發(fā)布時間：2018-01-16 15:10

  本文關(guān)鍵詞：碼流感知型的無參考視頻質(zhì)量評價模型的研究與實現(xiàn)　出處：《福州大學(xué)》2014年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 無參考視頻質(zhì)量評價 運動劇烈程度 空域復(fù)雜度 時空聯(lián)合 視頻質(zhì)量預(yù)測

【摘要】：隨著網(wǎng)絡(luò)技術(shù)的不斷發(fā)展,網(wǎng)絡(luò)運營商越來越關(guān)注由其提供的網(wǎng)絡(luò)傳輸?shù)木W(wǎng)絡(luò)視頻在客戶端的質(zhì)量。網(wǎng)絡(luò)視頻質(zhì)量受網(wǎng)絡(luò)傳輸因素的影響,網(wǎng)絡(luò)傳輸因素主要包括延遲、抖動和丟包,其中丟包對網(wǎng)絡(luò)視頻質(zhì)量造成的影響較延遲和抖動的大。網(wǎng)絡(luò)視頻在傳輸過程中一般不會攜帶原始參考視頻信息,且網(wǎng)絡(luò)視頻實時性要求高,由此研究一種實時性高、無參考的且只考慮由網(wǎng)絡(luò)丟包引發(fā)的視頻失真的網(wǎng)絡(luò)視頻質(zhì)量評價模型已成為一個研究熱點。網(wǎng)絡(luò)視頻質(zhì)量除了跟丟包率的大小直接相關(guān)外,還跟受丟包影響的宏塊所在區(qū)域的內(nèi)容視覺特性有關(guān),由此本文在評價視頻質(zhì)量時考慮了丟包、內(nèi)容視覺特性和視頻質(zhì)量三者間的關(guān)系。考慮丟包發(fā)生在不同類型幀和運動劇烈程度不同區(qū)域?qū)σ曨l質(zhì)量的影響,提出了基于運動劇烈程度的無參考視頻質(zhì)量評價模型。考慮丟包發(fā)生在不同類型幀和紋理豐富程度不同區(qū)域?qū)σ曨l質(zhì)量的影響,提出了基于空域復(fù)雜度的無參考視頻質(zhì)量評價模型。結(jié)合前兩種視頻質(zhì)量評價模型提出了一種運動矢量和DCT融合的無參考視頻質(zhì)量評價模型。并在第三種視頻質(zhì)量評價模型的基礎(chǔ)上結(jié)合失真視頻中的時空聯(lián)合效應(yīng),提出基于時空聯(lián)合的無參考視頻質(zhì)量評價模型。這四個模型都是通過對接收到的碼流進(jìn)行分析得到用于評價視頻質(zhì)量的信息,無需完全解碼,實時性高。為了使得客戶在客戶端觀看到的網(wǎng)絡(luò)視頻的質(zhì)量處于穩(wěn)定水平,需預(yù)先知道下一階段網(wǎng)絡(luò)視頻的質(zhì)量,從而判斷是否調(diào)整視頻源等。由此提出了一種視頻質(zhì)量預(yù)測方法,該方法分為三個階段,分別為預(yù)測下一階段的網(wǎng)絡(luò)丟包率、預(yù)測下一階段視頻的內(nèi)容視覺特性和建立基于SVM的視頻質(zhì)量分類模型。采用多項式擬合模型預(yù)測下一階段的網(wǎng)絡(luò)丟包率,采用差分自回歸移動平均模型預(yù)測下一階段視頻的內(nèi)容視覺特性�；赟VM的視頻質(zhì)量分類模型的特征向量為預(yù)測得到的網(wǎng)絡(luò)丟包率和內(nèi)容視覺特性,通過SVM建立視頻質(zhì)量分類模型,將分類模型用于預(yù)測下一階段視頻的質(zhì)量。最后,本文設(shè)計并實現(xiàn)網(wǎng)絡(luò)視頻質(zhì)量實時評價系統(tǒng),并對系統(tǒng)得到的視頻質(zhì)量評價結(jié)果和系統(tǒng)效能進(jìn)行分析。該系統(tǒng)中的視頻質(zhì)量評價模型為本文提出的基于時空聯(lián)合的無參考視頻質(zhì)量評價模型,可以對網(wǎng)絡(luò)視頻進(jìn)行自動化的、實時的評估,從系統(tǒng)評價結(jié)果與主觀評價結(jié)果的一致性和CPU占用率方面驗證了基于時空聯(lián)合的無參考視頻質(zhì)量評價模型在實際應(yīng)用中的性能。
[Abstract]:With the development of network technology, network operators pay more and more attention to the quality of network video transmitted by network. The quality of network video is influenced by the factors of network transmission. Network transmission factors mainly include delay, jitter and packet loss, in which the impact of packet loss on the quality of network video is greater than that of delay and jitter. Network video generally does not carry the original reference video information in the transmission process. And network video real-time requirements are high, so a kind of real-time research is high. The network video quality evaluation model with no reference and only considering the video distortion caused by network packet loss has become a research hotspot. The network video quality is directly related to the packet loss rate. It is also related to the content visual characteristics of the area where the macroblock is affected by the packet loss, so this paper considers the loss of the packet when evaluating the video quality. The relationship between content visual characteristics and video quality. Considering the impact of packet loss in different types of frames and regions with different intensity of motion on video quality. This paper presents a non-reference video quality evaluation model based on the intensity of motion, considering the effect of packet loss in different types of frames and different regions of texture richness on video quality. A non-reference video quality evaluation model based on spatial complexity is proposed, and a non-reference video quality evaluation model based on motion vector and DCT fusion is proposed in combination with the first two video quality evaluation models. Based on the frequency quality evaluation model, the spatio-temporal joint effect of distorted video is combined. In this paper, a spatio-temporal joint non-reference video quality evaluation model is proposed. The four models are based on the analysis of received bitstreams to obtain the information used to evaluate the video quality without the need of complete decoding. In order to make the quality of the network video viewed by the client at a stable level, we need to know the quality of the next stage of the network video in advance. A video quality prediction method is proposed, which is divided into three stages, which are the prediction of network packet loss rate in the next stage. The video quality classification model based on SVM is established to predict the content visual characteristics of the next stage of video, and the polynomial fitting model is used to predict the network packet loss rate in the next stage. The difference autoregressive moving average model is used to predict the content visual characteristics of the next stage of video. The feature vector of the video quality classification model based on SVM is the network packet loss rate and the content vision characteristics. The video quality classification model is established by SVM, and the classification model is used to predict the next stage of video quality. Finally, this paper designs and implements a real-time evaluation system of network video quality. The results of video quality evaluation and system effectiveness are analyzed. The video quality evaluation model of the system is proposed in this paper based on space-time joint no reference video quality evaluation model. Online video can be automated, real-time evaluation. The performance of the non-reference video quality evaluation model based on spatio-temporal joint evaluation is verified from the consistency of the system evaluation results with the subjective evaluation results and the CPU occupancy rate.
【學(xué)位授予單位】：福州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TN919.8

