度地图动画组件。其他指标的基础上计算边缘的最大局部变化的卡通地图组件。 Finally, the two metrics are combined as the final metric. The objective scores generated using this method exhibit high correlation and consistency with the subjective scores.

1。介绍

扫描电子显微镜(SEM)帮助研究人员直观地理解微观结构,因为它可以提供超高放大。扫描电镜中发挥着日益重要的角色在不同的研究领域,如医学图像,自动检查,bioimaging,矿石检测。目前,显微镜化验员必须处理相当数量的图片因为几十或几百个图像是定期生成并保存在一个典型的显微镜成像过程(1- - - - - -3]。通过SEM图像获得可能是模糊的,因为使用的成像设备或操作员执行过程。经常,只有少数图像可用于进一步分析。鉴于扫描电镜操作的主观性,在SEM图像模糊是一个主要的变形(4- - - - - -6]。Postek Vladar定性和定量地分析了傅里叶域中的显微图的清晰度(7,8]。SEM社区工作提供了宝贵的信息。此外,他们的研究很容易理解和意义是清楚的。然而,Postek Vladar无视人类视觉系统(HVS)的特性,即图像的最终接收。因此,应考虑HVS特性。

图像质量评估(IQA)是一个有用的方法寻找清晰的图像(9- - - - - -11]。人类的最终接收者处理图像,判断图像质量。自动的方法可以持续评估图像质量与人类主观评价必须开发(10]。主观IQA方法需要大量的观察员参与实验。这些方法不仅昂贵和耗时的,他们也不能被纳入自动或实时图像系统(9]。因此,客观的质量方法,可以自动、准确地评估图像质量必须开发。客观IQA方法可以分为三个类别的可用性的基础上,参考图片:全部参考(FR) [9,10),需要完整的参考图像;减少引用(RR) (12,13),部分参考图像信息是可用的;和没有引用(NR) [14- - - - - -16),不需要参考图像的信息。鉴于NR图像可用,使用显微镜FR和RR方法是有限的应用程序。

NR模糊强度评估方法或清晰度可以分为三类17]。(1)Edge-based方法假定图像边缘模糊强度发生时传播。Marziliano等人发现垂直使用Sobel边缘算子,然后获得了边缘模糊强度测量地图。所有的平均宽度边缘像素被认为作为模糊强度的指标(18]。Ferzli和Marziliano卡拉姆反对韦伯定律相结合的方法,提出了“最小可觉模糊”的方法,认为HVS特性(14]。(2)Transform-based方法:模糊强度会导致失真在不同的领域,因此,许多方法评估模糊强度的基础上,变换域,如离散余弦变换(19),离散小波变换(DWT) [20.),和稀疏变换21]。一些方法使用来自两个或多个域的信息。陈和Bovik DWT的综合空间和梯度信息作为最终的模糊强度指标(16]。Vu等人结合空间特征和光谱特征作为清晰度测量(22]。李等人提出了一个健壮的方法通过学习多尺度特征提取的空间和光谱域(23]。(3)统计像素信息化方法分析原始图像的像素的分布规律或他们的地图。考虑到模糊强度的方差减少相邻像素的强度不同,Tsomko和金姆方差计算块的区别,认为这是一个模糊强度度量24]。巴拉米和科特开发出一种方法基于最大局部变异(MLV)每个像素的分布以及分布的标准差被用来衡量清晰度(25]。李等人结合的平方的总和non-DC时刻(SSM)的渐变映射值计算的基础上他们Tchebichef时刻,块方差,和视觉特点来衡量模糊强度(26]。Edge-based方法过分依赖于图像内容。如果一个图像只有几个锐利的边缘,然后edge-based方法可能会导致不准确。Transform-based方法假定变形在某些领域可以很容易地提取和计算;然而,这些方法偶尔忽略人类视觉感知,在评估中发挥着关键作用。统计像素信息化方法并不健壮,因为它们对噪声很敏感。

