论文部分内容阅读
随着数字通信和多媒体技术的快速发展,视频服务应用也越来越多样化,并在人们生活中得到了广泛普及。对于视频服务提供者来说,从用户角度出发提高并保证视频服务质量是他们所要面临的关键任务之一。而在这一任务实现过程中,如何准确评价视频视觉质量是一个基本问题。客观视频质量评价方法目的就在于通过计算模型自动地预测视频视觉质量的高低。在视频处理和通信等许多实际应用中,视频质量评价方法可以作为度量基准,用于客观地比较不同处理算法,编码器以及传输信道设置的优劣,从而评估视频处理和通信系统的性能,也可以辅助用于系统的选择和优化,以更低代价提供具有更好视觉质量的视频。由于视频质量评价方法的重要性,国内外广大学者和科研机构均对此展开了深入的研究。在视频质量评价问题中,由于视频中时间信息的引入,使得视频中可能同时存在多种类型的空间失真和时间失真;另外在人类视觉对视频的感知过程中,空间信息和时间信息都起到了重要的作用,因此视频质量评价问题的关键主要集中在:(1)同时利用视频中的空间和时间信息,提取有效的质量相关的特征,以度量视频的时空失真程度;(2)以合适的方式将所提取的质量特征时空合并,得到与人类视觉感知相一致的视频整体质量评价。针对这两点问题,本文提出了以下全参考型和无参考型的视频质量评价方法。1)从局部质量度量和全局时空合并的角度出发,提出了一种基于有监督主题模型的全参考视频质量评价方法。首先,同时考虑空间信息和运动信息对视频视觉质量的重要影响,从视频运动轨迹周围产生时空体,并从中提取有效的局部质量特征以度量局部时空质量退化程度;然后利用统计学习的方式探索局部质量分布于全局视觉特征之间的潜在关系,通过学习到的潜在关系合并局部质量获取对视频整体质量的评价分数。在主流的视频质量评价数据集上的实验结果表明本文提出的方法的性能足以与目前较优秀的算法相比。2)针对目前大多数无参考视频质量评价方法只针对特定失真类型,而且很少同时考虑视频的时-空统计特性的问题,提出了一种基于3D-DCT域统计分析的无参考视频质量评价方法。对3D-DCT域变换系数的统计分析有效地同时挖掘了视频的时间和空间统计特性,在此基础上通过提取多种质量相关的统计特征来反映视频在不同方面的统计特性,最后利用有效的回归模型得到最终的质量预测。在四个流行公开视频数据集上的大量实验结果表明本方法与人眼主观评价有较高的一致性,且与目前最好的无参考方法以及一些优秀的全参考和部分参考的评价方法性能相当。