是不是有很多同学创新点不够?然后不知道怎么增大实验的工作量。今天一文教大家如何搞定。需要代码的可以私信我。
一、颜色校正方法的实验
1.首先要明确一点,你的方法是组合创新还是直接在别人基础上改进。(1)如果是组合创新,你实验肯定是要做组合前,组合后的前后效果对比。(2)在别人的基础上改进,你就直接跟别人算法的颜色校正部分拿出来对比就行了。无论是(1)还是(2)都做跟别人算法的对比。
(a)是背景光。然后我们写了公式,我们就直接做主观评价(就是描述别人的多么不好,自己的多好),这样就可以写很多了工作量也特别大显得。还可以做直方图的比较,你看看这两个实验放下来你的工作量大不大。这还只是你一个方法的实验。
二、对比度增强/细节增强(具体看你做的什么模块)
以细节增强为例,我们可以做一些你方法得到的比如用了什么滤波得到什么细节层什么基础层等。然后你的公式有什么因子(创新一个自适应因子,也可以做个不同因子的值做经验值)/或者你可以做一个不同滤波器得到的基础层细节层哪个更好。这样工作量是不是特别大了呢。还可以加个伪代码。
三、仿真与分析
首先,我们肯定是要选取最少6个近几年的方法或者8个(推荐8个都是2020-2024的,最好非物理与物理、深度学习都有)。然后评价指标就很关键了也是可以做特别多的,例如UCIQM可以由三个指标构成(UIQM,UICOM,UICM)构成,那我是不是可以四个指标,SSIM,PSNR,UCIQE,NCIQE,AG,IE,PCQI等。太多太多了。
3.1 UIEBD的实验(你可以说是综合实验)
介绍这个数据集,比如包含什么退化图像等等。然后主观评价(就是你觉得他们的图为什么不好,你的多好),其次进行客观评价(说你的指标为什么更高,色彩丰富导致的更高还是)
3.2 UCCS的实验(这个数据集专门验证色彩的)
3.3细节实验
3.4泛化实验
3.5应用实验
3.6失败案例
总结
这样一看,是不是整体的实验工作量很大。是不是可以解决你因工作量少而苦恼呢。欢迎有不懂的提问,或者私信我。