基于視覺感知的立體視頻客觀質(zhì)量評(píng)價(jià)研究.pdf

1、立體視頻包含左右視點(diǎn)兩個(gè)視頻，觀看時(shí)能夠給觀看者帶來更為身臨其境的觀看體驗(yàn)，因此也吸引了越來越多的學(xué)者的關(guān)注，并逐漸成為視頻通信領(lǐng)域的研究熱點(diǎn)。在立體視頻通信系統(tǒng)之中，立體視頻質(zhì)量評(píng)價(jià)技術(shù)則是其關(guān)鍵技術(shù)之一。因此，立體視頻質(zhì)量評(píng)價(jià)技術(shù)的研究對(duì)于立體視頻系統(tǒng)的發(fā)展有著積極的推動(dòng)作用。本學(xué)位論文從圖像質(zhì)量評(píng)價(jià)方法出發(fā)，通過研究人眼視覺特性以及立體視頻本身所存在的特點(diǎn)，建立了兩種立體視頻客觀質(zhì)量評(píng)價(jià)方法。其中，具體研究內(nèi)容如下：
　　(

2、1)從立體視頻質(zhì)量的構(gòu)成來看，圖像質(zhì)量是其重要組成部分之一。本文中，通過研究分形編碼（Fractal Coding)的過程，利用其中的圖像自相似性（S e l f-similarity)理論，提出一種基于自相似性的半?yún)⒖紙D像質(zhì)量評(píng)價(jià)方法。該方法利用分形編碼中拼貼誤差（Collage Error)這一變量作為判斷圖像失真程度的特征，通過度量參考圖像與失真圖像各塊之間拼貼誤差的改變程度并將其作為各塊的質(zhì)量，之后利用顯著性對(duì)各塊質(zhì)量進(jìn)行加權(quán)，

3、從而得到整體圖像質(zhì)量。在德克薩斯大學(xué)奧斯汀分校建立的圖像測(cè)試庫（LIVE數(shù)據(jù)庫)上進(jìn)行準(zhǔn)確性試驗(yàn)，主客觀圖像質(zhì)量之間的線性相關(guān)系數(shù)(Linear Correlation Coefficients，LCC)均達(dá)到0.92以上，Spearman秩相關(guān)系數(shù)(Spearman Rank Order Correlation Coefficients，SROCC)基本達(dá)到0.9以上，均方根誤差(Rooted mean square error，RM

4、SE)在6以下。實(shí)驗(yàn)結(jié)果表明該半?yún)⒖紙D像質(zhì)量評(píng)價(jià)方法在節(jié)約帶寬(拼貼誤差數(shù)據(jù)量為參考圖像數(shù)據(jù)量的1/64或1/128)的同時(shí)，能較為準(zhǔn)確地預(yù)測(cè)圖像客觀質(zhì)量。
　　(2)針對(duì)目前對(duì)于視頻質(zhì)量評(píng)價(jià)方法中時(shí)域信息描述困難的問題，提出來一種基于三維小波變換（Three Dimensional-Discrete Wavelet Transform,3 D-DWT)的立體視頻質(zhì)量評(píng)價(jià)方法。首先利用雙樹復(fù)小波變換（Dual-Tree Compl

5、ex Wavelet Transform，DT-CWT)模擬人類視覺細(xì)胞，對(duì)立體視頻中左右視點(diǎn)進(jìn)行融合，從而得到雙目融合視頻，然后利用三維小波變換對(duì)雙目融合視頻中的各幀組進(jìn)行變換分解并計(jì)算各幀組質(zhì)量，最后根據(jù)各幀組亮度以及運(yùn)動(dòng)程度等特征對(duì)幀組質(zhì)量進(jìn)行加權(quán)得到雙目融合視頻質(zhì)量，并將其作為立體視頻質(zhì)量。在 NAMA3D立體視頻數(shù)據(jù)庫上進(jìn)行準(zhǔn)確性試驗(yàn)，主客觀立體視頻質(zhì)量之間的LCC超過0.92，SROCC超過0.91，RMSE保持在5左右。實(shí)

6、驗(yàn)證明該方法與人眼視覺一致性較高，能客觀預(yù)測(cè)立體視頻質(zhì)量。
　　(3)由于視頻圖像的清晰度不斷增加，視頻圖像通信系統(tǒng)中所需傳輸?shù)臄?shù)據(jù)量越來越大。同時(shí)，實(shí)際視頻通信系統(tǒng)中往往無法獲得任何參考視頻圖像的信息。針對(duì)于這樣的問題，利用自然圖像小波系數(shù)的分布形態(tài)所包含的特征，本文中提出了一種基于小波系數(shù)分布特征的無參考圖像質(zhì)量評(píng)價(jià)方法。由于自然圖像小波變換后得到小波系數(shù)呈近似?穩(wěn)定分布(?-stable Distribution)，因此該方

7、法利用其概率密度函數(shù)(Probability Density Function，PDF)的參數(shù)作為分布特征。同時(shí)，通過子帶間分布特征的關(guān)系提取分布特征向量，并利用支持向量回歸（Support Vector Regression，SVR)的方式訓(xùn)練得到預(yù)測(cè)模型，從而提出了無參考的圖像質(zhì)量評(píng)價(jià)方法。該方法預(yù)測(cè)得到的圖像客觀質(zhì)量與主觀質(zhì)量之間的LCC和SROCC均達(dá)到0.9以上，RMSE保持在6.5以下。準(zhǔn)確性指標(biāo)表明該方法在無需參考圖像的情

8、況下，能夠較為準(zhǔn)確的預(yù)測(cè)圖像質(zhì)量，具有較高的應(yīng)用價(jià)值。
　　(4)由于視頻小波系數(shù)與圖像小波系數(shù)有相似的分布形態(tài)，因此在之前無參考圖像質(zhì)量評(píng)價(jià)方法基礎(chǔ)上，考慮到立體視頻所具有的特點(diǎn)，本文提出了一種基于小波系數(shù)分布特征的無參考立體視頻質(zhì)量評(píng)價(jià)方法。該方法利用三維小波變換（Three Dimensional Discrete Wavelet Transform,3 D-DWT)得到視頻序列中較重要幀組的小波系數(shù)，同時(shí)分別提取立體視頻序