精华内容
下载资源
问答
  • 图像融合的客观评价):前导

    千次阅读 2016-09-20 10:39:48
    本文图像融合的概念进行了简要的介绍。同时展示了在图像融合过程中,会融合质量造成影响的因素。通过本文,读者应该可以理解到图像融合评价方法进行讨论的必要性

    导论

    图像融合,顾名思义,就是将两张或者多张图像进行某种融合处理,得到一张同时包含被融合图像中重要信息的融合图像。通常情况下,待融合的源图像上应该严格配准,大小相同。

    在诸多中不同融合场景和融合方法中,多聚焦图片的融合最能够说明融合的效果和目的。由于焦距选择的问题,照片有可能出现部分清晰部分模糊的情况。融合算法能够极好的将不同图片的清晰部分结合起来,从而得到整体上更好的一个结果。

    多聚焦图片1:上半部模糊
    多聚焦图片2:下半部模糊
    融合图像:整体清晰

    根据个人理解,图像融合的过程和结果主要受到如下几个方面影响:
    1. 图像融合应用场景
    2. 图像融合方案框架
    3. 图像信息融合规则

    下面将对这些方面进行归纳和讨论,由于本系列重点是讨论图像融合客观评价方法,第一章对图像融合的介绍只是作为后续讨论的铺垫,因此将不会对图像融合的技术细节进行讨论。

    图像融合应用场景

    由于实际应用的需求,图像融合的源图像实际上可以有多种类型。不同种类的源图像具有自身比较独特的性质,因此,图像融合发生的场景将会对图像融合产生较大的影响。现在图像融合应用场景主流的有如下四类:

    1.可见光图像——红外图像融合
    红外传感器通常对热效应造成的红外辐射比较敏感,在黑暗或者复杂背景中,能够较好探查发热物体,与此同此,其也经常忽视环境中不发热的背景信息。而可见光传感器能够有效感知环境信息的特性,正好与红外互补。
    可见光图像
    红外图像

    2.遥感图像融合
    遥感卫星通常搭载多个种类的传感器,其中有能够接收所可见波段信息的全色传感器,最终得到一个高分辨率的遥感图像。也有对某个波段更为敏感的多光谱传感器(通常这些波段有某些特殊的意义),但是由于光谱能量密度等问题,多光谱图像分辨率通常低于全色图像。因此,将这两类图像进行融合也是十分主流的应用场景。
    多光谱图像
    全色图像

    3.多聚焦图像融合
    见导论,此处不进行赘述

    4.医学图像融合
    由于存在多种成像技术,综合多种检测结果,来对病人的健康状况进行判断,也是十分重要的。因此,融合多种类医学图像也是常见应用场景。
    医学图像1
    医学图像2

    图像融合方案框架

    图像融合方案框架现阶段主要有两大类:一类是多尺度分解框架下的融合,一类是稀疏框架下的融合。其中,每类框架又包含有多种不同的方法,除此之外还存在着不同的流程,这些都会极大的影响图像融合的效果。由于该部分内容广泛而且理论难度较大,因此可能出现个人理解上的错误,希望大家指正:

    1.多尺度融合

    多尺度融合是图像融合领域中,最为经典和成熟的算法体系,其原理和应用得到了非常充足的研究。该方法通过对原始图像进行分解,来从原始图像中提取出图像特征信息(通常是边缘信息),通过对提取出的信息进行对应的操作来达到融合的目的。

    根据发展时间线,多尺度分解的算法的进化途径如下:金字塔分解→小波分解→轮廓波分解→剪切波分解。每个大类中存在着诸多不同的算法,其中比较具有代表性的算法如下。

    • 金字塔分解: 高斯金字塔算法,拉普拉斯金字塔算法,比例金字塔算法
    • 小波分解: 离散小波算法,复小波算法,双树式复小波算法等
    • 轮廓波分解: 非下采样轮廓波算法
    • 剪切波分解:非下采样剪切波算法

    多尺度分解流程通常如下:
    这里写图片描述

    随着对多尺度融合研究的进行,有更多学者提出了改进的融合流程,这种改进毫无疑问也会使得融合结果出现较大的变化。

    2.基于稀疏表达的融合

    稀疏融合是近年兴起的新型图像融合方法。算法通过对图片进行学习来构成和优化一个字典,再通过选择合适的字典原子进行融合,最后利用融合后新的字典原子重构融合图像。

    基于稀疏的图像融合涉及到字典的提取,字典更新,字典原子选择等问题,其中涉及到优化算法等复杂的问题。限于篇幅问题,本系列暂时不对其进行讨论。读者需要知道的是,基于稀疏表达的图像融合方法也有着不同算法,算法的不同也会使得融合结果出现较大的变化。