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 盧劉明;陸肖元;;分組網(wǎng)絡(luò)中的視頻質(zhì)量評估[J];計算機應(yīng)用研究;2008年09期

2 楊愛華;;網(wǎng)絡(luò)課程中視頻質(zhì)量的優(yōu)化[J];現(xiàn)代教育技術(shù);2009年08期

3 趙大軍;劉思平;李冶文;俞航;;視頻質(zhì)量評估方法及規(guī)范[J];電信工程技術(shù)與標(biāo)準(zhǔn)化;2011年04期

4 白彥鵬;吳學(xué)智;何如龍;;視頻質(zhì)量客觀評估方法分析[J];計算機與數(shù)字工程;2011年10期

5 孫延;岑峰;;基于深度的3D視頻質(zhì)量評價[J];微型機與應(yīng)用;2013年03期

6 田玲;廖紫纖;何楚;;三網(wǎng)融合下基于壓縮感知的半?yún)⒖家曨l質(zhì)量評估方法研究[J];計算機應(yīng)用研究;2013年06期

7 王新岱,楊付正;視頻質(zhì)量的主客觀評估方法研究[J];電視技術(shù);2003年08期

8 曾銳;;視頻質(zhì)量與維護[J];中國有線電視;2009年06期

9 ;寶利通宣布支持H.264 High Profile,同樣的視頻質(zhì)量僅需一半帶寬[J];中國新通信;2010年07期

10 許偉堅;馮超;李進(jìn)錦;黃聯(lián)芬;姚彥;;一種新的視頻質(zhì)量評價中幀對齊算法[J];廈門大學(xué)學(xué)報(自然科學(xué)版);2012年02期

