SFF/Training/TrainW.m

   1 % =================================================================\r
   2 %  Sparse Feature Fidelity (SFF) Version 2.0\r
   3 %  Copyright(c) 2013  Hua-wen Chang\r
   4 %  All Rights Reserved.\r
   5 % ----------------------------------------------------------------\r
   6 % Please refer to the following paper\r
   7 %\r
   8 % Hua-wen Chang, Hua Yang, Yong Gan, and Ming-hui Wang, "Sparse Feature Fidelity\r
   9 % for Perceptual Image Quality Assessment", IEEE Transactions on Image Processing,\r
  10 % vol. 22, no. 10, pp. 4007-4018, October 2013\r
  11 % AND\r
  12 % Hua-wen Chang, Ming-hui Wang, Shu-qing Chen et al., "Sparse feature fidelity for\r
  13 % image quality assessment," in Proceedings of 21st International Conference on\r
  14 % Pattern Recognition (ICPR), Tsukuba, Japan, November 2012, pp. 1619-1622. \r
  15 % ----------------------------------------------------------------------\r
  16 % TRAINING OF FEATURE DETECTOR (Simple Cell Matrix)\r
  17 %\r
  18 % INPUT variables:\r
  19 % sampleSize = 18000;   %  Number of sample patches\r
  20 % patchSize = 8;        %  Patch size of samples\r
  21 % retainedDim = 8;      %  Number of features computed\r
  22 %\r
  23 % OUTPUT variables:\r
  24 % W                     %  Feature detector\r
  25 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%\r
  26 function W = TrainW(sampleSize, patchSize, retainedDim)\r
  27 \r
  28 randn('state',0);\r
  29 rand('state',0);\r
  30 \r
  31 \r
  32 disp('Sampling data')\r
  33 X = sampleimages(sampleSize,patchSize);\r
  34 disp('Removing DC component')\r
  35 X = removeDC(X);\r
  36 disp('Doing PCA and whitening data')\r
  37 [V,E,D] = pca(X);\r
  38 Z = V(1:retainedDim,:)*X;\r
  39 \r
  40 disp('Start training. ')\r
  41 W_w = ica(Z,retainedDim); \r
  42 %transform back to original space from whitened space\r
  43 W = W_w*V(1:retainedDim,:);\r
  44 \r
  45 save('W.mat','W');\r