監(jiān)控視頻的質(zhì)量評價技術(shù)研究.pdf

1、監(jiān)控視頻在獲取以及傳輸過程中都會必可避免地產(chǎn)生各種降質(zhì),失真,這些不僅會降低人們觀察視頻時的主觀感受,而且會對視頻的后期處理和應(yīng)用產(chǎn)生影響,這些應(yīng)用包括運動目標檢測、字符識別、行為分類等等。目前的視頻質(zhì)量評價算法通常被分為主觀評價和客觀評價兩類。主觀評價算法是指由觀測人員觀看視頻后根據(jù)主觀感知直接給出品質(zhì)等級的判斷;而客觀評價算法則試圖由計算機技術(shù)代替人眼做出自動的快速評測?？陀^評價算法將人從繁重枯燥的工作中解脫出來,因而成為研究的主流

2、,學(xué)者們先后提出了統(tǒng)計模型評價算法、基于視覺系統(tǒng)仿真(HVS)的評價模型、以及基于結(jié)構(gòu)相似性(SSIM)的算法。
　　本文在實踐的基礎(chǔ)上對這些算法進行了論述,并且針對各種主流算法的優(yōu)缺點進行了探討,并據(jù)此提出了主客觀結(jié)合的綜合評價系統(tǒng)。算法中用非線性回歸模型將訓(xùn)練樣本的結(jié)構(gòu)信息、主觀評價級別與樣本視頻的客觀表征參數(shù)結(jié)合起來,對回歸模型進行訓(xùn)練。在訓(xùn)練完成后,用該模型對待評價的失真視頻進行品質(zhì)評估。該算法的優(yōu)點是評價過程并不需要有一

3、個理論上質(zhì)量完美的基準視頻作為參考,而且評價機構(gòu)可以根據(jù)對視頻的特殊需要進行調(diào)整,只需要在樣本訓(xùn)練階段修改評價標準和評價級別。但是非線性回歸算法也有一定缺點:回歸算法的推廣度低,且適應(yīng)性不好。本文通過引入圖像多尺度變換的方法,對回歸模型進行改進。改進后的算法經(jīng)試驗證明在對視頻進行品質(zhì)分類的過程中有很好的準確性和魯棒性,而基于學(xué)習(xí)算法的模型其適應(yīng)性也能達到要求。
　　現(xiàn)有的視頻質(zhì)量評價算法都是基于幀圖像的品質(zhì)測定的,然而監(jiān)控視頻對于