前要预处理样品扫描电镜成像。这个过程会导致显微图之间的区别和自然图像。样品通常是矿石,抛光和放置在导电磁带。因此,显微照片内容显然有一个边缘区域。图1显示最后的显微图有很多纹理。显微图中使用的数据库有更强大的比自然图像的边缘和纹理。图像可以分解成卡通和变形组件由于人类视觉感知的熵掩蔽特性(27]。图像的卡通组件包含强烈的边缘和平坦的地区,而变形组件包含中、高频信息,包括噪声和纹理。在[28),Attneave表示,图像信息是集中在轮廓。某些领域和对象只需HVS的基础上描述格式塔知觉心理学(29日]。此外,HVS对卡通组件的变化更敏感比变形组件的变化。

成功部分的实验也证明了卡通组件表现出更好的模糊强度特性比原来的显微图。本研究提出了一种新的NR评估方法,最初分解SEM显微图到卡通和变形组件。然后评估模糊强度的卡通组件。基于空间谱信息的组合评估方法和空间地图边缘采用分别计算两个不同的指标,并通过加权求和获得最终的指标标准化后的两个指标。实验验证了该方法的良好性能。

2。卡通+变形组件与各向同性非线性滤波器

评估质量的SEM显微图之前,显微图最初分解成卡通和变形组件。一个原始扫描电子显微镜照相术来标示 ,可以分解成卡通组件和变形组件 。分解过程被定义为 。提供了一般变分框架分解模型在梅尔的模型(30.)作为一个能量最小化问题: 在哪里 是功能和和是函数或分布的空间。 和 当且仅当 。 是一个调优参数。卡通组件包含强烈的边缘和低频信息的显微照片,可以被描述为 。与此相反,变形组件包含噪声和纹理的显微照片,可以被描述为 。

一个快速和提出了一般变分问题的近似解(31日,32)通过应用非线性低通/高通滤波器对。对于每个点的显微照片,当显微照片与一个低通滤波器,如果过滤是一个卡通组件,全变差( )不减少。相比之下,如果是一个变形组件,那么迅速降低。提出了一种非线性滤波器的解决方案这一特点的基础上。当地的总变异( )在定义如下: 在哪里是一个低通滤波器,高斯内核和标准差的 , , 表示整个显微图地区,卷积是一种象征。

的相对还原速度吗 ,这是定义如下:

这个公式表示减少的速度的当使用低通滤波器过滤 。如果接近0,那么略有降低,像素属于卡通地区。如果接近1,然后又大又属于变形区域。提出了快速非线性低通和高通滤波器对定义如下: 在哪里是软阈值函数。函数定义如下: 和它的参数和是固定的实验。具体的数字 和 (32]。

高频衰减的内容是由图像的模糊强度引起的。因此,如果一个图像比较模糊,那么它的卡通组件更类似于原始图像。图2卡通和变形分解的显微图之间的比较模糊强度不同程度但同样的内容。的参数的非线性滤波器是3。与锋利的显微图相比,模糊的卡通组件显微照片看起来更类似于原始显微照片,因为模糊的显微照片,更多的像素的接近0。因此,更多的显微图区域属于卡通组件。因此,变形的部分模糊显微照片不太明显比锋利的显微照片。

图3介绍了不同的分解结果的各种参数值。相比之下, ,更多地区的原始显微照片属于变形组件时 。尽管更多的噪声和纹理是分开的,卡通的边缘组件施加更大的锯齿形的效果。如果仍然很小,那么卡通组件包含纹理。如果很大,那么一些被视为边缘纹理。锯齿形的影响也发生在卡通组件。

在这项研究中, 。卡通组件是一个简化的描述最初的显微照片,和它包含强大的边缘被认为更容易被人类视觉感知模糊强度发生时。正如前面提到的,人类视觉感知在边缘失真非常敏感。卡通组件保留原来的边缘,简化了原来的显微照片,不失去失真信息。虽然变形组件也受到模糊强度的影响,人类视觉感知失真不敏感这部分是因为感知冗余。此外,噪声和重复的纹理减少评价方法的性能,证明在以下部分中。实验还证明评估卡通组件的质量比原来的显微照片。

3所示。NR IQA模糊强度的方法

失真的边缘应注意符合人类视觉感知的特点;因此,这种方法主要是edge-based。除了强大的边缘,卡通组件还包含其他频率信息,利用测量由模糊强度衰减的高频信息。使用transform-based衰减测量方法。边的最终指标加权求和,transform-based指标。

