视觉显著性检测及其在视频质量评价中的应用

发布时间：2018-06-06 12:04

  本文选题：视觉显著性 + 显著性建模　； 参考：《中国计量学院》2015年硕士论文

【摘要】：视觉显著性源于人类视觉系统,是人类视觉系统的固有属性。显著性区域表示人眼关注的位置,是影响感知视频质量的关键因素。根据HVS(人类视觉系统)特性检测视频显著性区域,并将它应用在视频质量评价中可以极大地提升评价的准确程度。人眼是视频的最终接受者,所以主观视频质量评价是最直接、最有效的方法,但是由于主观评价费时费力,导致它不能应用于实时处理中。因此,必须要找到一种满足人眼视觉特性的客观评价方法。同时视频的感知质量也和失真分布有着很大关联。如何将显著性和失真应用于视频质量评价也是本文的研究内容。本文调研了国内外现有的视频显著性检测和视频质量评价算法,重点阐述了视觉显著性检测的应用和不足,发现视频时域相关性、视觉暂留效应是影响视频显著性的关键因素。本文结合视频空时域相关性,根据视觉暂留效应建立时域滑动窗,将视频看做3D视频体,在三维变换频域研究视频序列的显著性,最后通过连通分析、自适应阈值判断等得到显著区域。频域算法具有运算速度快的特点,因此保证了本文算法的有效性和快速性。实验结果表明,本文算法提高了检测结果的准确性,并且计算复杂度也明显降低。论文又针对显著性区域进行分析,发现对显著区域分配较大权重可以得到更好的视频质量。因此要将这部分区域转化成权重系数,用来调整视频质量评价算法。本文对显著区域进行高斯曲面建模,将显著区域映射为表示人眼关注度的权重系数,这一权重后续将被应用到视频质量评价算法中,使主客观评价更趋于一致。最后论文将显著性的应用拓展到视频质量评价的领域中,并且提出3D-SSIM算法来评价视频质量。基于视频序列的运动特征和帧间时域相关性,将视频看做一个三维图像体,视频根据中心像素点划分为3D块,以其为基础进行3D-SSIM计算,并且融合显著性权值和失真权值来提高评价分数。实验结果表明,在较低复杂度的情况下,本文算法使客观评价更接近人眼的主观感受,证明了算法的可行性,也进一步验证了显著性对视频质量评价的提升作用。
[Abstract]:Visual salience originates from human visual system and is the inherent attribute of human visual system. The salient region represents the position of human eye concern, which is the key factor to affect the quality of perceptual video. According to the characteristics of HVS (Human Visual system), video salience area can be detected and applied to video quality evaluation, which can greatly improve the accuracy of evaluation. The human eye is the ultimate receiver of video, so subjective video quality evaluation is the most direct and effective method, but because subjective evaluation is time-consuming and laborious, it can not be used in real-time processing. Therefore, we must find an objective evaluation method to satisfy the visual characteristics of human eyes. At the same time, the perceptual quality of video is closely related to the distortion distribution. How to apply salience and distortion to video quality evaluation is also the research content of this paper. This paper investigates the existing video salience detection and video quality evaluation algorithms at home and abroad, focusing on the application and shortcomings of visual salience detection. It is found that video temporal correlation and visual temporary effect are the key factors affecting video salience. In this paper, the time-domain sliding window is established according to the visual temporary effect, and the video is regarded as 3D video body. The salience of video sequence is studied in the frequency domain of 3D transform. Finally, the connectivity analysis is carried out. The significant region is obtained by adaptive threshold judgment and so on. The frequency domain algorithm has the characteristics of fast operation, so it ensures the efficiency and rapidity of this algorithm. Experimental results show that the proposed algorithm improves the accuracy of the detection results and reduces the computational complexity. By analyzing the significant region, it is found that the better video quality can be obtained by assigning a large weight to the significant region. Therefore, this part of the region should be transformed into the weight coefficient to adjust the video quality evaluation algorithm. In this paper, the significant region is modeled by Gao Si surface, and the salient region is mapped to the weight coefficient to represent the human eye concern. This weight will be applied to the video quality evaluation algorithm and make the subjective and objective evaluation more consistent. Finally, the paper extends the significant application to the field of video quality evaluation, and proposes 3D-SSIM algorithm to evaluate the video quality. Based on the motion characteristics of the video sequence and the temporal correlation between frames, the video is regarded as a 3D image body, and the video is divided into 3D blocks according to the center pixels, based on which 3D-SSIM is calculated. And the significant weight and distortion weight are combined to improve the evaluation score. The experimental results show that under the condition of low complexity, the objective evaluation is closer to the subjective perception of human eyes, which proves the feasibility of the algorithm and further verifies the significance of the enhancement of video quality evaluation.
【学位授予单位】：中国计量学院
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN919.81

【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 李健;视频质量的主客观评估方法研究[D];西安电子科技大学;2009年

2 郭畅;无线网络中的视频质量评估及优化[D];北京邮电大学;2011年

3 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

4 庄自超;面向视频监控的视频质量检测系统的设计与开发[D];华中师范大学;2011年

5 李器宇;视频质量评价系统及其关键技术的研究[D];天津大学;2012年

6 薛菲;网络视频质量评估方法研究[D];北京邮电大学;2013年

7 王万;面向无线失真网络的视频质量无参评估[D];石家庄铁道大学;2014年

8 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

9 刘祺;智能终端视频质量评估[D];西安电子科技大学;2014年

10 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

，

本文编号：1986456