视频质量评价方法综述

论述了视频质量的主观和客观评价方法,重点阐述了视频质量的客观评价方法.对目前常用的视频质量客观评价指标峰值信噪比和均方误差进行了分析,并指出其存在的问题;将客观评价方法归结为基于人眼视觉系统生理特征和基于结构失真的两大类,并结合仿真实验予以评述;最后对视频质量评价技术的发展进行了预测和展望.     

一种基于人眼视觉特性的视频质量评价算法

为了更好地提高视频编码效率与视频处理的性能,考虑人眼对不同内容的感知特性和掩蔽效应,以及时域人眼视觉特性,提出一种基于人眼视觉特性的视频客观质量评价算法.首先利用三维Sobel矩阵提取时空特性划分区域,并结合恰可察觉失真视觉阈值与绝对差值图来提取感兴趣区域;然后对感兴趣区域进行感知加权,并利用线性加权进行空间域融合;最后结合时域人眼视觉特性,利用低通函数模拟人眼的不对称感知,并通过最差情况加权策略得到视频序列客观质量评价值.在LIVE视频质量数据库上的实验结果表明,该质量评价算法具有较好的评价性能,更接近于主观测试结果.     

一种改进的视频序列质量合并算法

首先建立了一个序列图像峰值信噪比模型,然后在此模型基础上,提出了一种新的视频序列质量合并算法。与传统的Minkowski合并算法相比,该算法结果与人眼主观测试数据具有更好的相关性。最后实验证实了该方法的有效性。     

基于视觉感兴趣区的视频质量评价方法

针对基于边缘结构失真的图像质量测量方法不能很好地应用在视频领域和对HVS考虑不充分的缺陷,提出一种基于视觉感兴趣区的视频质量评价方法,包括考虑HVS特性、场景结构信息和运动信息。实验结果证明,该方法在压缩、模糊方面明显好于PSNR,MSSIM和ESSIM的评价方法。     

对视觉敏感区域进行加权的视频质量评价方法

最近Guan-Hao Chen在Zhou Wang提出的MSSIM方法基础上,提出了一种基于边缘结构失真的测量方法（ESSIM）,但是这种方法不能够很好的直接应用到视频领域。就人类视觉系统（HVS）做了一定的研究,提出了一种考虑人眼视觉特性,考虑结构信息和对运动场景分类的视频质量评价方法（HCSSIM）。实验结果表明,在压缩损失、模糊和部分椒盐噪声损失上,其评价结果要好于现有的几类通用的评价方法。     

基于运动信息和结构信息的视频质量评价方法

图像和视频客观质量评价方法在各个领域有着广泛的应用,根据上述问题,主要针对图像边缘结构失真和噪音影响图像质量.以往的测量方法不能很好地应用于视频领域.提出一种基于运动信息和结构信息的视频质量评价方法,主要考虑场景结构和运动信息,然后依据HVS特性对不同程度的信息进行加权处理,从而综合采用一种视频质量评价方法.经实验结果证明,新方法在压缩、模糊方面明显好于PSNR, MSSIM和ESSIM评价方法.     

一种遥感图像融合质量评价方法

针对遥感图像融合质量评价中多波段、无地面真实参考图像的特点,提出了基于结构相似度和全局融合质量评价指标的融合质量评价方法。该方法首先采用均值变化量构造局部光谱质量加权方法,计算融合图像的光谱质量;然后结合方差构造局部空间质量加权方法,获得融合图像的空间质量;最后使用线性加权方法,计算融合图像的整体质量。通过对8种典型融合方法的结果图像进行质量评价,结果表明提出的评价方法与主观评价结果基本一致,具有可行性。     

几种典型的感知视频质量评价模型

首先描述了人眼视觉系统(HVS)的基本特性,然后介绍和分析了几种比较典型的基于这些特性的感知视频质量评价模型:其中的三个模型已经由视频质量专家组(VQEG)进行了测试,结果表明它们的测度和主观评价结果具有很好的相关性。最后讨论了客观视频质量评价的标准化工作。     

立体图像的视觉感知质量无参考评价方法

为了提高立体图像客观质量评价与人眼感知结果的一致性,改善立体内容的视觉体验效果,考虑到人眼对立体图中不同区域的关注度和不同深度值的立体感都具有差异性的问题,提出基于视觉感知特性的立体质量评价方法.首先引入视觉显著度模型选取人眼感兴趣区域,生成该区域的深度图;然后通过深度最小可觉察误差模型确定人眼对深度图像素值的可感知范围和敏感度因子;最后计算深度的相对层次,得出立体感客观质量值.实验结果表明,该方法的结果与主观质量值之间的相关系数高于0.9,均方误差低于5.4,两者存在较好的一致性,并且优于已有方法的结果.     

