当前位置:主页 > 科技论文 > 网络通信论文 >

码流感知型的无参考视频质量评价模型的研究与实现

发布时间:2018-01-16 15:10

  本文关键词:码流感知型的无参考视频质量评价模型的研究与实现 出处:《福州大学》2014年硕士论文 论文类型:学位论文


  更多相关文章: 无参考视频质量评价 运动剧烈程度 空域复杂度 时空联合 视频质量预测


【摘要】:随着网络技术的不断发展,网络运营商越来越关注由其提供的网络传输的网络视频在客户端的质量。网络视频质量受网络传输因素的影响,网络传输因素主要包括延迟、抖动和丢包,其中丢包对网络视频质量造成的影响较延迟和抖动的大。网络视频在传输过程中一般不会携带原始参考视频信息,且网络视频实时性要求高,由此研究一种实时性高、无参考的且只考虑由网络丢包引发的视频失真的网络视频质量评价模型已成为一个研究热点。网络视频质量除了跟丢包率的大小直接相关外,还跟受丢包影响的宏块所在区域的内容视觉特性有关,由此本文在评价视频质量时考虑了丢包、内容视觉特性和视频质量三者间的关系。考虑丢包发生在不同类型帧和运动剧烈程度不同区域对视频质量的影响,提出了基于运动剧烈程度的无参考视频质量评价模型。考虑丢包发生在不同类型帧和纹理丰富程度不同区域对视频质量的影响,提出了基于空域复杂度的无参考视频质量评价模型。结合前两种视频质量评价模型提出了一种运动矢量和DCT融合的无参考视频质量评价模型。并在第三种视频质量评价模型的基础上结合失真视频中的时空联合效应,提出基于时空联合的无参考视频质量评价模型。这四个模型都是通过对接收到的码流进行分析得到用于评价视频质量的信息,无需完全解码,实时性高。为了使得客户在客户端观看到的网络视频的质量处于稳定水平,需预先知道下一阶段网络视频的质量,从而判断是否调整视频源等。由此提出了一种视频质量预测方法,该方法分为三个阶段,分别为预测下一阶段的网络丢包率、预测下一阶段视频的内容视觉特性和建立基于SVM的视频质量分类模型。采用多项式拟合模型预测下一阶段的网络丢包率,采用差分自回归移动平均模型预测下一阶段视频的内容视觉特性。基于SVM的视频质量分类模型的特征向量为预测得到的网络丢包率和内容视觉特性,通过SVM建立视频质量分类模型,将分类模型用于预测下一阶段视频的质量。最后,本文设计并实现网络视频质量实时评价系统,并对系统得到的视频质量评价结果和系统效能进行分析。该系统中的视频质量评价模型为本文提出的基于时空联合的无参考视频质量评价模型,可以对网络视频进行自动化的、实时的评估,从系统评价结果与主观评价结果的一致性和CPU占用率方面验证了基于时空联合的无参考视频质量评价模型在实际应用中的性能。
[Abstract]:With the development of network technology, network operators pay more and more attention to the quality of network video transmitted by network. The quality of network video is influenced by the factors of network transmission. Network transmission factors mainly include delay, jitter and packet loss, in which the impact of packet loss on the quality of network video is greater than that of delay and jitter. Network video generally does not carry the original reference video information in the transmission process. And network video real-time requirements are high, so a kind of real-time research is high. The network video quality evaluation model with no reference and only considering the video distortion caused by network packet loss has become a research hotspot. The network video quality is directly related to the packet loss rate. It is also related to the content visual characteristics of the area where the macroblock is affected by the packet loss, so this paper considers the loss of the packet when evaluating the video quality. The relationship between content visual characteristics and video quality. Considering the impact of packet loss in different types of frames and regions with different intensity of motion on video quality. This paper presents a non-reference video quality evaluation model based on the intensity of motion, considering the effect of packet loss in different types of frames and different regions of texture richness on video quality. A non-reference video quality evaluation model based on spatial complexity is proposed, and a non-reference video quality evaluation model based on motion vector and DCT fusion is proposed in combination with the first two video quality evaluation models. Based on the frequency quality evaluation model, the spatio-temporal joint effect of distorted video is combined. In this paper, a spatio-temporal joint non-reference video quality evaluation model is proposed. The four models are based on the analysis of received bitstreams to obtain the information used to evaluate the video quality without the need of complete decoding. In order to make the quality of the network video viewed by the client at a stable level, we need to know the quality of the next stage of the network video in advance. A video quality prediction method is proposed, which is divided into three stages, which are the prediction of network packet loss rate in the next stage. The video quality classification model based on SVM is established to predict the content visual characteristics of the next stage of video, and the polynomial fitting model is used to predict the network packet loss rate in the next stage. The difference autoregressive moving average model is used to predict the content visual characteristics of the next stage of video. The feature vector of the video quality classification model based on SVM is the network packet loss rate and the content vision characteristics. The video quality classification model is established by SVM, and the classification model is used to predict the next stage of video quality. Finally, this paper designs and implements a real-time evaluation system of network video quality. The results of video quality evaluation and system effectiveness are analyzed. The video quality evaluation model of the system is proposed in this paper based on space-time joint no reference video quality evaluation model. Online video can be automated, real-time evaluation. The performance of the non-reference video quality evaluation model based on spatio-temporal joint evaluation is verified from the consistency of the system evaluation results with the subjective evaluation results and the CPU occupancy rate.
【学位授予单位】:福州大学
【学位级别】:硕士
【学位授予年份】:2014
【分类号】:TN919.8

