【摘要】：隨著互聯(lián)網(wǎng)及計(jì)算機(jī)視覺(jué)的迅猛發(fā)展,視覺(jué)信息大數(shù)據(jù)時(shí)代也接踵而至。如何從與視覺(jué)信息相關(guān)的海量的數(shù)據(jù)中迅速而準(zhǔn)確地找到所需信息已成為一個(gè)非常有意義且具有挑戰(zhàn)性的研究熱點(diǎn),其中又以視覺(jué)信息的質(zhì)量為核心問(wèn)題。視覺(jué)信息的質(zhì)量直接影響信息的可展示性、檢索的準(zhǔn)確性與知識(shí)發(fā)現(xiàn)的可能性,進(jìn)而影響人工智能推理的可靠性。另外,社交網(wǎng)絡(luò)上圖像、視頻等可視化數(shù)據(jù)的數(shù)據(jù)量與日俱增,也預(yù)示著對(duì)多媒體數(shù)據(jù)有效的檢索技術(shù)變得越來(lái)越重要。因此,本文重點(diǎn)研究視覺(jué)信息的統(tǒng)計(jì)特性,質(zhì)量評(píng)價(jià)準(zhǔn)則的設(shè)計(jì)及基于視覺(jué)信息的檢索。主要的工作和創(chuàng)新點(diǎn)包括以下幾個(gè)方面:(1)針對(duì)現(xiàn)有基于機(jī)器學(xué)習(xí)的無(wú)參考視頻質(zhì)量評(píng)價(jià)方法中需要利用大量主觀評(píng)價(jià)分值進(jìn)行訓(xùn)練,導(dǎo)致復(fù)雜度高的問(wèn)題,提出一種非主觀值訓(xùn)練的盲視頻質(zhì)量評(píng)價(jià)算法。該算法的關(guān)鍵是利用高斯差分濾波器提取視頻結(jié)構(gòu)特征矢量,并建立多級(jí)質(zhì)量感知中心集合,構(gòu)建視頻空域質(zhì)量評(píng)估密碼本;然后利用聚類算法獲取對(duì)運(yùn)動(dòng)矢量進(jìn)行分類的閾值,進(jìn)而得到運(yùn)動(dòng)感知因子;最后,結(jié)合視頻空域感知質(zhì)量和運(yùn)動(dòng)加權(quán)因子得到視頻客觀質(zhì)量。結(jié)果表明,該算法優(yōu)于對(duì)比的其他無(wú)參視頻質(zhì)量評(píng)價(jià)算法,且計(jì)算復(fù)雜度低。(2)綜合考慮了影響立體視頻用戶體驗(yàn)質(zhì)量QoE的關(guān)鍵因素,提出了一種面向網(wǎng)絡(luò)傳輸業(yè)務(wù)的立體視頻用戶體驗(yàn)質(zhì)量的多指標(biāo)評(píng)價(jià)模型,該模型首先分析了立體視頻QoE的四大類影響因素;然后利用模糊層次分析法對(duì)所有影響因素進(jìn)行層次分析,建立評(píng)估指標(biāo)體系;最后,計(jì)算各指標(biāo)的權(quán)重值,得到最終的立體視頻QoE評(píng)價(jià)模型。通過(guò)網(wǎng)絡(luò)仿真實(shí)驗(yàn),并利用主觀評(píng)測(cè)值,驗(yàn)證各個(gè)指標(biāo)對(duì)網(wǎng)絡(luò)傳輸中立體視頻QoE的影響。(3)針對(duì)社交媒體中圖像和文本之間存在的噪聲大及不完全對(duì)應(yīng),造成基于關(guān)鍵詞查找圖像的檢索方法不準(zhǔn)確問(wèn)題,提出一種基于超圖相關(guān)性學(xué)習(xí)的社交圖像檢索模型。該模型基于超圖原理利用圖像的視覺(jué)信息特征,文本信息,及用戶的社交關(guān)系信息建立圖像之間多類型的關(guān)系。在超圖的學(xué)習(xí)過(guò)程中,利用選擇性優(yōu)化算法對(duì)超邊的權(quán)重進(jìn)行更新,實(shí)時(shí)的調(diào)整每個(gè)超邊在超圖重構(gòu)中的影響。另外,將圖像的受歡迎程度用于圖像檢索的重排序中。該方法適用于在社交媒體互動(dòng)平臺(tái)(比如Sina微博),利用圖像視覺(jué)特征、輔助的文本信息及圖像所屬用戶個(gè)人資料和興趣之間的關(guān)系,檢索出符合用戶個(gè)性化要求的結(jié)果。
[Abstract]:With the rapid development of Internet and computer vision, the era of visual information big data is also coming. How to find the needed information quickly and accurately from the massive data related to visual information has become a very meaningful and challenging research hotspot, in which the quality of visual information is the core issue. The quality of visual information directly affects the display of information, the accuracy of retrieval and the possibility of knowledge discovery, and then affects the reliability of artificial intelligence reasoning. In addition, the increasing amount of visual data such as images and videos on social networks indicates that effective retrieval techniques for multimedia data are becoming more and more important. Therefore, this paper focuses on the statistical characteristics of visual information, the design of quality evaluation criteria and visual information based retrieval. The main work and innovations include the following aspects: (1) in order to solve the problem of high complexity, we need to use a large number of subjective evaluation scores to train the existing machine learning-based video quality evaluation methods without reference. A blind video quality evaluation algorithm based on non-subjective training is proposed. The key of this algorithm is to extract the feature vector of video structure by using Gao Si differential filter, and to build a set of multi-level quality perception centers and a codebook of video quality evaluation in spatial domain. Then the threshold of motion vector classification is obtained by clustering algorithm, and then the motion perception factor is obtained. Finally, video objective quality is obtained by combining video spatial perception quality and motion weighting factor. The results show that the proposed algorithm is superior to other non-parametric video quality evaluation algorithms, and the computational complexity is low. (2) the key factors affecting the quality of stereoscopic video users' experience quality are considered synthetically. In this paper, a multi-index evaluation model for the user experience quality of stereoscopic video for network transmission service is proposed. Firstly, four kinds of factors affecting the QoS of stereoscopic video are analyzed. Then the fuzzy analytic hierarchy process (FAHP) is used to analyze all the influencing factors, and the evaluation index system is established. Finally, the weight value of each index is calculated, and the final evaluation model of stereoscopic video QoS is obtained. Through the network simulation experiment and the subjective evaluation value, the influence of each index on the QoS of stereo video in the network transmission is verified. (3) aiming at the large noise and incomplete correspondence between images and texts in social media, This paper presents a social image retrieval model based on hypergraph relevance learning. Based on the hypergraph principle, the model uses visual information features, text information and social relationship information of users to establish multi-type relationships between images. In the learning process of hypergraph, the weight of hyper-edge is updated by selective optimization algorithm, and the influence of each hyper-edge in hypergraph reconstruction is adjusted in real time. In addition, the popularity of the image is used in the reordering of image retrieval. This method can be used in social media interactive platform (such as Weibo) to retrieve the results that meet the user's personalized requirements by using the visual features of images, the auxiliary text information and the relationship between the user's personal data and their interests.
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張艷濱;余雁;;視覺(jué)信息的多維性探究[J];大眾文藝;2013年04期