基于人眼视觉特性的融合图像质量评价算法

针对彩色融合图像在人眼视觉特性上的表现,分析现有图像融合质量评价方法特点,提出一种基于对比度敏感度特性加权结构相似度的彩色融合图像质量评价算法。该方法将图像颜色的亮度分量和色度分量分开,首先对图像亮度分量的结构相似度进行对比度敏感特性加权,再与色度分量的结构相似度进行加权以获得图像的结构相似度。该方法充分考虑人眼视觉特性和颜色特性,对不同图像融合评价方法的评价结果表明,该方法能较好地完成彩色融合图像的质量评价。     

基于小波变换和HVS特性的图像质量评价新方法

在分析人类视觉系统(HVS)对比度敏感特性特性的基础上,提出一种基于小波分析与人类视觉系统特性的图像质量评价算法(WSSIM)。此方法先将图像进行小波变换得到不同方向和不同频率的四个频带划分,分别在不同频带上比较失真图像与原图像结构相似度最后,结合HVS中CSF曲线带通特性,赋予四个频带比较结果相应视觉权重值得到归一化的图像质量评价指标WS-SIM。实验结果表明,WSSIM相对于传统方法图像结构相似度评价算法(MSSIM)及其改进算法(MGSSIM)更接近人类主观感受。     

符合人眼视觉特性的视频质量评价模型

视频技术的发展为其质量评价的出了新的课题,但由于评价图像质量的关键在于所用视觉模型是否符合人的感知特性,因此评价图象质量必须考虑以视觉锐度,对比度敏感度,多通道结构和掩盖特性为基础的人眼视觉特性（HVS）,为了使人们对基于人眼视觉特性的视频质量评价模型研究现状有所了解,介绍了几种目前比较成功的基于HVS的视频质量评价模型,并分析和总结了它们的性能,最后展望了评价模型的发展。     

基于TV与SSIM的图像质量评价方法

提出一种基于全变分(TV)模型与结构相似度(SSIM)的图像质量评价方法。对待评价图像进行主动定量加噪,得到降质图像,利用自适应的TV去噪模型得到消噪图像,采用SSIM方法对待评价图像与消噪图像进行全参考评价,得到待评价图像的无参考评价指标。采用标准测试图像和LIVE库的降质图像进行实验,结果表明,该方法可在无参考图像的条件下对图像质量进行评估,评价结果与主观评价结果具有较高的一致性。     

基于视觉感知的融合图像质量评价

在分析传统的图像质量评价方法及其缺陷的基础上,指出将HVS特性引入图像计测方法中的必要性;同时,对融合图像质量评价现状及虚拟照相系统进行了深入的研究,鉴于虚拟照相系统研究的特殊性,建立了一套适合娱乐照相领域融合图像的质量评价方法,并给出实验分析。     

基于HVS的小波图像融合新算法

目前的大多数基于小波变换的图像融合算法，由于并没有细致考虑人眼的视觉特性，因而得到的融合效果有时并不理想。为了提高图像的融合效果，提出了一种新的基于人类视觉系统(HVS)的小波图像融合新算法。该算法充分考虑了人类视觉系统的特点，首先在多尺度小波分解的基础上，计算出每层每个像素邻域的纹理和边缘亮度相关量；然后自适应地求得加权融合系数；最后采用多层次迭代法来产生融合图像。实验结果表明，该算法不仅能使图像融合结果有较大的改善，而且有利于人眼对目标的探测和识别。     

基于结构相似度的CT域图像质量评价方法

提出一种基于结构相似度及人眼视觉系统的图像质量评价方法——Contourlet变换(CT)域结构相似度,采用Contourlet变换提取图像不同频带不同方向上的信息,该方法利用了Contourlet变换系数的优越特性。理论分析和实验结果表明,该方法具有较高的准确性及良好的相关性,可以更好地评判图像质量。     

一种多方向感知的高实时性视频融合算法

针对多路视频融合阶段拼缝线两侧范围内出现的虚影、色彩亮度差异以及高分辨率下无法实时拼接等问题,本文提出一种多方向感知的视频融合算法.首先,在图像配准阶段,采用SIFT提取特征点与特征描述子对图像进行配准;然后,在图像融合阶段,使用指数函数构建的权值查找表指导融合过渡,结合视频帧投影位置与拼接缝之间的距离,利用形态学操作...     

一种图像感知质量评价模型

在观察者观看和评价图像质量的过程中,提取对主观质量评价有重要影响的信息,并构建了一种图像感知质量评价模型.首先在主观评价过程中提取感知亮度、频率以及边缘3种重要信息;然后构造人眼视觉系统对3种信息的响应函数,并通过线性回归分析将函数拟合成为所需的图像感知质量评价模型;最后,分析了模型的预测值与主观质量评价方法给出的质量分数之间的 Pearson 相关系数和 Spearman 等级相关系数,分别为 0.966 和 0.949.与其他一些有代表性的客观图像质量评价方法相比较,该模型具有明显的优越性.     

一种基于初始闭环系统的性能评估方法

基于初始闭环系统的输出方差和最小方差指标, 提出了一种新的性能评估方法. 在过程时滞变化的情况下, 基于最小方差指标的评估可能会得到错误的结论, 而新的方法可以避免这一缺点. 扩展的性能指标以控制器投运后的初始状态作为零基准, 能够更准确地反映操作工系统性能的变化, 能够很好地替代最小方差指标. 利用交互矩阵可将扩展指标推广到多变量系统的评估中, 本文将这一算法应用于精馏塔过程的评估. 精馏塔过程的仿真示例验证了方法的有效性, 表明过程时滞变化时用扩展指标来进行评估更能反映系统性能的变化.