相關(guān)會議論文 前5條

1 楊春亭;柳楊;;基于視覺感知的視頻質(zhì)量測量方法的研究[A];2009中國儀器儀表與測控技術(shù)大會論文集[C];2009年

2 史萍;;基于特征的視頻質(zhì)量損傷度客觀測量方法[A];通信理論與信號處理新進(jìn)展——2005年通信理論與信號處理年會論文集[C];2005年

3 王輝麟;史宏;;基于變權(quán)參數(shù)的鐵路視頻監(jiān)控系統(tǒng)視頻質(zhì)量動態(tài)檢測方法研究[A];第七屆中國智能交通年會優(yōu)秀論文集——智能交通技術(shù)[C];2012年

4 譚杰;孫志剛;程輝;;IPTV視頻質(zhì)量監(jiān)測模型[A];第十七屆全國青年通信學(xué)術(shù)年會論文集[C];2012年

5 張桂卿;傅雪鵬;佘方毅;;IPTV視頻傳輸質(zhì)量問題分析[A];中國新聞技術(shù)工作者聯(lián)合會第六次會員代表大會、2014年學(xué)術(shù)年會暨第七屆《王選新聞科學(xué)技術(shù)獎》和優(yōu)秀論文獎頒獎大會論文集（三等獎）[C];2014年

相關(guān)重要報紙文章 前2條

1 安捷倫科技公司;MDI 指標(biāo)衡量視頻質(zhì)量[N];通信產(chǎn)業(yè)報;2006年

2 安捷倫科技（中國）有限公司;安捷倫：三重播放環(huán)境驗證IPTV(下篇)[N];通信產(chǎn)業(yè)報;2006年

相關(guān)博士學(xué)位論文 前7條

1 劉河潮;網(wǎng)絡(luò)丟包的無參考視頻質(zhì)量評估方法研究[D];西安電子科技大學(xué);2013年

2 史志明;網(wǎng)絡(luò)視頻質(zhì)量評估方法與測試技術(shù)研究[D];北京郵電大學(xué);2013年

3 劉河潮;網(wǎng)絡(luò)丟包的無參考視頻質(zhì)量評估方法研究[D];西安電子科技大學(xué);2014年

4 杜海清;無線傳輸中的視頻質(zhì)量評價及控制研究[D];北京郵電大學(xué);2010年

5 楊艷;基于多特征類型的無線視頻質(zhì)量用戶體驗（QoE）方法研究[D];北京郵電大學(xué);2012年

6 蘇洪磊;基于碼流的網(wǎng)絡(luò)視頻無參考質(zhì)量評估研究[D];西安電子科技大學(xué);2014年

7 趙敏;基于IP網(wǎng)絡(luò)視頻質(zhì)量自適應(yīng)控制的研究[D];西北工業(yè)大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 孫魯川;網(wǎng)絡(luò)會議視頻質(zhì)量評估方法分析、改進(jìn)及應(yīng)用[D];電子科技大學(xué);2015年

2 余浩淼;視頻監(jiān)控系統(tǒng)的網(wǎng)絡(luò)層質(zhì)量監(jiān)控與故障檢測系統(tǒng)[D];復(fù)旦大學(xué);2013年

3 賈琳;基于DSP的視頻質(zhì)量監(jiān)測系統(tǒng)設(shè)計[D];黑龍江大學(xué);2015年

4 劉洋;基于HTTP自適應(yīng)流媒體的質(zhì)量評估[D];西安電子科技大學(xué);2014年

5 田云;H.264的視頻質(zhì)量評估及編解碼算法的實現(xiàn)[D];西安電子科技大學(xué);2014年

6 劉興龍;基于視覺特性的視頻質(zhì)量評估系統(tǒng)[D];西安電子科技大學(xué);2014年

7 王進(jìn);考慮網(wǎng)絡(luò)丟包的視頻質(zhì)量無參評估模型[D];石家莊鐵道大學(xué);2015年

8 朱元全;變電站視頻質(zhì)量診斷系統(tǒng)的檢測技術(shù)研究[D];華北電力大學(xué);2015年

9 關(guān)爽;視覺顯著性檢測及其在視頻質(zhì)量評價中的應(yīng)用[D];中國計量學(xué)院;2015年

10 吳麗麗;碼流感知型的無參考視頻質(zhì)量評價模型的研究與實現(xiàn)[D];福州大學(xué);2014年

，

本文編號：1433639