一个著名的属性称为 法律存在于频谱域。这个属性描述一幅图像的振幅谱作为一种近似直线规模对数(33,34]。如果模糊强度出现在图像,那么线的斜率的绝对值的增加,特别是在高频内容(35]。对于原始图像,如果曲线重叠的尾巴(红色标记在图4),然后质量评估的准确性降低。卡通组件保留的曲线趋势造成的模糊强度,避免重叠的反面(蓝色标记图4)。蓝色实线在图4图像的对数谱曲线在图吗2(一个),而黄线属于图像如图2 (b)。棕色的线是图像如图2 (c),紫色曲线图像如图2 (d)。绿色虚线是布朗的拟合直线曲线在高频段,而红色虚线是紫色的拟合直线曲线在高频率。

光谱图生成的使用方法中提到的光谱和空间清晰度算法(22)直观地证明了卡通组件扮演更重要的角色比原来的显微照片的质量评估。谱图的定义是并使用前面提到的斜率计算。斜率的绝对值的定义是 。获得 ,算法首先计算二维离散傅里叶变换 的显微照片 。在 , 和计算使用以下: 在哪里 和 。 总结级频谱,给出的吗

算法找到最适合的大小。是直线的斜率的绝对值。通过计算 在哪里是所有径向接管频率 。最后,被定义为 在哪里和 。更多细节,请参考[22]。图5表明,光谱的卡通地图组件不包含噪声和有效区分内容高低频部分进行。相比之下,谱图的原始显微照片误解一些低频内容作为高频内容(以蓝色椭圆)。高频内容的模糊强度仍然存在(红色椭圆标记),从而表明模糊强度的卡通组件符合HVS。

卡通组件提取模糊强度特性的光谱和空间域。空间映射的光谱和空间清晰度(S3) (22)和MLV (25)使用的局部变化生成一个图像。在S3中,地图生成的基础上电视。电视的显微照片被定义为 ,和 在哪里 eight-neighbour像素的 。 计算使用 在哪里是一个 块 。最后一个地图的定义如下: 在哪里 ; 设置为0.5 (22]。为减少噪声的影响,平均清晰度值最高的1% 。(提供了更多细节22]。MLV还生成它的地图。MLV定义如下: 在哪里 有八个邻居的 。显微照片和尺寸 ,计算出每个像素MLV在位置 使用公式(13)。最后MLV地图是通过生成

更多细节可以在[25]。考虑到分离的结构,关注边缘空间的卡通地图组件。数据6和7提供直观的细节。在图6,该地区的蓝色椭圆显微照片显示纹理和边缘模糊混合和测量扭曲的边缘是很困难的。在其卡通组件,我们观察到更多的像素被认为是边缘。red-marked地区仍然表明,卡通组件包含模糊强度所造成的扭曲。相同的情况出现在图7。yellow-marked地区确认MLV可以提取模糊扭曲比当地的和变化的清晰边缘MLV地图。

我们都知道,模糊强度会导致边缘的传播。图8显示了卡通的边缘组件的MLV空间地图。从显微图的细节数据7(一)和(7)c,我们观察到的模糊边缘检测MLV地图有更多比锋利的边缘像素,锋利的边缘宽度是更广泛的比。

在[25),变形组件和边展览MLV高,从而表明高像素强度的变化比低清晰度指标的变化。卡通组件边缘和空白内容,但模糊强度不会改变空白内容。因此,我们不使用MLV分布的统计数据(25]。在这个研究中,我们检测MLV地图的边缘模糊和计算边缘像素的稀疏度指标。我们定义的稀疏,边缘像素的平均距离在边缘像素。像素对应于一个边缘位置,开始和结束位置的边缘被定义为局部亮度极值的位置最接近边缘。边缘宽度定义为开始和结束位置之间的长度(18]。最终的模糊度量稀疏是由以下几点:

模糊强度引起边缘的传播。它也会产生更多的边缘像素边缘检测。实验表明,稀疏的边缘像素较低时,显微照片是非常模糊的。

根据前面的分析,本研究提出了一种新的评估方法。图中展示了该方法的流程图9。一个原始显微照片最初分解成卡通和变形组件。然后,稀疏的光谱和空间特征的边缘像素的总和。最后通过加权求和获得分数。该方法提取的光谱和空间特性使用S3中的算法,定义和度量 。我们分别计算稀疏的边缘像素在垂直和水平方向上。垂直稀疏 ,而水平贫乏 。最后的稀疏被定义为 最后得分获得使用 在哪里是一个加权系数。

