论文部分内容阅读
近些年来,随着科技的飞速发展,传统的显示技术已不能满足人们的视觉需求,特别是随着互联网技术的普及,各类多媒体技术在现实生活中得到了广泛的应用,例如虚拟现实技术、视频会议、视频监控等。但是,视频在采集、存储、编码、传输和显示的过程中,由于受视频处理和通信系统的影响,都会不可避免的引入噪声或者干扰而造成视频感知质量的下降。而视频质量的下降又可以从侧面反映出视频处理系统的性能或信道传输的服务质量。因此,对这些视频进行质量评价具有重要的现实意义和应用价值。本学位论文通过研究人类视觉系统,视频质量下降的因素分析。对立体图像、平面视频和立体视频提出了客观质量评价方法。(1)考虑到人眼对立体图像的双目感知特性,提出了一种基于独眼图方向梯度直方图特征的无参考立体图像质量评价方法。首先将左右视点合成独眼图;然后,对独眼图提取方向梯度直方图特征,将图像数据库中的图像分为两部分,一部分为训练图像,另一部分作为测试图像,将训练图像提取的特征利用fisher编码提取出基于广义高斯分布的视觉字典,用训练后的视觉字典对测试图像特征进行进一步的编码;最后,将编码后的特征通过支持向量回归预测得出立体图像的客观评价值。在立体图像数据库的测试结果表明,本方法可以较准确的预测立体图像的质量。(2)考虑到人眼视觉多通道特性和视频运动信息对视频质量的影响,提出了一种无参考平面视频质量评价方法。评价视频空域质量时,对视频帧进行多尺度高斯差分分解,对分解后的各尺度图像进行基于梯度局部二值模式特征的提取。评价视频时域质量时,首先对视频进行时空域运动切片,对运动切片进行多尺度高斯分解后提取基于梯度的局部二值模式特征。提取的空域特征和时域特征利用随机森林构建基于深度神经网络的融合模型,该模型用于挖掘特征表达。本文模型在两个权威数据库上都取得了较好的表现。(3)考虑到从单视点相邻帧中提取的结构信息相关性,提出了一种立体视频质量评估方法。空域梯度对空域失真和时域局部失真同样敏感,对于立体视频的左右视点,首先结合时空域梯度特征和对图像质量评价有显著影响的颜色特征,得到单视点视频的时空域结构相似度。在时空域质量融合阶段,时空域局部质量首先通过空域融合得到单视点帧级质量值,然后再利用左右视点能量比率图加权的方法将同一时刻左右视点之间的质量值融合为立体视频单帧质量值。最后我们考虑人眼不对称追踪效应进行单帧质量融合得到最终的立体视频质量。在NAMA3DS1-COSPAD1数据库上的实验表明该方法可以准确预测立体视频质量且时间复杂度非常低。