У меня есть уравнение ниже, которое представляет собой показатель качества шума c изображения:
Если BIQS равно 1, это значит, что изображение чистое. Иначе, если оно находится между 0 и 1, это означает, что изображение может содержать размытие и шум. Чем меньше значение BIQS, тем грязнее изображение. Задача состоит в том, чтобы получить значение весов для w1, w2, w3 и w4, учитывая набор значений Blur_mean, Blur_noise, Noise_mean и Noise_ratio, который отражает изображение качественный. Вес отражает, сколько каждый член (Blur_mean, Blur_noise, Noise_mean and Noise_ratio) вносит в общую оценку качества изображения. Например:
Blur_mean Blur_noise Noise_mean Noise_ratio
1. 0.8398212 0.8948329 0.9849308 0.89428493
2. 0.8989332 0.8989432 0.7576812 0.35546632
3. 0.4324123 0.3123232 0.2123332 0.33213233
n. ......... ......... ......... ..........
Я не знаю основы для определения подходящих значений или веса для w1, w2, w3 и w4. Можно ли использовать линейный регрессионный анализ, чтобы найти значения w1, w2, w3 и w4 с почти / близко к 1 R-квадрату или небольшой стандартной ошибкой? Из того, что я наблюдаю, здесь есть 4 независимых переменных:
`Blur_mean`
`Blur_noise`
`Noise_mean`
`Noise_ratio`
Зависимая переменная равна BIQS, а неизвестные - w1, w2, w3 и w4. Есть ли какая-нибудь библиотека, которая позаботится об этом в Python?