4所示。实验结果的分析和讨论

4.1。SEM显微图及其质量评估结果

本研究中使用的SEM显微图被现代分析和计算中心的中国矿业大学和技术。我们选择了50个样本。对于每一个样本,我们获得了三个模糊与不同程度的人为调整SEM显微图集中参数。150年获得显微图后,30 SEM用户在图像处理中没有知识参与了主观实验。每个显微图得到了30分。减少误差的实验结果,我们选择30分数基于置信区间和消除5分数没有发现的置信区间。最后的意思是意见评分( )剩下的25个成绩的平均分数。除了数据中提供的两个样品1和2见图,其他三个样品10。

模糊强度程度增加第一列和最后一列。在表1模糊强度程度越高,越模糊显微照片。主观和客观评估分数也提供了在表1。是指意见评分,是客观的分数获得光谱和空间的组合功能,稀疏的边缘像素,然后呢是最终的目标分数。关于这些参数,其值越低,越模糊显微照片。这种分析比赛中提到的一个部分3。

4.2。性能分析的客观方法

在这项研究中,三个性能指标是用来衡量提出客观的方法。(1)皮尔森线性相关系数( ): 在哪里 是主观的分数, 是客观的分数,和他们的平均分数,和是他们的差异。是一个衡量指标的目标分数与主观分数。如果高,那么相关性更好。(2)均方根误差( ): 是一个措施之间的绝对误差的指标主观和客观的分数。一个好的算法应该较低价值。(3)斯皮尔曼等级命令相关系数( ): 在哪里和排名的位置吗和在数组和 ,分别。是一个措施之间的相对单调性的指标主观和客观的分数。一个高值表示一个好算法。

图11提出了八条比较原始的显微图和他们的卡通组件。我们获得三个性能指标和拟合曲线的主观和客观的分数使用八个不同的方法(14,18,22,25,36- - - - - -38]。卡通组件的拟合曲线明显优于原来的显微图。性能指标验证这一发现。因此,变形动画组件的显微图符合更多HVS模糊强度发生时观察到的畸变。

最后的图在图11拟合曲线显示了主观和客观的分数获得使用该方法,和三个性能指标是附加在左上角。图12介绍了分析 。的值 , ,和罢工是最好的时候 。因此,在该方法中,假设加权系数为0.3。这也表明HVS对模糊失真更敏感的边缘。表2提供了一个总结使用不同方法生成的性能指标。

前两个索引标记用粗体显示。我们从表中得到两个结论2。(1)卡通组件反映模糊强度特征比原始显微图。(2)该方法的指标是最好的比其他的八个方法。因此,该方法是最类似于HVS感知特征。

5。结论

本研究提出了一种评估SEM显微图的模糊强度的新方法。HVS对卡通组件的变形更敏感比冗余的结构组件根据格式塔知觉心理学和熵掩蔽特性。方法最初原始显微图分解成卡通和变形组件。然后,从卡通中提取模糊强度特性的组件。在评估的质量卡通组件,结合显微图的方法spectral-spatial特性和稀疏的边缘像素的MLV空间映射。最后,我们通过加权求和得到最终的质量分数的两个指标。实验证明,该方法比其他技术发展水平更类似于人类视觉感知方法在评估SEM显微图的质量。

数据可用性

模糊的显微图的数据,包括数据库,(平均意见分数),和客观的分数用来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作是支持的两个项目的中国国家自然科学基金资助数字是51604271和51604271的,一个项目的江苏省自然科学基金的资助号码是BK20170273和一个项目的拨款支持的号码是2015 xkms100基本Reserach Gentral大学基金。