    图像信息融合规则

    如何将提取出的图像信息进行正确的融合也是影响融合结果的重要因素。关于图像信息融合规则的选择,在研究中需要根据具体需求来进行讨论,通常来讲,越是精致的方法效果越是突出,与此同时,其消耗的计算资源也将大幅上升。

    融合规则原理上由两部分组成,第一部分是如何度量信息量的多少,第二部分是如何对信息进行融合。

    1.信息量的度量:
    - 灰度值大小
    - 梯度大小
    - 基于信息论的衡量方法
    - 其他

    2.信息融合的方法:
    - 平均
    - 二者择其大
    - 基于阈值的分段法
    - 其他

    尾声

    本系列旨在讨论对图像融合结果的评价,因此本篇只对评价的客体——图像融合进行了非常浅显和粗糙的简介。在简介中,着重点更多地放在了会导致图像融合结果出现差异的内容上,而非具体融合原理和实现细节。

    多种可能导致融合结果出现差异的因素,即使是同种方法,在不同的场景下,可能会表现出完全不同的性能。在实际应用中,很难通过原理分析来确定当前情况中,哪一种算法是最优的。

    这也是客观评价算法的需求和作用所在,希望通过本文,大家能够对此有一些认识。

    展开全文
  • 十种客观评价语音质量的方法

    千次阅读 2020-11-07 11:35:54
    目录 1. 基于SNR的语音质量评价标准 1.1 SNR和分段SNR 1.2 频域SNR 2. 基于LPC系数的语音...提起语音质量评价,大家第一个想到的肯定是信噪比这个十分常用的评价标准以及它的相关衍生标准,这里总结一些常用的语

    目录

    1. 基于SNR的语音质量评价标准

    1.1 SNR和分段SNR

    1.2 频域SNR

    2. 基于LPC系数的语音质量评价标准

    2.1 对数似然比距离

    2.2 Itakura–Saito距离

    2.3 倒谱距离

    3. 基于感知的语音质量评价标准

    3.1 加权谱倾斜测度

    3.2 PESQ

    4. 总结


    语音客观评价标准一般分为语音质量评价和语音可懂度评价,这里先介绍语音质量评价。提起语音质量评价,大家第一个想到的肯定是信噪比这个十分常用的评价标准以及它的相关衍生标准,这里总结一些常用的语音质量评价标准供大家参考和使用。

    1. 基于SNR的语音质量评价标准

    1.1 SNR和分段SNR

    基于SNR的评价标准想必大家都已经有所了解, 我们首先给出信噪比的定义

     

    但是我们知道语音是短时平稳性的,在语音长度较长的情况下对整体按上式求信噪比,于是有了分段信噪比(segmental SNR),其计算公式为:

    其中L为语音长度,M为语音帧数,N为语音帧长度,x(n)为原始语音,x_hat(n)为增强后的语音。但是上述的计算方法会出现一个问题,那就是当语音静音部分较多时会降低信噪比的值,为了解决这一问题可以使用VAD检测的方法在只有语音段才计算信噪比。另外一种方法就是限制信噪比在一定范围内如[-10, 35dB]这样就不需要额外进行VAD检测。

    1.2 频域SNR

    值得一提的是SNR不仅可以在时域进行计算也可以在频域进行计算,频域分段信噪比的计算公式为:

    其中K为频带数目,Wj为每个频带的权重。权重可以通过回归分析得到(有兴趣的可以搜索frequency-variant objective measures),另一种方法就是查表,如下表所示。

     

    2. 基于LPC系数的语音质量评价标准

    有的算法针对干净语音和增强语音信号的所有LPC模型之间的差异,提出了客观评价标准。我们将语音用p阶全极点模型来表示,即

    其中ax就是这节的主角LPC系数,Gx是噪声的激励。

     

    2.1 对数似然比距离

    那么我们就可以使用对数似然比(Log-Likelihood Ratio, LLR)来评估语音质量,其计算公式为:

    同样的将其扩展到频域

    其中ax是原始语音的LPC系数,ax_hat是增强后语音的LPC系数,Rx是原始语音LPC系数的自相关矩阵。Ax(ω)对应的是频谱。LLR可以理解为增强信号和原始号的预测残差的能量之比。

