论文部分内容阅读
立体视频包含左右视点两个视频,观看时能够给观看者带来更为身临其境的观看体验,因此也吸引了越来越多的学者的关注,并逐渐成为视频通信领域的研究热点。在立体视频通信系统之中,立体视频质量评价技术则是其关键技术之一。因此,立体视频质量评价技术的研究对于立体视频系统的发展有着积极的推动作用。本学位论文从图像质量评价方法出发,通过研究人眼视觉特性以及立体视频本身所存在的特点,建立了两种立体视频客观质量评价方法。其中,具体研究内容如下:(1)从立体视频质量的构成来看,图像质量是其重要组成部分之一。本文中,通过研究分形编码(Fractal Coding)的过程,利用其中的图像自相似性(Self-similarity)理论,提出一种基于自相似性的半参考图像质量评价方法。该方法利用分形编码中拼贴误差(Collage Error)这一变量作为判断图像失真程度的特征,通过度量参考图像与失真图像各块之间拼贴误差的改变程度并将其作为各块的质量,之后利用显著性对各块质量进行加权,从而得到整体图像质量。在德克萨斯大学奥斯汀分校建立的图像测试库(LIVE数据库)上进行准确性试验,主客观图像质量之间的线性相关系数(Linear Correlation Coefficients,LCC)均达到0.92以上,Spearman秩相关系数(Spearman Rank Order Correlation Coefficients,SROCC)基本达到0.9以上,均方根误差(Rooted mean square error,RMSE)在6以下。实验结果表明该半参考图像质量评价方法在节约带宽(拼贴误差数据量为参考图像数据量的1/64或1/128)的同时,能较为准确地预测图像客观质量。(2)针对目前对于视频质量评价方法中时域信息描述困难的问题,提出来一种基于三维小波变换(Three Dimensional-Discrete Wavelet Transform,3D-DWT)的立体视频质量评价方法。首先利用双树复小波变换(Dual-Tree Complex Wavelet Transform,DT-CWT)模拟人类视觉细胞,对立体视频中左右视点进行融合,从而得到双目融合视频,然后利用三维小波变换对双目融合视频中的各帧组进行变换分解并计算各帧组质量,最后根据各帧组亮度以及运动程度等特征对帧组质量进行加权得到双目融合视频质量,并将其作为立体视频质量。在NAMA3D立体视频数据库上进行准确性试验,主客观立体视频质量之间的LCC超过0.92,SROCC超过0.91,RMSE保持在5左右。实验证明该方法与人眼视觉一致性较高,能客观预测立体视频质量。(3)由于视频图像的清晰度不断增加,视频图像通信系统中所需传输的数据量越来越大。同时,实际视频通信系统中往往无法获得任何参考视频图像的信息。针对于这样的问题,利用自然图像小波系数的分布形态所包含的特征,本文中提出了一种基于小波系数分布特征的无参考图像质量评价方法。由于自然图像小波变换后得到小波系数呈近似稳定分布(a-stable Distribution),因此该方法利用其概率密度函数(Probability Density Function,PDF)的参数作为分布特征。同时,通过子带间分布特征的关系提取分布特征向量,并利用支持向量回归(Support Vector Regression,SVR)的方式训练得到预测模型,从而提出了无参考的图像质量评价方法。该方法预测得到的图像客观质量与主观质量之间的LCC和SROCC均达到0.9以上,RMSE保持在6.5以下。准确性指标表明该方法在无需参考图像的情况下,能够较为准确的预测图像质量,具有较高的应用价值。(4)由于视频小波系数与图像小波系数有相似的分布形态,因此在之前无参考图像质量评价方法基础上,考虑到立体视频所具有的特点,本文提出了一种基于小波系数分布特征的无参考立体视频质量评价方法。该方法利用三维小波变换(Three Dimensional Discrete Wavelet Transform,3D-DWT)得到视频序列中较重要帧组的小波系数,同时分别提取立体视频序列对中左右视点的分布参数特征,通过SVR的方式建立预测函数,得到立体视频质量。对该方法在NAMA3D数据库中测试得到的LCC和SROCC达到0.85以上,RMSE在0.65以下。实验结果证明该方法客观质量评价性能较好。