基于视觉注意力变化的网络丢包视频质量评估

针对网络中受丢包损伤的视频提出了一种基于视觉注意力变化的全参考客观质量评估方法.该方法基于视觉显著性检测在视频数据上的应用,考察受网络丢包失真影响的视频数据与标准参考数据在空间和时间上引起的视觉注意力变化,并根据此变化相应的视觉显著性在空间和时间上的差异,提出了一组客观质量评估方法.文中采用17个受丢包损伤的视频数据进行测试,并实施了主观评价实验作为评价标准.与传统的没有考虑人眼视觉显著特性的质量评估方法,以及目前主流的基于视觉显著区域/感兴趣区域对失真像素进行加权的方法进行对比,实验结果表明, 基于视觉注意力变化的方法较后两者与主观质量评估结果有更好的相关性, 能够更有效地评估丢包损伤视频的质量.     

分组网络中的视频质量评估

分组网络中的视频质量评估虽然从理论上可以采用一般的视频质量评估方法,但是由于视频在网络上传输的特殊情况以及宽带业务运营的要求,需要满足实时性高、资源开销小等要求。首先描述了分组网络中的视频质量评估方法及其模型分类,介绍了目前在分组网络中的视频质量评估方面的研究成果,并分析和总结了它们的优缺点及性能;最后展望了评估方法及模型的发展。     

基于线性回归分析的部分参考视频质量评估方法*

提出了一种基于线性回归分析的部分参考视频序列质量评估算法。该算法主要以原始视频的帧间差异作为参考信息,通过分析编码前后视频时域活动性的变化和单帧比特数的变化关系来客观评价视频序列的编码质量。该方法只需少量原始参考信息,算法简单。通过对标准视频序列的仿真实验,该算法可有效评价不同视频的编码质量,使用该质量评估方法测得的失真视频客观质量评分与其主观质量评分有较好的一致性。     

3D视频后处理方法的评估及改进

利用2D视频滤波方法处理3D视频时会影响“景深”的表现效果。针对该问题,通过计算视频的块效应程度和深度损失率,并结合主观评分,对视频质量进行评估,在评估结果的基础上,根据3D视频的景深信息对传统后处理方法进行改进。实验结果表明,改进方法能够带给观众更真实的3D体验。     

基于深度学习的视频质量评价研究综述

视频质量评价(VQA)是以人眼的主观质量评估结果为依据,使用算法模型对失真视频进行评估.传统的评估方法难以做到主观评价结果与客观评价结果相一致.基于深度学习的视频质量评价方法无需加入手工特征,通过模型自主学习即可进行评估,对视频质量的监控和评价有重要意义,已成为计算机视觉领域的研究热点之一.首先对视频质量评价的研究背景...     

基于网络丢包的网络视频质量评估

针对传统的视频质量评估模型对于在包交换网络中传输的压缩视频（网络视频）进行质量评估的局限性,如对视频质量进行评估时实时性差、没考虑人眼的视觉感知等问题,提出了一种基于网络丢包的网络视频质量评估模型。该模型采用了统计学理论,它可根据视频编码、封装传输的特点,通过可量化的评价指标来评定视频质量受网络丢包的影响程度,以评估网络视频质量。利用该模型进行网络视频质量评估,不仅资源开销小、实时性好,而且特别适合对实时传输的视频流进行视频质量评估。为了验证该模型的正确性与可靠性,采用它与MPQM模型分别对受系列丢包率影响的视频序列进行了评估实验。实验结果表明,该模型的评价结果能较好地吻合MPQM模型的评价结果,且符合人眼的视觉效果。     

视频理解中的动作质量评估方法综述

视频中动作质量的评估指对视频中人物对象的动作质量进行评价,如计算动作质量分数、等级或者不同人物表现的优劣,是视频理解和计算机视觉研究中的一个重要方向。从动作质量分数预测、等级分类以及水平排序3个方面对视频中的动作质量评估方法进行总结,然后对这些方法在目前常用数据集上的表现进行分析,最后讨论未来研究中亟待解决的问题。     

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.     

基于CNN的监控视频中人脸图像质量评估

在公共安全领域,监控视频中的人脸识别技术是不可或缺的技术,成为研究热点.而监控视频中低质量的人脸图像会大大降低整个人脸识别系统的识别准确率,系统难以更广泛地被投入实际使用.本文提出了一种基于CNN的人脸图像质量评估方法.通过对Alexnet模型进行改进,将网络中的多个卷积层与全连接层连接,从而提取不同尺度的图像特征.通过端到端的训练过程,预测人脸图像质量分数.另外,采用人脸识别算法来标定人脸图像的质量分数,使质量分数能更有效地筛选出适合识别算法的图像.在Color FERET数据集上实验表明,本文方法能够准确地对人脸图像进行质量评估.而在实际采集的监控视频数据集上实验表明,本文方法能筛选出高质量的人脸图像用作后续人脸识别,提高人脸识别准确率.     