     

    2.2 Itakura–Saito距离

    除了使用LLR之外还有另外一个测度Itakura–Saito, IS,其计算公式为:

    其中Gx为增益,计算公式为:

    r^T_x是自相关矩阵的第一行。这种方法有个缺点增强信号和原始信号频谱的差异会被这个算法惩罚,但心理声学研究表明频谱水平的差异对质量的影响最小。

     

    2.3 倒谱距离

    提到LPC不得不让人联想到倒谱,倒谱系数可以从LPC系数递归得到,即

    然后我们就可以使用基于倒谱的测度

     

     

    3. 基于感知的语音质量评价标准

    语音质量到底如何主观感受是最重要的,许多工作从听觉机理的角度去对语音质量进行评价。

    3.1 加权谱倾斜测度

    心理声学研究表明,人们对共振峰频率不同的成对元音感觉最敏锐。加权谱倾斜测度(Weighted Spectral Slope, WSS) 首先通过一阶差分来计算每个频段的频谱斜率

    然后根据频段是在谱峰值附近还是在波谷附近,峰值是否是最大峰值等条件对谱斜率进行加权,加权公式为:

    其中max下标表示全局最大值,locmax表示离其最近的最大值。最后WSS测度可以表示为:

     

    3.2 PESQ

    PESQ可谓是无人不知,无人不晓虽然它只能检测8000/16000窄带范围内的语音质量,但在很多论文中它被用来评估处理后的语音质量。PESQ的具体细节比较多,如果要写的话需要单独开一篇文章来介绍,因此这里只给出它的流程图。想要了解更多细节可以查看代码的注释。

     

    4. 总结

    大多数语音客观评价标准都关注在语音信号的失真程度,较少从人类的听觉去分析,不同评价标准和真实情况的相关系数如下表所示(最后的Composite方法是把上面几种方法加权综合起来得到一个最终的评价结果)。语音评价除了云质量外还有可懂度的评价,它们会在后续的文章中介绍。


    公众号语音算法组菜单栏点击More->Code即可获取本文相关代码


     

    参考文献:

    [1]. Speech Enhancement Theory and Practice

     

    展开全文
  • 早期的图像处理是随由于通讯方面的要求而发展起来的,随着图像处理技术的发展,数字图像处理技术与理论已经成为计算机应用的一个重要领域,广泛应用于众多的科学与工程应用,如遥感、医学、气象、通信等。...
      
    

    早期的图像处理是随由于通讯方面的要求而发展起来的,随着图像处理技术的发展,数字图像处理技术与理论已经成为计算机应用的一个重要领域,广泛应用于众多的科学与工程应用,如遥感、医学、气象、通信等。然而随着图像处理技术的迅速发展,如何正确有效地评价一幅图像的质量好坏变得越发重要起来。近年来,图像质量评价已经成为了图像信息工程领域内一项重要的研究课题,引起了学者的高度重视。

    图像质量评价方法中客观评价方法又可以分为三类:全参考质量评价方法、部分参考质量评价方法和无参考质量评价方法。全参考质量评价方法需要原始图像的完整信息作为评价的参考:部分参考质量评价方法需要原始图像的部分特征或者统计信息作为评价参考:无参考质量评价方法则完全依赖于待评测图像本身的信息来进行质量评价,而无须原始图像的任何信息。在很多情况下,如在网络传输中,往往无法获得发送端的原始图像信息,因此研究无参考的客观质量评价方法是很有意义的。

    1.2 图像质量评价

    图像质量的含义主要包括两个方面:图像的逼真度和图像的可懂度。图像质量直接取决于成像装备的光学性能、图像对比度、仪器噪声等多种因素的影响,通过质量评价可以对影像的获取、处理等各环节提供监控手段。为了对图像处理的各个环节进行合理评估,图像质量评价的研究已经成为图像信息工程的基础技术之一。多少年来,人们希望能够找出图像逼真度和可懂度的定量测量方法,作为评价图像和设计图像系统的依据,但目前人们对人类视觉特性仍没有充分理解,特别是对人眼视觉的心理特性还难以找出定量的描述方法,因此图像质量评价还有待深入研究。

    1.2.1 主观评价方法

    国际上已有成熟的主观评价技术和国际标准,例如 ITU-T Rec. P.910规定了多媒体应用的主观评价方法[1];ITU-R BT.500-11规定了电视图像的主观评价方法[2],就视频质量主观评价过程中的测试序列、人员、距离以及环境做了详细规定。主观质量评分法[3](MOS:Mean Opinion Score)是图像质量最具代表性的主观评价方法,它通过对观察者的评分归一化来判断图像质量。而主观质量评分法又可以分为绝对评价和相对评价两种类型。

