随着计算机的普及和网络技术的日益成熟,与视频相关的网络多媒体应用得到了迅猛的发展。视频在压缩、传输和存储的过程中会受到数据损失,引入各种失真效应。为了获得更好的视频主观效果,需要评价失真视频的质量,根据评价结果调整编码器和传输信道的相关参数。在目前大多数网络多媒体系统中,视频质量评价已经成为不可或缺的重要组成部分。人类对这些失真视频的主观质量评价被公认为最精确的方法,但是这个过程消耗大量的人力和时间,不适合大规模实际应用。因此,通过设计数学模型对失真视频进行智能化分析,从而计算视频质量的客观质量评价方法,成为当前国际性的研究热点。根据对原始视频的依赖程度,视频客观质量评价方法可以分为全参考型、部分参考型和无参考型三类。由于全参考型和部分参考型评价方法都需要额外的带宽来传输原始视频及相关信息,其实用价值非常有限。相比之下,无参考质量评价方法不需要依赖任何与原始视频相关的信息,直接根据待评价视频的信息计算视频质量,具有更好的灵活性和适应性,以及更广泛的应用价值。本文正是在这样的背景下,展开了对无参考视频质量评价方法的研究。第一章绪论部分首先阐述了选题的意义,然后综述国内外研究现状并作相应的总结,最后介绍了本课题的主要研究内容和论文结构。第二章对像素域无参考视频质量评价方法进行研究,提出了一种基于失真度估计的无参考视频质量评价方法。该方法首先统计相邻像素点之间亮度差值的方差,作为视频局部失真度。再对视频进行高斯滤波,计算滤波后的细节损失,得到视频全局失真度。然后,结合这两者估计视频整体的失真度。同时,通过帧内预测和帧间预测计算视频复杂度,反映视频内容特征。最后,综合视频失真度和复杂度得到视频客观质量。第三章对压缩域无参考视频质量评价方法进行研究,提出了一种基于视频内容复杂度的无参考视频质量评价方法。该方法首先通过分析码率、压缩率与视频场景之间的关系,得到视频内容复杂度。利用宏块模式、量化系数、运动矢量和消耗码流等编码信息计算量化、运动和码流分配影响因子,分别代表视频压缩中量化、运动搜索和码率控制这三个关键环节对压缩后视频质量的影响。然后,在分析这三个影响因子各自对视频质量的反馈的基础上,结合视频内容复杂度,建立基于视频内容复杂度的视频质量评价模型。最后,对整个视频进行场景切换检测,将其分为不同的场景片段,并用此模型评价每个视频场景的客观质量,综合得到整个视频的质量。第四章对视觉感知特性的基本原理及其在视频质量评价领域中的应用进行研究,提出了一种基于视觉感知特性的无参考视频质量评价方法。首先,根据人类视觉系统(Human Visual System, HVS)对视频场景的感知特性,利用对比度、纹理特征得到空域感知特性,利用运动强度对比度、运动方向得到时域感知特性。然后采用融合时域和空间域特性的方式,建立视觉注意模型。最后用该模型改善已有的无参考视频质量评价方法,根据视觉注意模型对视频的不同部分进行加权计算,提高评价结果的准确度。第五章在像素域和压缩域无参考视频质量评价的基础上,结合视觉感知特性,提出了一种基于视觉感知特性的双域无参考视频质量评价方法。该方法首先在压缩域提取码流中的编码信息,并利用这些信息建立压缩域视频质量评价子模型,预测失真视频与原始视频的相似度。然后,在像素域检测两种常见的失真效应,块效应和模糊效应的失真程度,并利用第四章提出的时空联合视觉注意模型,对失真效应检测结果进行加权,得到视频失真度。最后,结合视频相似度和失真度给出视频整体的质量评价。第六章总结了本论文的研究成果和创新点,并提出了进一步研究的方向和任务。