边缘加强的超高清视频质量评估

目的 随着网络和电视技术的飞速发展,观看4 K(3840×2160像素)超高清视频成为趋势。然而,由于超高清视频分辨率高、边缘与细节信息丰富、数据量巨大,在采集、压缩、传输和存储的过程中更容易引入失真。因此,超高清视频质量评估成为当今广播电视技术的重要研究内容。本文提出了一种边缘加强的超高清视频质量评估方法。方法 对输入视频的每一帧进行拆分处理,利用边缘检测算子对R、G、B三通道的图像分别进行边缘检测,合并R、G、B三通道的边缘信息得到视频帧的边缘图像。设计边缘掩蔽、内容依赖和时域记忆3个网络模块分别提取相应的特征,将特征输入到全连接层中进行降维处理后获得质量特征,基于质量特征计算输入视频的视频质量分数。由于超高清视频具有丰富的边缘,边缘细节清晰度极高,因此在边缘处引入的失真通常较为明显,而本文提出的边缘加强方法特别适用超高清视频的质量评估。同时由于提出的方法引入了内容依赖和时域迟滞特性,因此也同时适用其他野生视频的质量评估。结果 实验在包括超高清在内的4个视频质量评估数据集上进行,与5种主流方法进行比较,结果表明提出的方法性能优越。在KoNViD-1K、DVL2021、LIVE-Qualcomm、LSVQ据集上,与当前性能最好的方法相比,SROCC(Spearman rank-order correlation coefficient)指标分别提升了3.9%、4.2%、10.0%和0.6%,PLCC(Pearson’s linear correlation coefficient)指标分别提升了3.9%、2.2%、10.1%和0.1%。结论 本文方法结合超高清视频的特点,更好地拟合了人眼视觉特性,获得了当前最好的性能;同时由于未使用光流方法,大幅减少了计算量,获得了很好的泛化能力。     

基于结构失真度的视频加密视觉保密性评价

提出视觉保密性的概念,分析视频质量评价和视觉保密性评价的不同,根据结构相似度理论得到基于结构失真度的评价方法,从结构失真的角度分析视频密文直接解码后得到的密文图像,以客观的评测方法和指标评价视频信息的视觉保密性,并给出评价算法及实验数据。实验结果表明,该评价方法客观、高效、区分度好。     

Perceptual quality assessment of nighttime video

The quality of nighttime videos is important for consumer photography and monitoring of video clearness. However, little work has been done on the study of nighttime video quality assessment. In this paper, to the best of our knowledge, we explore the study on the nighttime video quality assessment for the first time. First, we build a real-world nighttime video quality assessment database (NVQA) containing 200 videos with abundant content and diverse distortion. Additionally, we carry out subjective tests to rate all nighttime videos in the NVQA database. Thereafter, we proposed a blind nighttime video quality assessment model based on feature fusion and conducted experiments to evaluate the performance and efficiency of our proposed model. The experiment results demonstrate that our model outperforms most traditional methods.     

基于时域梯度相似度的视频质量评价模型

频质量评价有助于多媒体网络系统优化和视频编解码算法改进,近年来已成为图像质量评价领域的热门研究方向。在图像质量评价模型(FSIM)的基础上,结合视频局部多帧之间的时域相关性,通过采用新型的三维梯度算子计算原始视频序列与失真视频序列间的梯度相似度矩阵,提出了一种基于时域梯度相似度的视频质量评价模型(TGSM FSIM)。在LIVE视频数据上的测试结果表明,所提模型与视频主观评价有较好的一致性,SROCC与PLCC指标优于VSSIM和VQM两种广泛使用的视频质量评价算法。     

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。     

视频大数据研究综述

科学技术与生产力的发展带来了数据量的高速增长,其中视频图像等多媒体数据占了很大的比重。如何高效处理这些海量数据并从中快速挖掘有价值的信息是当前的研究热点。通常大数据具有四个特点,即数据量大、需要快速响应、数据类型多样和价值密度低。视频大数据同样具有以上特点,但其特殊性在于数据冗余更大,需要进行高效的压缩编码与分析处理。总的来说,视频大数据的研究内容包括了视频数据表示、智能视频分析、视频压缩与传输、视频显示与评价等方面。在发展趋势上,视频数据的表示将向真实感与智能化两个方向发展;智能视频分析技术将会借助深度神经网络获得更准确的识别分类结果;视频压缩技术在提升压缩效率的同时也会探索降低编码复杂度的方法,并通过结合人眼视觉感知特性的编码算法来减少视频大数据的视觉冗余;视频显示设备将伴随着视频数据表示形式的改变而进行相应的升级换代;视频质量的评价准则将由单一的图像质量评价向更加综合全面的用户体验质量评价发展。     

基于Agent技术的个性化网络视频选择模型

随着数字视频压缩技术的迅速发展,互联网视频资源日益丰富,图象质量也千差万别,从视频质量的角度,选择最适合客户的资源,是我们关心的问题。Agent是一种新的分布式计算方式,是分布式人工智能中的重要技术。文章将Agent与视频质量评估结合,提出基于Agent技术的个性化网络视频选择模型。     

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

针对三网融合条件下的视频质量模型、评估体系和设计方案, 提出了一种基于压缩感知的半参考视频质量评估方法。该算法首先建立视频质量模型, 并通过压缩感知算法获取视频图像的感知系数; 然后利用视频图像的稀疏边缘分布去表征不同图像失真模型的相关性; 最后利用一个信息距离测度测量这些概率分布并进行量化。在标准测试图像库上的实验验证了该算法的有效性和对于不同失真模型的适应性, 特别是更适合于运营商在多屏、多制式、多终端、多分工界面等特点的三网融合复杂环境下的应用。     

采用内容划分方法的视频质量评价

目前基于结构相似性的图像质量评价算法均是对图像进行整体质量分析,但图像中不同的区域存在着不同的结构特性和视觉感知特性,而对图像进行整体质量分析无法有效反应出这些差异。鉴于此,提出了一种基于内容划分的结构相似性图像质量评价算法,根据图像不同区域的变化率将图像分为4个部分,分别进行质量评价。采用运动估计的帧加权的方式将该方法扩展到视频质量评价中。实验证明了该算法与目前比较流行的几个算法相比具有较高的评价准确性。