    绝对评价是将图像直接按照视觉感受分级评分,表 1.1 列出了国际上规定的 5 级绝对尺度,包括质量尺度和妨碍尺度。对一般人来讲,多采用质量尺度;对专业人员来讲,则多采用妨碍尺度。

     1.1 绝对评价尺度

    相对评价是由观察者将一批图像从好到坏进行分类,将它们相互比较得出好坏,并给出相应的评分。相对尺度。

    表1.2 相对评价尺度与绝对评价尺度对照

    评价的结果可用一定数量的观察者给出的平均分数求得。平均分数按照公式 计算得到:

    ??NCi

    i?1

    KKi

    ?N

    i?1i

    式中,Ci 为图像属于第 i 类的分数,Ni 为判定该图像属于第i类的观察者人数。为了保证图像主观评价在统计上有意义, 参加评分的观察者至少应有 20 名, 其中包括一般观察者和专业人员。

    图像质量的主观评价方法的优点是能够真实的反映图像的直观质量,评价结果可靠,无技术障碍。但是主观评价方法也有很多缺点,如需要对图像进行多次重复实验,无法应用数学模型对其进行描述,从工程应用的角度看,耗时多、费用高,难以实现实时的质量评价。在实际应用中,主观评价结果还会受观察者的知识背景、观测动机、观测环境等因素的影响。此外,主观质量评价无法应用于所有场合,如需要进行实时图像质量评价的领域。

    1.2.2 客观评价方法

    图像质量的客观评价方法是根据人眼的主观视觉系统建立数学模型,并通过具体的公式计算图像的质量。传统的图像质量客观评价方法主要包括均方误差(MSE,mean squared error)和峰值信噪比(PSNR,peak signal to noise rate)

    [4,5]。均方误差法首先计算原始图像和失真图像象素差值的均方值,然后通过均方值的大小来确定失真图像的失真程度。计算公式如下:

    1MSE?M?N

    0?i?N0?j?M??(fij?fij) '2

    其中 M、N为图像的长和宽,fij 表示原始图像的象素值,fij表示降质后图像的象素值。PSNR作为衡量图像质量的重要指标,基于通信理论而提出,是最大信号量与噪声强度的比值。由于数字图像都是以离散的数字表示图像的像素,因此采用图像的最大象素值来代替最大信号量。

    具体公式如下: '

    PSNR?10?lgL?L MSE

    其中 L 为图像中像素的最大灰度值,一般采用 255。

    上述方法的优点是直观、严格,计算简单,而且可以直接应用于依据“MSE 最小”原则设计的图像系统。因此,这类方法成为应用最广泛的图像质量评价手段。但它的缺点也是显而易见的。文献[6]具体分析了 MSE 性能不稳定的原因,并指出这一缺点是方法本身的缺陷,无法克服。PSNR 只在评价白噪声失真图像时效果良好,而在其它领域也会出现如 MSE 一样的不稳定现象,文献[7]对此进行了深入分析。

    对图像质量进行客观评价时,根据对原始无失真图像依赖程度的不同,可将图像质量的客观评价算法分成三类:全参考(Full Reference, FR)图像质量评价、半参考(Reduced Reference, RR)图像质量评价和无参考(No Reference, NR)图像质量评价。全参考图像质量评价主要是将失真图像和参考图像逐像素进行比较,得出对失真图像的评价;半参考的图像质量评价是从原始图像和失真图像中分别提取图像的有效特征,如图像的梯度和直方图,通过对有效特征进行比较,得出对失真图像的评价;无参考的图像质量评价则无需任何参考图像的信息 ,直接提取失真图像的某些失真因素特征,如图像的边界强度、噪声率、模糊度等,

    图像质量评价最终取决于观察者的感觉,所以不论采用上述哪种客观评价方法,目标都是追求客观评价结果与人的主观评价尽可能的一致,即客观评价要以主观评价为准则。

    客观评价方法的优点是速度快、费用低、应用领域广,评价结果具有重现性,不受主观因素的影响。缺点是目前只能在某些方面有限度的模仿人眼的主观视觉系统,常会出现与主观评价结果不一致的情况,不同的模型依据具体的应用领域进行不同的条件假设,难以建立适用于任何领域的数学模型。

