隨著立體技術(shù)的不斷發(fā)展,立體視頻相關(guān)應用和服務(wù)系統(tǒng)開始走近人們的生活,扮演著越來越重要的角色,在這些立體視頻系統(tǒng)中,控制好視頻內(nèi)容的感知質(zhì)量是保證用戶體驗的關(guān)鍵。然而,在立體視頻系統(tǒng)的各處理階段,由于帶寬、設(shè)備和技術(shù)的限制,立體視頻可能遭受不同程度的損壞,從而使得立體視頻系統(tǒng)的性能受到極大影響。而無參考立體視頻質(zhì)量評價(Stereoscopic video quality assessment,SVQA)算法可以實現(xiàn)對立體視頻視覺感知質(zhì)量的量化,可幫助系統(tǒng)對立體視頻質(zhì)量進行監(jiān)測、控制和改善,成為立體視頻處理領(lǐng)域重要的研究課題。傳統(tǒng)的無參考立體視頻質(zhì)量評價方法大多數(shù)具有相似的框架,其一般采用分治法對該問題進行簡化,包括手工特征提取和分類器設(shè)計。但是在現(xiàn)實場景中,我們在評價視頻質(zhì)量時必須要考慮視頻內(nèi)容信息、深度感知信息和時域信息等復雜視覺因素的非直觀交互作用,因此我們很難設(shè)計出一組特征適用于各種失真類型和失真程度。為解決傳統(tǒng)方法的弊端,我們將卷積神經(jīng)網(wǎng)絡(luò)引入到立體視頻質(zhì)量評價領(lǐng)域,建立了一個基于3D卷積神經(jīng)網(wǎng)絡(luò)的無參考立體視頻質(zhì)量評價框架。首先,我們依據(jù)人類立體視覺特性和質(zhì)量評價相關(guān)特性完...

【文章頁數(shù)】：68 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 立體視頻質(zhì)量評價研究現(xiàn)狀
        1.2.2 基于深度學習的圖像/視頻質(zhì)量評價研究現(xiàn)狀
    1.3 本文創(chuàng)新點
    1.4 本文結(jié)構(gòu)安排
第2章 算法理論背景
    2.1 立體視覺
        2.1.1 雙目視差
        2.1.2 雙目融合
        2.1.3 雙目競爭
    2.2 人工神經(jīng)網(wǎng)絡(luò)
        2.2.1 網(wǎng)絡(luò)結(jié)構(gòu)
        2.2.2 誤差反向傳播算法
    2.3 卷積神經(jīng)網(wǎng)絡(luò)
        2.3.1 網(wǎng)絡(luò)基本部件
        2.3.2 網(wǎng)絡(luò)基本思想
    2.4 本章小結(jié)
第3章 基于3D卷積神經(jīng)網(wǎng)絡(luò)的立體視頻質(zhì)量評價
    3.1 數(shù)據(jù)預處理
        3.1.1 立體信息獲取
        3.1.2 數(shù)據(jù)集增強
    3.2 基于2D卷積神經(jīng)網(wǎng)絡(luò)的方法初步探究
    3.3 3D卷積神經(jīng)網(wǎng)絡(luò)
        3.3.1 3D卷積
        3.3.2 3D池化
        3.3.3 3D CNN網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
        3.3.4 3D卷積神經(jīng)網(wǎng)絡(luò)與支持向量回歸的結(jié)合
    3.4 質(zhì)量分數(shù)融合策略
    3.5 本章小結(jié)
第4章 實驗與分析
    4.1 立體視頻數(shù)據(jù)庫
        4.1.1 NAMA3DS1-COSPAD1 立體視頻質(zhì)量數(shù)據(jù)庫
        4.1.2 QI-SVQA數(shù)據(jù)庫
    4.2 性能評價指標
    4.3 算法性能對比與分析
    4.4 算法各部件貢獻分析
    4.5 數(shù)據(jù)增強所依賴的假設(shè)證明
    4.6 跨庫交叉驗證
    4.7 算法效率分析
    4.8 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
發(fā)表論文和參與科研情況說明
致謝



本文編號：3752890