引用

1. s . Koho e·法,j·e·埃里克森和p . e . Hanninen“显微镜图像质量排名方法,”科学报告》第六卷,没有。1,第28962条,2016。视图:出版商的网站|谷歌学术搜索
2. m·d·Zotta y汉,m . d . Bergkoetter和e . Lifshin”扫描电镜的图像质量评价指标,”显微镜和显微分析,22卷,不。S3, 572 - 573年,2016页。视图:出版商的网站|谷歌学术搜索
3. m . zed e·科勒,j . Pernthaler”自动自动获取显微图像的质量评估荧光染色的细菌,”血细胞计数部分,卷77,不。1,第85 - 76页,2010。视图:出版商的网站|谷歌学术搜索
4. l·费尔斯通k·库克,k .选n . Talsania和k·普雷斯顿,“自动显微镜自动对焦方法的比较血细胞计数,12卷,不。3、195 - 206年,1991页。视图:出版商的网站|谷歌学术搜索
5. j·f·布伦纳,b . s .露水,j·b·霍顿·t·王,p·w·纽赖特和w·d·出售,“自动显微镜细胞学的研究初步评估,”组织化学与细胞化学杂志》上,24卷,不。1,第111 - 100页,1976。视图:出版商的网站|谷歌学术搜索
6. s、l -艾伦伯格在显微镜图像散焦对测量的影响,硕士论文)代尔夫特:代尔夫特理工大学,2000。
7. m·l·t·崔Postek和a . e . Vladar“图像清晰度测量扫描电子microscopy-part我。”扫描,20卷,不。1、9页,1998。视图:出版商的网站|谷歌学术搜索
8. a . e . Vladar m . t . Postek, m·p·戴维森”图像锐度测量在扫描电子microscopy-part II”,扫描,20卷,不。1,34页,1998。视图:出版商的网站|谷歌学术搜索
9. z, a·c·Bovik h·r·谢赫和e . p . Simoncelli“图像质量评估:从错误的可见性结构相似,“IEEE图像处理,13卷,不。4、600 - 612年,2004页。视图:出版商的网站|谷歌学术搜索
10. h·r·谢赫·a·c·Bovik, g . De Veciana”信息保真度准则的图像质量评估使用自然场景统计,“IEEE图像处理,14卷,不。12日,第2128 - 2117页,2005年。视图:出版商的网站|谷歌学术搜索
11. h·r·谢赫·a·c·Bovik”图像信息和视觉质量。”IEEE图像处理,15卷,不。2、430 - 444年,2006页。视图:出版商的网站|谷歌学术搜索
12. 王z和a·c·Bovik”减少,没有参照图像质量评估,”IEEE信号处理杂志,28卷,不。6,29-40,2011页。视图:出版商的网站|谷歌学术搜索
13. r .桑德拉让和a·c·Bovik rr指数:减少引用的差分图像质量评估,”IEEE图像处理,21卷,不。2、517 - 526年,2012页。视图:出版商的网站|谷歌学术搜索
14. r . Ferzli和l . j .卡拉姆反对“不客观图像清晰度度量概念的基础上就明显模糊(JNB)”IEEE图像处理,18卷,不。4、717 - 728年,2009页。视图:出版商的网站|谷歌学术搜索
15. 你们p . j .库马尔,l·康,d . Doermann”无监督特征学习的框架不图像质量评估,”2012年IEEE计算机视觉与模式识别会议普罗维登斯,页1098 - 1105年,RI,美国,2012年6月。视图:出版商的网站|谷歌学术搜索
16. 蔡明俊。陈和a·c·Bovik”不使用多尺度梯度图像模糊评估,”EURASIP杂志在图像和视频处理3卷11页,2011。视图:出版商的网站|谷歌学术搜索
17. Z.-M。王”,没有参照图像质量评估、审查”《自动化学报》第41卷。。6,1062 - 1079年,2015页。视图:谷歌学术搜索
18. p . Marziliano f . Dufaux, s·温克勒和t . Ebrahimi“知觉模糊和振铃指标:应用程序如JPEG2000,”信号处理:图像通信,19卷,不。2、163 - 172年,2004页。视图:出版商的网站|谷歌学术搜索
19. m·a·萨阿德,a·c·Bovik和c .炭的“盲图像质量评价:自然场景统计方法在DCT域,“IEEE图像处理,21卷,不。8,3339 - 3352年,2012页。视图:出版商的网站|谷歌学术搜索