【相似文献】

相关期刊论文 前10条

1 卢刘明;陆肖元;;分组网络中的视频质量评估[J];计算机应用研究;2008年09期

2 杨爱华;;网络课程中视频质量的优化[J];现代教育技术;2009年08期

3 赵大军;刘思平;李冶文;俞航;;视频质量评估方法及规范[J];电信工程技术与标准化;2011年04期

4 白彦鹏;吴学智;何如龙;;视频质量客观评估方法分析[J];计算机与数字工程;2011年10期

5 孙延;岑峰;;基于深度的3D视频质量评价[J];微型机与应用;2013年03期

6 田玲;廖紫纤;何楚;;三网融合下基于压缩感知的半参考视频质量评估方法研究[J];计算机应用研究;2013年06期

7 王新岱,杨付正;视频质量的主客观评估方法研究[J];电视技术;2003年08期

8 曾锐;;视频质量与维护[J];中国有线电视;2009年06期

9 ;宝利通宣布支持H.264 High Profile,同样的视频质量仅需一半带宽[J];中国新通信;2010年07期

10 许伟坚;冯超;李进锦;黄联芬;姚彦;;一种新的视频质量评价中帧对齐算法[J];厦门大学学报(自然科学版);2012年02期

相关会议论文 前5条

1 杨春亭;柳杨;;基于视觉感知的视频质量测量方法的研究[A];2009中国仪器仪表与测控技术大会论文集[C];2009年

2 史萍;;基于特征的视频质量损伤度客观测量方法[A];通信理论与信号处理新进展——2005年通信理论与信号处理年会论文集[C];2005年

3 王辉麟;史宏;;基于变权参数的铁路视频监控系统视频质量动态检测方法研究[A];第七届中国智能交通年会优秀论文集——智能交通技术[C];2012年

4 谭杰;孙志刚;程辉;;IPTV视频质量监测模型[A];第十七届全国青年通信学术年会论文集[C];2012年

5 张桂卿;傅雪鹏;佘方毅;;IPTV视频传输质量问题分析[A];中国新闻技术工作者联合会第六次会员代表大会、2014年学术年会暨第七届《王选新闻科学技术奖》和优秀论文奖颁奖大会论文集(三等奖)[C];2014年

相关重要报纸文章 前2条

1 安捷伦科技公司;MDI 指标衡量视频质量[N];通信产业报;2006年

2 安捷伦科技(中国)有限公司;安捷伦:三重播放环境验证IPTV(下篇)[N];通信产业报;2006年

相关博士学位论文 前7条

1 刘河潮;网络丢包的无参考视频质量评估方法研究[D];西安电子科技大学;2013年

2 史志明;网络视频质量评估方法与测试技术研究[D];北京邮电大学;2013年

3 刘河潮;网络丢包的无参考视频质量评估方法研究[D];西安电子科技大学;2014年

4 杜海清;无线传输中的视频质量评价及控制研究[D];北京邮电大学;2010年

5 杨艳;基于多特征类型的无线视频质量用户体验(QoE)方法研究[D];北京邮电大学;2012年

6 苏洪磊;基于码流的网络视频无参考质量评估研究[D];西安电子科技大学;2014年

7 赵敏;基于IP网络视频质量自适应控制的研究[D];西北工业大学;2006年

相关硕士学位论文 前10条

1 孙鲁川;网络会议视频质量评估方法分析、改进及应用[D];电子科技大学;2015年

2 余浩淼;视频监控系统的网络层质量监控与故障检测系统[D];复旦大学;2013年

3 贾琳;基于DSP的视频质量监测系统设计[D];黑龙江大学;2015年

4 刘洋;基于HTTP自适应流媒体的质量评估[D];西安电子科技大学;2014年

5 田云;H.264的视频质量评估及编解码算法的实现[D];西安电子科技大学;2014年

6 刘兴龙;基于视觉特性的视频质量评估系统[D];西安电子科技大学;2014年

7 王进;考虑网络丢包的视频质量无参评估模型[D];石家庄铁道大学;2015年

8 朱元全;变电站视频质量诊断系统的检测技术研究[D];华北电力大学;2015年

9 关爽;视觉显著性检测及其在视频质量评价中的应用[D];中国计量学院;2015年

10 吴丽丽;码流感知型的无参考视频质量评价模型的研究与实现[D];福州大学;2014年



本文编号:1433639

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/wltx/1433639.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户6f93a***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com