2 張恒;劉艷麗;;基于視覺(jué)信息融合的駕駛員疲勞監(jiān)測(cè)方法綜述[J];信息技術(shù);2008年06期

3 李剛;;視覺(jué)信息傳遞的模糊性[J];美術(shù)大觀;2010年03期

4 壽天德;尹德輝;;關(guān)于圖形、圖像與腦對(duì)視覺(jué)信息的處理[J];臨沂師范學(xué)院學(xué)報(bào);2010年01期

5 ;非電話類服務(wù)[J];視聽(tīng)界;1991年03期

6 韓叢耀;;中華藝術(shù)視覺(jué)信息數(shù)據(jù)庫(kù)建設(shè)構(gòu)想(上)——視覺(jué)信息處理機(jī)制的建模及在視覺(jué)信息數(shù)據(jù)庫(kù)建設(shè)中的應(yīng)用[J];中國(guó)教育信息化;2009年17期

7 王苗輝;;基于視知覺(jué)的視覺(jué)信息界面設(shè)計(jì)研究[J];包裝工程;2011年08期

8 汪云九,邢靜;視覺(jué)信息加工的一些理論和模型[J];機(jī)器人;1987年03期

9 刁云程;“視覺(jué)信息加工”研究圓滿結(jié)束[J];中國(guó)科學(xué)基金;1994年01期

10 陳果;張武昕;高雋;;微小目標(biāo)的視覺(jué)信息獲取及系統(tǒng)設(shè)計(jì)[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年12期

相關(guān)會(huì)議論文 前10條

1 何蕓;杜誠(chéng);;21世紀(jì)的視覺(jué)信息技術(shù)[A];面向21世紀(jì)的科技進(jìn)步與社會(huì)經(jīng)濟(jì)發(fā)展（上冊(cè)）[C];1999年

2 翁強(qiáng);閆麗;翁偉生;;多維空間感知覺(jué)模型對(duì)視覺(jué)信息加工缺損的研究[A];第十一次中國(guó)生物物理學(xué)術(shù)大會(huì)暨第九屆全國(guó)會(huì)員代表大會(huì)摘要集[C];2009年

3 劉力;龔海韻;;果蠅蘑菇體對(duì)視覺(jué)信息的歸納作用[A];首屆中國(guó)神經(jīng)信息學(xué)討論會(huì)摘要[C];2000年

4 孫明;;視覺(jué)信息學(xué)的基本概念及其新技術(shù)在農(nóng)業(yè)中的應(yīng)用[A];中國(guó)農(nóng)業(yè)工程學(xué)會(huì)2011年學(xué)術(shù)年會(huì)論文集[C];2011年