20. r . Ferzli和l . j .卡拉姆反对“不客观的基于小波噪声免疫图像清晰度度量,”IEEE 2005年国际会议上图像处理热那亚,页1 - 405,意大利,2005年9月。视图:出版商的网站|谷歌学术搜索
21. j·d·l . Li Wu, h . Li w·林和a·c·科特“稀疏表示的图像清晰度评价。”IEEE多媒体,18卷,不。6,1085 - 1097年,2016页。视图:出版商的网站|谷歌学术搜索
22. c . t . Vu t . d .表象,d·m·钱德勒”S3:光谱和空间测量当地的自然图像清晰度、”IEEE图像处理,21卷,不。3、934 - 945年,2012页。视图:出版商的网站|谷歌学术搜索
23. l . Li w·夏w·林,y,和王,“不、健壮的基于多尺度的图像清晰度评价空间和光谱特性,”IEEE多媒体,19卷,不。5,1030 - 1040年,2017页。视图:出版商的网站|谷歌学术搜索
24. 大肠Tsomko和h·j·金”,在全球范围内有效的检测方法模糊或锋利的图像,”2008年第九届国际研讨会上多媒体交互式服务的图像分析克拉根福,页171 - 174年,奥地利,2008年5月。视图:出版商的网站|谷歌学术搜索
25. k·巴拉米和A·c·科特“快没有参照图像清晰度评价方法基于当地最大的变化,“IEEE信号处理信件,21卷,不。6,751 - 755年,2014页。视图:出版商的网站|谷歌学术搜索
26. g . w . l . Li, x Wang, k .巴拉米和a·c·科特,“不基于离散正交的图像模糊评估的时刻,”IEEE控制论,46卷,不。1,39-50,2016页。视图:出版商的网站|谷歌学术搜索
27. a·b·沃森r . Borthwick, m·泰勒“图像质量和熵掩蔽,”程序体积3016年,人类的视觉和电子成像二世加利福尼亚州圣何塞,页12,,美国,1997年6月。视图:出版商的网站|谷歌学术搜索
28. f . Attneave”,一些视觉感知的信息方面,“心理评估,卷61,不。3、183 - 193年,1954页。视图:出版商的网站|谷歌学术搜索
29. k . Koffka格式塔心理学原理劳特利奇,2013年。视图:出版商的网站
30. y迈耶,振荡模式在图像处理和非线性演化方程:十五院长杰奎琳·b·刘易斯纪念讲座,2001年美国数学学会。视图:出版商的网站
31. a . Buades t·m·勒j·m·莱尔和洛杉矶Vese,“快卡通+纹理图像过滤器”,IEEE图像处理,19卷,不。8,1978 - 1986年,2010页。视图:出版商的网站|谷歌学术搜索
32. a . Buades和j·l·Lisani”卡通+纹理图像分解,定向筛选器”行图像处理5卷,第88 - 75页,2016年。视图:出版商的网站|谷歌学术搜索
33. d·l·鲁德尔曼“自然图像的统计数据,网络:在神经系统中计算,5卷,不。4、517 - 548年,1994页。视图:出版商的网站|谷歌学术搜索
34. 斯利瓦斯塔瓦,a b·李,e . p . Simoncelli和s . c .朱”自然图像的统计建模的进步。”《数学成像和愿景,18卷,不。1,17-33,2003页。视图:出版商的网站|谷歌学术搜索
35. d . j .字段和n·布雷迪“视觉灵敏度、模糊和振幅谱的可变性来源的自然场景,”视觉研究,37卷,不。23日,第3383 - 3367页,1997年。视图:出版商的网站|谷歌学术搜索
36. n . d . Narvekar和l . j .卡拉姆反对“不基于累积概率的模糊的图像模糊度规检测(CPBD)”IEEE图像处理,20卷,不。9日,第2683 - 2678页,2011年。视图:出版商的网站|谷歌学术搜索
37. r•哈桑,z . Wang和m . m . a . Salama“图像清晰度评价基于当地的相位相干性”IEEE图像处理,22卷,不。7,2798 - 2810年,2013页。视图:出版商的网站|谷歌学术搜索
38. p v Vu d·m·钱德勒,“全球和本地图像锐度的快速小波算法估计,“IEEE信号处理信件,19卷,不。7,423 - 426年,2012页。视图:出版商的网站|谷歌学术搜索

版权

版权©2019回族王等。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。