    1.3 国内外研究现状

    客观质量评价的早期研究主要集中在传统的误差统计方法上,如清晰度、峰值信噪比(PSNR)和均方误差(MSE)等。随着研究的深入,人们发现这种方法忽视了图像内容对人眼的影响,不能完全反映图像的质量,因此人们采用了更多的方法在更深的层面上做了尝试。

    无参考图像质量评价是一个全新的研究领域,虽然这个领域的研究尚处于探索阶段,但已吸引了很多人的关注,呈蓬勃发展之势。目前,公开发表的关于无参考图像质量评价的论文渐渐增多,如文献提出了三个无参考质量评价指标,别是边缘强度(Contour-Volume,简称 CV)、噪声率(Noise-Rate,简称 NR)和统一亮度分布(Uniform Intensity-Distribution,简称 UID)。

    这三个参数分别就图像的边缘、噪声和亮度分布进行了分析,结果与主观的一致性较高。文献专门研究了噪声对数字图像质量的影响,它在图像分块和噪声检测方面较文献都有改进;文献[9]研究真彩图像的色彩问题,其中色彩丰富度(CCI)与人眼对色彩的感知有很高的一致性;Huitno Luo 使用机器学习算法进行人脸质量的检测;Kyungnam Kim和 krty Davis 利用局部统计量提出一种用于视频质量评价的方法,主要用于评价噪声和模糊的问题;殷晓丽等人提出了一种基于半脆弱性数字水印算法(WIQM)的无参考图像质量评价方法,这种方法只是针对 JPEG 图像作质量评价;杨守义等人还提出一种基于高阶统计量的评价方法。 无参考图像的评价方法完全脱离了对原始参考图像的依赖, 其应用范围更加广泛,发展前景更加广阔,正因如此,其研究难度也是最大的。下面介绍几个具有代表意义的典型方法[10]。

    1.3.1 图像评价因子

    哈尔滨工业大学和日本电器股份有限公司(Nippon Electric Company,NEC)合作,从图像增强考虑了图像边界强度、噪声和灰度分布,来制定图像质量评价的因子[11]。

    1.3.1.1 边缘强度(Contour-Volume,CV)

    图像的细节越丰富,图像越清晰,则图像的边缘也就越清晰。边缘强度(CV)能够反映图像的清晰程度,数值越大,图像越清晰,反之图像模糊,这是一个图像清晰度的测量指标。首先使用3×3的拉普拉斯窗口提取图像边缘,然后统计图像的边缘,将边缘像素值进行绝对值的叠加求得图像的边缘强度CV[12]。

    1.3.1.2 噪声率(Noise-Rate,NR)

    噪声是造成图像失真的一个重要因素,噪声是高频分量,能够影响CV的评价。图像中的噪声越多,CV就会越大。面对这类失真图像,CV的评价性能将受到很大的影响,因此无法给出正确的评价结果。鉴于CV的这种缺陷,文献[13]提出了一种针对噪声的评价因子,即噪声率(Noise-Rate) 。

    噪声率是一个反映图像受噪声污染程度的评价因子,主要通过比较失真前参考图像的噪声量和失真后图像中所含噪声量的多少而确定。由于无参考图像质量

    展开全文
  • Hello China操作系统比较客观评价

    千次阅读 2011-11-03 20:41:49
    以下内容转自网友的评价,个人感觉比较客观到位,特贴在此处,供朋友们参考。后面有作者的一些点评,因此本文算做原创: --------------------------------------------------------------------------------------...

    以下内容转自网友的评价,个人感觉比较客观到位,特贴在此处,供朋友们参考。后面有作者的一些点评,因此本文算做原创:

    --------------------------------------------------------------------------------------------------------------------------------------------------------------------

    最近一个月阅读了一本书《嵌入式操作系统设计与实现》,书的作者是蓝枫叶。这本书早就出版了,我也关注过一段时间,目前是第二版。我买的时候主要是想看看作者对操作系统的理解以及设计操作系统的一些思路,于是这一段时间对书中的局部章节进行了精读,对作者在短短一年时间之年完成操作系统的开发,并且在交换机上成功运行,感到敬佩。但是,对该操作系统的市场前景以及后期应用持保守意见。因为,阅读本书之后发现hello china的设计思想与Linux存在很多类似的地方。另外,作者在设计嵌入式操作系统的时候可能没有一个非常明确的应用,因此,没有需求分析,没有针对嵌入式应用作特殊的考虑,所以,hello china操作系统的应用可能会受到影响。但是,不管怎么样非常欣赏作者对操作系统深刻的理解,特别是将获取的一半稿费捐献给西部贫困地区的失学儿童。

