分布式视频编码(Distributed Video Coding,DVC)是以 Slepian-Wolf 理论和Wyner-Ziv(WZ)理论作为基础的视频编码技术。和传统视频编码相比,分布式视频编码将编码端复杂的运动估计和运动补偿技术转移到了解码端,特别适合于目前兴起的视频应用,比如无线视频监控和无线视频传感器网络等。在无线视频通信系统中,对解码端输出视频质量进行实时准确的失真估计,是保障通信系统的质量,优化系统的资源配置以及提高系统性能的关键性问题。现有的DVC研究中已有部分关于失真估计方法的研究,但是均需要借助原始的视频信息,难以在实时场合中应用。本文研究分布式视频编码的无参考信源失真估计问题,取得了如下的研究成果:(1)针对现有的分布式视频编码信源失真估计工作存在的问题,提出了一种基于Stanford重构的分布式视频编码无参考信源失真估计算法,该算法考虑WZ帧中由量化和重构模块引起的信源失真。不需要借助编码端的任何原始视频信息,仅利用解码端的数据进行视频质量估计,从而保证在不增加编码端计算复杂度的情况下,实现对视频失真度的估算。此外,本文还对算法中拉普拉斯分布参数的估计方法进行了改进,以提高参数估计的精确度。实验中测试了图像组(Group Of Picture,GOP)为2和8两种情况下算法的性能。实验结果表明,采用本文算法得到的结果相比于现有算法的结果,更加接近于实测值。与实测值相比,本文算法对不同视频序列估算的绝对误差在1.5dB以内,相对误差在5%范围以内。其中,GOP=2时,绝对误差最小达到0.03dB,相对误差最小达到0.09%;GOP=8时,绝对误差最小达到0.02dB,相对误差最小达到0.07%,获得了较好的估算性能。(2)最小均方误差(Minimum Mean Squared Error,MMSE)重构算法是现有分布式视频编码方案中均方误差准则下性能最佳的重构算法,然而目前尚没有研究工作提出基于MMSE重构的信源失真估计模型。为此,本文提出了基于MMSE重构的分布式视频编码无参考信源失真估计算法,该算法结合原始WZ帧和边信息之间的相关性,不需要借助编码端的原始视频信息,仅利用解码端的数据进行视频失真估算。实验结果表明,对于不同的视频测试序列,本文算法的估算值和实测值相比,绝对误差在1.5dB以内,相对误差在5%范围以内。其中,GOP=2时,绝对误差最小达到O.O1dB,相对误差最小达到0.03%;GOP=8时,绝对误差最小达到0.01dB,相对误差最小达到0.03%。该结果表明,本文提出的基于MMSE重构的分布式视频编码的无参考信源失真估计算法具有很高的估算精度。