A RNN-based objective video quality measurement

Technology used to automatically assess video quality plays a significant role in video processing areas. Because of the complexity of video media, there are great limitations to assess video quality with only one factor. We propose a new method using artificial random neural networks （RNNs） with motion evaluation as an estimation of perceived visual distortion. The results are obtained through a nonlinear fitting procedure and well correlated with human perception. Compared with other methods, the proposed method performs more adaptable and accurate predictions.

数字视频图像质量客观测量方法的改进与实现

在传统的图像客观测试峰值信噪比的基础上,对比了重建图像与原始图像,改进了测试模糊及方块效应等关键质量指标的算法,同时提出了预处理的方案.实用中可与图像质量主观评价的meanopinionscore对应,并可用于测试与评价图像传输系统的质量.

不同分辨力视频之间的图像质量客观评价研究

提出了一种解决不同分辨力视频之间图像质量客观评价的算法结构,并基于PSNR、加权PSNR以及模糊度和块效应建立客观评价算法。在实验部分,对不同分辨力视频图像在质量评价中的常见问题设计多个实验进行分析。

一种基于视觉感知的视频质量客观评价方法

结合人眼视觉系统特性,讨论了视频的空域、时域信息以及由之产生的3个度量参数,提出了一种基于人眼视觉特性的客观视频质量的评价方法。实验结果表明,该方法能有效地反映人眼视觉机制,合理评价视频质量,在视频信号处理和图像压缩领域有着广泛应用前景。

图像质量客观评价算法中校准模块的设计

提出了一种适用于全参考的图像质量客观评价的校准模块。该模块通过分析主观评价结果的统计特性,以及以最差图像质量的视频序列作为客观评价分值区间划分的参考,可以有效改善客观评价算法的评价性能,获取与主观评价结果较高的一致性。在实验部分,通过对PSNR在采用该校准模块前后的评价结果进行分析,验证了算法的有效性。

一种针对高清图像的JND模型改进方法

基于全参考的JND(刚辨差)模型是视频图像质量客观评价算法中的一个经典算法。对该算法的重要步骤和主要参数进行深入分析,并结合高清视频图像的特点,在通道分解、参数选取和屏蔽效应等方面提出改进思路并建立用于高清视频的改进型JND模型。实验结果表明,在评价高清视频图像质量时,该模型可获得与主观评价结果更为一致的客观测量结果。