           Hello china的内存管理部分的设计应该算是比较复杂的,其采用了虚拟内存机制,需要MMU的支持。Hello china将系统内存分为kernel memory和paged memory,kernel memory只能被kernel利用,并且kernel memory分为两大类,一类为按照4kB粒度进行块分配的内存区域;另一类为可以按照任意大小进行分配的区域。按照4KB粒度进行分配的思路类似于应用于内核的分页机制,任意大小内存分配采用的是Heap算法,该算法在某种应用下会产生内存碎片。Paged memory就是将内存切分成4KB大小的page,并且采用page frame(页框)对其进行描述。Paged memory可以映射给进程的VM,实现虚拟内存机制。Paged frame机制与Linux下的实现颇为类似。系统中的每个进程都会拥有一个virtual memory manager(虚拟内存管理器)对进程所拥有的内存进行管理,VMM是对虚拟内存的抽象,其封装了虚拟内存资源及其属性,并且对虚拟内存的操作方法进行了封装,例如虚拟内存分配方法和释放方法。每个进程的虚拟内存空间都会被分成一些区域(VM area),这些VM区域通过链表或者二叉树联系起来,构成虚拟空间的整体。在hello china中的VM区域对象为virtual area descriptor,该对象对虚拟内存的线性地址空间进行描述。在虚拟内存管理对象结构中还有一个非常重要的对象:页面索引对象(page index manager),该对象封装了虚拟地址与物理地址之间转换所需的数据结构,其中页目录的物理地址(Intel架构的CR3寄存器值)就存储在该对象中。大家知道,如果要实现虚拟内存机制,那么需要页表实现虚拟地址与物理地址之间的转换,转换过程通过MMU的硬件机制来实现。页面索引对象的封装有一个好处,就是增强了代码的可抑制性,页面操作与体系结构相关,如果将这一部分内容封装成对象,那么从逻辑层面上看非常清晰,便于移植。显然,在虚拟内存的整个机制中,重要的管理对象有页面管理管理对象、虚拟内存管理对象和页面索引管理对象。页面管理对象维护着物理页框,虚拟内存管理对象维护着虚拟内存资源,页面索引管理对象维护着虚拟地址与物理地址之间的映射关系。这样的一种机制与Linux中的虚拟内存机制是一致的。

           在同步与互斥机制方面,hello china也作了非常多的工作。很久以前就研读过uc/os的代码,这是我最早接触的一个操作系统,而且是一个实时多任务操作系统。在uc/os操作系统中,临界区的数据保护都是通过关中断的方式进行。对于实时操作系统而言是有问题的,如果临界区过长,那么极易导致中断事件的丢失。并且对于单CPU而言,通过关中断的方式可以解决临界区问题,但是对于多CPU而言,关中断是解决不了问题的,除非有能力将所有CPU的中断同时禁止。针对该问题,hello china解决了多CPU下的临界区互斥问题,解决的方法类似于Linux中的处理方法,这种方法具有很强的通用性。Intel等CPU都提供了读-访问-写(BTS)指令,通过这些指令可以实现对内存单元的排他访问、修改,因此可以实现某一内存单元的原子操作。在这些CPU指令的辅助下,可以实现spinlock机制,在spinlock的基础上可以实现semaphore的机制。与uc/os等嵌入式操作系统相比,hello china实现了较为完整的同步互斥机制,但是需要CPU硬件支持。

           在中断管理方面,hello china的可移植性较好,与Linux具有相同的设计思想。考虑到不同CPU具有不同的中断入口机制,hello china采用统一的中断入口程序作为最底层的中断服务程序。大家知道有些CPU采用了中断向量表机制(Intel CPU),有些CPU没有采用中断向量表机制(PPC CPU),因此,对于操作系统设计者而言必须面对上述问题。所以,对于这些不同架构的CPU,一旦发生中断事件,那么都进入到统一的中断服务程序(IRQ_handle),在IRQ_hanle程序中再根据不同的中断向量调用用户注册的中断服务程序,并且一个中断向量中的中断服务程序可以通过链表的方式管理起来,实现中断共享。PCI总线就是一种中断共享的总线,软件层就需要采用这样的机制。