5 王書(shū)榮;;視覺(jué)信息加工中的神經(jīng)元相互作用[A];第九次全國(guó)生物物理大會(huì)學(xué)術(shù)會(huì)議論文摘要集[C];2002年

6 蘇潤(rùn)娥;吉國(guó)明;宋筆鋒;;人的視覺(jué)信息捕捉能力測(cè)試軟件[A];陜西省航空裝備制造技術(shù)發(fā)展——第九屆陜西省青年科學(xué)家論壇論文集[C];2006年

7 楊瑾;李瀟;王書(shū)榮;;家鴿背外側(cè)丘腦神經(jīng)元參與外側(cè)單眼視覺(jué)和環(huán)境亮度檢測(cè)[A];第九次全國(guó)生物物理大會(huì)學(xué)術(shù)會(huì)議論文摘要集[C];2002年

8 張春宇;張蔚;劉海鵬;于立平;王小捷;李睿凡;;基于視覺(jué)信息的漢語(yǔ)詞匯語(yǔ)義習(xí)得[A];中國(guó)計(jì)算機(jī)語(yǔ)言學(xué)研究前沿進(jìn)展（2007-2009）[C];2009年

9 唐克倫;張湘?zhèn)?成思源;熊漢偉;張洪;;視覺(jué)信息與CMM測(cè)量數(shù)據(jù)的融合[A];第十二屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

10 李珊珊;于慶寶;馮士剛;鹿麒麟;唐一源;;視覺(jué)信息等級(jí)處理的雙腦協(xié)同性研究[A];大連理工大學(xué)生物醫(yī)學(xué)工程學(xué)術(shù)論文集（第2卷）[C];2005年

相關(guān)重要報(bào)紙文章 前2條

1 記者 班威;“家務(wù)機(jī)器人”能走能做家務(wù)[N];新華每日電訊;2010年

2 本報(bào)駐北京記者 李雪;北京心目影院 盲人的音畫(huà)世界[N];中國(guó)文化報(bào);2014年

相關(guān)博士學(xué)位論文 前8條

1 衛(wèi)津津;基于視覺(jué)信息的質(zhì)量感知模型及檢索方法研究[D];天津大學(xué);2015年

2 查正軍;基于機(jī)器學(xué)習(xí)方法的視覺(jué)信息標(biāo)注研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2009年

3 祝博薈;基于深度與視覺(jué)信息融合的行人檢測(cè)與再識(shí)別研究[D];東華大學(xué);2013年

4 何立火;視覺(jué)信息質(zhì)量感知模型及評(píng)價(jià)方法研究[D];西安電子科技大學(xué);2013年

5 尹顯東;多維隨機(jī)序列敏感視覺(jué)信息隱藏技術(shù)研究[D];電子科技大學(xué);2007年

6 沈喬楠;堆石混凝土施工管理中視覺(jué)信息的處理方法及應(yīng)用研究[D];清華大學(xué);2010年

7 王蒙軍;唇讀發(fā)聲器中視覺(jué)信息的檢測(cè)與處理[D];天津大學(xué);2007年

8 劉震;基于局部視覺(jué)信息的大規(guī)模圖像檢索研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 王苗苗;聯(lián)合鋒電位和局部場(chǎng)電位的視覺(jué)信息整合特性研究[D];鄭州大學(xué);2015年

2 凡思武;基于視覺(jué)信息和樹(shù)匹配的Deep Web數(shù)據(jù)抽取問(wèn)題的研究[D];山東大學(xué);2015年

3 李雯琴;基于圖模型的Web表格中視覺(jué)信息的研究[D];復(fù)旦大學(xué);2014年

4 田麗;品牌視覺(jué)信息的圖形動(dòng)態(tài)化創(chuàng)意呈現(xiàn)[D];南昌大學(xué);2015年

5 胡義坦;基于視覺(jué)信息的無(wú)人機(jī)著陸參數(shù)估計(jì)技術(shù)研究[D];南京航空航天大學(xué);2014年

6 王理軍;基于多體素模式分析的fMRI視覺(jué)信息解碼技術(shù)研究[D];解放軍信息工程大學(xué);2014年

7 胡澤銘;數(shù)字界面視覺(jué)信息認(rèn)知ERP實(shí)驗(yàn)研究[D];東南大學(xué);2015年

8 劉嘉麗;“中國(guó)—南亞博覽會(huì)”展示設(shè)計(jì)的視覺(jué)信息傳達(dá)研究[D];云南藝術(shù)學(xué)院;2016年

9 王紅旗;基于視覺(jué)信息的機(jī)械手對(duì)剛性橢球體的抓取穩(wěn)定性研究[D];河南理工大學(xué);2015年

10 何晉燁;博物館視覺(jué)信息設(shè)計(jì)中的字體形態(tài)研究[D];華中師范大學(xué);2016年

，

本文編號(hào)：2131224