[01784353]基于四元数矩阵特征分析的视频质量客观评价模型

1、课题来源与背景 随着网络和视频技术的发展,视频相关的应用和需求越来越广,2011年末达到52.8%,至2015,视频传输数据将占总移动设备传输数据的三分之二。目前视频质量最准确的评价只能依靠主观质量评价方法,但实验环境要求高,参与人数多、数据分析复杂和花费大等使得主观质量评价方法的可行性较差,视频质量的客观评价是众多机构的研究目标。视频质量评价在实际中具有广泛的应用前景：如监控数量众多的视频设备的运行状况、找到故障点并快速维修;数字电视等视频设备的正常运转和视频质量的保证;新的压缩算法和视频协议的性能评价。在国外,相关的视频质量评价的产品如Tektronix已进入中国市场,国内产品尚缺乏竞争力。 2、主要论点与论据 （1）建立自顶向下的质量评价框架：传统方法较重视亮度,而人眼视觉中色度也具有重要的作用,分析色度和亮度在神经医学border to surface机制中的不同作用;时域信息区别于空域的特点是包含运动信息,合理描述符合HVS的时域运动信息并降低背景等空域信息对其的影响。 （2）建立自顶向下的四元数评价模型：符合人眼的视觉特性信息由边缘、纹理和平坦区域三层次构成,其中边缘对视觉观察起决定性作用,结合border to surface的方法对视频空域和时域信息建模,确定四元数的四个部分及其模型。 （3）四元数模型的分解计算：确定四元数矩阵的分解策略,同时除了奇异值求解外,比较其他的计算方法如LU、低秩等方法,既考虑稳定性,又要保留多样性。 3、创见与创新 （1）建立自顶向下设计的视频质量评价框架,研究色度和亮度两个基本元素在轮廓、纹理和其他区域的的不同作用,结合初步发现的色度在surface失真上的成果,建立符合神经科学border to surface视觉机制的自顶向下的评价框架。 （2）根据border to surface视觉机制,先分析视频空域特征和时域运动的结构信息差异如空域轮廓、纹理和时域残差;并结合频域方法进一步分析时域的运动信息特征,建立视频质量的四元数评价模型,四元数模型适合建立整体评价,解决了各部分分开评价后合起来的再计算问题。 （3）在奇异值分解的基础上,采用LU分解、低秩分解等方法对视频质量评价四元数模型进行量化分析,在稳定性的基础上保留多样性。 4、成果简介 （1）采用自顶向下的视频质量评价方法,利用四元数实现质量评价的建模,并采用奇异值分解来实现评价向量的提取; （2）依据border to surface机制,提出了一种包括轮廓特征、色度和空域残差信息的四元数视频质量模型; （3）提出了一种基于灰度共生矩阵加权的四元数视频质量评价方法,通过灰度共生矩阵比较失真和参考视频之间的结构差异; （4）提出了一种基于结构相似性的四元数视频质量评价方法,该方法将结构相似性方法与四元数模型相结合,并将结构相似性计算应用到时域; （5）提出了一种基于人眼视觉机制的视频质量评价四元数模型,该方法利用四元数矩阵奇异值分解提取特征向量的方式来获取视频的特征信息,并加入了HVS特性加权和块效应加权。