           设备管理是操作系统中较为核心的一块,hello china的实现机制与Linux中有所不同,Linux中通过Kobject对象设备进行了统一管理,构成了非常复杂的设备树,并且实现了设备的即插即用。但是不知道什么原因,hello china中的部分章节中的代码是空的,所以该部分没有细读,有时间再与Linux机制进行比较一下。

           Hello china的所有代码都是在windows VC++环境下开发的,并且自己做了一些小工具,使得编译结果脱离windows环境独立运行,可见蓝枫叶在windows开发方面有相当功力,值得学习啊。另外,hello china代码采用C语言编写,面向对象的开发思想,使得代码结构更加清晰,这也是Linux等很多内核代码都具有的一些特点。

    转自:http://bbs.ednchina.com/BLOG_ARTICLE_190517.HTM

    ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

    作者点评:这本书是针对Hello China 1.5版本出版的,现在已发展到V1.68版本。相比V1.5,虽然版本号上增加不大,但操作系统的功能却有了非常多的增加,至少是V1.5版本的两到三倍。评论中描述的一些弱点,在V1.68中也做了改进。比如后续版本有一个明确的应用,那就是云终端。后续将写更多的blog介绍Hello China的应用和开发计划,欢迎朋友们关注、支持。

    展开全文
  • 图像全参考客观评价算法比较 https://blog.csdn.net/leixiaohua1020/article/details/38324973 评估图像质量评价算法性能的几常用的标准 https://blog.csdn.net/caoleiwe/article/details/49045633 两种...
  • 视频主观质量评价需要选定一批非专家类型的受测者,让他们在一个受控的环境下连续观看一系列的测试序列,时长大约10-30分钟,然后采用各种统计方法让受测者视频序列的质量进行评分,最后得到视频质量平均分(Mean ...
  • 在2002在德克萨斯大学的创建、结构相似性(SSIM)的图像质量评价算法已经成为一个有价值的工具的静止图像和视频处理分析。提供了一个大的进步在SSIM MSE(均方误差)和PSNR(峰值信噪比)的技术,因为它更相符的结果...
  • 图像质量的主客观评价准则

    千次阅读 2019-07-25 18:50:37
    psnr是最普遍和使用最广泛的种图像客观评价指标,未考虑到人眼视觉特性。 MAX:图像颜色的最大数值,8bit为255;MSE:均方差 其中K(i,j)与I(i,j)表示失真图像与原始图像对应像素点的灰度值;i、j表示图像的行和列...
  • 图像客观评价小结

    千次阅读 2018-12-28 15:29:24
    图像的客观评价总结。当然由于图像客观评价太多,这里不能做到全部记录下来。但是参考论文出现的,基本都有写到。 有无参考图像 首先,从有无参考图像分类,可以将图像客观评价分为1)使用参考图像的评价...
  • 客观评价C#的优点和缺点

    万次阅读 2018-06-15 16:28:12
    本文将以全面、客观的方式评价这门语言,特别是语法方面。 其实很多人评价一门语言是带着种感情色彩的。有些人支持C#是因为他只会C#,或者因为他是微软的老用户。但更多的人支持C#,是因为他通过比较发现C#确实比...
  • 图像质量客观评价

    千次阅读 2013-11-13 00:48:52
    1、均方差 MSE 2、平均绝对值 MAD 3、信噪比 SNR 4、峰值信噪比 PSSNR
  • 尽管可以通过火眼金睛的“专家”来主观评价(种观点认为主观评价要由于客观评价,毕竟视频给人看的),但对于Netflix、爱奇艺这样每日新增海量视频的平台而言,主观评价是行不通了。那么,如何选择视频质量客观...
  • 视频质量客观评价方法分析

    千次阅读 2017-08-16 09:47:20
    目前有多机构提出了与主观评价结果关联较好的客观评价算法,如美国国家电信和信息管理局(NTIA)提供的视频质量度量(VQM)算法及其模型、英国电信BT提供的全参考视频质量模型及其算法(BTFR)、巴西电信研究中心...
  • 客观评价golang的优缺点

    千次阅读 2019-05-21 18:19:10
    Go 语言的优点,缺点和令人厌恶的设计 Donng·2018-05-06 22:44:53· 14289 次点击 ·预计阅读时间 31 分钟·大约5小时... ... 这是一个创建于2018-05-06 22:44:53的文章,其中的信息可能已经有所发展或是发生改变。 ...
  • 但是都做的不太好,或者是没有付诸行动,这手机系统不是你想做就可以做的,排名第的厂商都是谁做谁死,微软可以吧,但是没有办法,做不了就是做不了,首先生态这东西就是没完没了的往里面
  • 图像全参考客观评价算法比较

    万次阅读 多人点赞 2014-08-05 00:06:17
    Lin Zhang等人在论文《A COMPREHENSIVEEVALUATION OF FULL REFERENCE IMAGE QUALITY ASSESSMENT ALGORITHMS》中,比较了几种全参考图像质量评价算法,在此记录一下他们的结果。下表所示是他们所用的图像库,包含了:...
  • 本文所提及的方法,均为目前本人在探索的方法,这里只是提供一个思路,具体的实现过程还有较多细节,例如去除噪声等。如果有人在做这个方面,可以跟我探讨。 此外,还有一种思路是利用深度学习来评价图像,但是目前...
  • 小爱同学与天猫精灵客观评价

    万次阅读 2018-11-09 10:04:00
    1、小艾的情商比天猫精灵高,(情商...2、天猫精灵的内涵却要比小艾高(内涵包括:查快递,充话费,原唱歌曲比小艾多点,唤醒灯比小艾的好看,还有就是扬声器包了块布把那些小孔都遮起来了,这点也比小艾好点)毕境...
  • 是时候客观评价下Retrofit了,retrofit客观存在的问题的你必须要知道!在用retrofit开发很久的朋友或多或少采了巨坑,阅读源码和实践后发现并不是我们认为的那么灵活!无耻的广告又来了:导读: Retrofit 2.0() ...
  • 视频质量的客观评价方法最后要与主观评价的结果进行印证,才能得出该客观算法的真实性能。针对客观预测结果的准确度、单调性和数据离散程度,VQEG给出了客观算法的一些评价指标: 1、皮尔逊相关系数(Pearson ...
  • 什么才是客观,如何找到一个客观评价。下面是今天刚刚发生过的对话。齿轮 9:50:54java项目的代码到uml的工具有哪些?齿轮 9:51:11试了ea感觉不是很好青润 9:53:28都差不多。青润 9:53:43trufun,rose,staruml...
  • 视频质量客观评价PSNR和SSIM

    千次阅读 2017-12-15 14:05:24
    转自:... OPENCV 有一个example,可以直接用。 https://docs.opencv.org/2.4/doc/tutorials/highgui/video-input-psnr-ssim/video-input-psnr-ssim.ht
  • 客观评价西北工业大学

    千次阅读 2005-07-23 01:41:00
    在上大学前有很多人我说,如果你要评价一所大学,那么你不必在乎她的设施,甚至不必在乎她的师资,你唯一需要在乎的只有她的学风,这也是所好的大学和所一般的大学的最大的差别.我想凡是读过大学的人这点应该都深...
  • 视频客观质量评价工具:MSU Video Quality Measurement Tool

    万次阅读 热门讨论 2013-09-17 14:57:40
    MSU Video Quality Measurement Tool(msu vqmt)是一种客观视频质量评价程序。它提供了多种全参考视频质量评价方法(对比两个视频)和无参考视频质量评价方法(分析一个视频)。
  • (笔记)图像的客观评价标准:PSNR

    千次阅读 2015-04-19 20:31:31
    PSNR:峰值信噪比(PSNR),评价图像的客观标准。   它是原图像与被处理图像之间的均方误差相对于(2^n-1)^2的数值(信号最大值的平方,n是每采样值的比特数),它的单位是dB。 MATLAB用法的公式如下: ...
  • 给ADAS泼冷水?不,是客观评价

    千次阅读 2016-05-09 13:45:53
    不,是客观评价 周纯粼 发表于: 2015/02/10 16:19:31 来源:盖世汽车网 23 0 这些驾驶辅助系统到底有多可靠?它们值得依赖吗?近日,有外媒指出,驾驶辅助系统也会出错,并将因此导致安全事故。 手机...
  • CIO客观评价SAP和用友的差异

    千次阅读 2015-07-30 16:39:35
    ERP的实施是长期行为,所以其的选型一定要能够长期支持企业的战略。而对于企业来说,结合企业当前现状,制定恰当的应用规划才是最重要的。...两家企业及产品的看法和选择上,CIO分成两不同的阵营,
  • 2 客观视频质量 3 主观视频质量 4 参见 5 参考 视频质量是量化段视频通过视频传输/处理系统时画面质量变化(通常是下降)程度的方法。由于视频处理系统可能会导致一定的视频信号失真,因此...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 53,480
精华内容 21,392
关键字:

对自己一个客观评价