本站原创
摘 要：目前，视频业务在网络怎么写作中所占比重越来越大。对视频业务质量进行评估有助于怎么写作提供商改善用户体验，具有重要研究意义。在客观视频质量评价方法中，基于结构相似性的视频评价算法（SSIM）性能良好，计算简单，因此得到了广泛应用与研究。然而这种方法在评价某些模糊失真时性能不佳。针对于此，本文提出一种考虑人眼视觉特性的视频质量评价算法。本文根据人眼视觉特性（HVS），在结构相似性算法中集成了对比敏感度，多信道结构，以及边缘效应等特性。实验结果表明，与结构相似度算法相比，本文提出的方法与主观视频质量评价具有更好的相关性和更高的预测精度，也更符合人眼的主观感受。特别是对于视频压缩失真的评价性能具有明显的提高。
关键字：SSIM；人眼视觉特性；视频质量评价
：A DO3.0
随着通信网络的高速化，视频业务在运营商提供的怎么写作中占据了越来越大的份额。而怎么写作提供者最为关注的是用户的体验。因此有必要对视频业务质量进行评估。视频质量评估的方法包括主观评价和客观评价。主观评价中，试验者观察数据库中的原始视频与失真视频，并依据主观感受对所有失真视频评分。因为需要大量的视频样本与试验者，整个评估过程浪费了大量的时间人和精力。而客观评价的方法依据一系列视频质量的影响因素来建立数学计算模型，自动感知图像质量。根据失真图像的质量评价对原始图像的依赖程度，客观评价方法分为全参考型（FR），无参考型（NR）和半参考型（RR） 。常用的全参考方法包括均方误差（MSE）和峰值信号噪声比（PSNR） 。这些方法的特点是计算简单，有明确的物理意义，并且容易使用数学方法对他们进行优化。然而，在这些方法中图像的各个元素被看作是独立的，没有考虑到元素间的联系，所以准确性不够理想。最近几年， Zhou Wang等认为人眼视觉系统最为重要的特点是提取视觉场景中的结构信息[3-4]， 并在文献[3]中提出了结构相似度（SSIM）质量评价方法。仿真结果显示这种基于结构信息的方法优于传统的PSNR 方法。虽然SSIM 质量评价算法在计算机数字系统中实现简单、并且预测精度较好， 但是对于较为模糊图像性能欠佳。而人眼视觉系统的许多特性与视频质量评价密切相关[5]。到目前为止，相关学者详细研究了许多人眼视觉特性，如对比灵敏度（C）、视觉掩盖效应、多通道结构、视觉非线性定律等。鉴于此，本文从人眼视觉特性出发，结合结构相似性算法，提出了一种改进的基于HVS的视频质量评价方法。
设是亮度函数，是对比度函数，是结构函数，分别定义为：
（1）
（2）
（3）
其中，是亮度的标准差，是亮度的协方差，是较小的常数，避免分母为零。
将以上分量综合考虑，则将结构相似性可以定义为：
（4）
来模拟人眼视觉系统。详细流程如图1所示：
图1 基于HVS的视频质量评价算法流程图
Fig.1 Video quality assesent flow based on HVS
（5）
空间频率，与分别代表水平和垂直方向的空间频率，定义如下：
（6）
（7）
图2描绘了归一化后的C函数响应曲线。横坐标为空间频率，纵坐标为人眼对比灵敏度。
空间频率
图2 归一化C曲线
Fig.2 Normalized C response
由于小波分解，原图像被划分为多个子带，对应于空间频率。可以利用空间频率上的CFS函数来模拟人眼视觉系统的灵敏度。这个过程称为C掩蔽，利用小波变换的多分辨率性质，将参考图像和失真图像分别进行DWT，根据人眼对相应空间频率的灵敏度，对小波系数进行加权。
文本使用峰值C掩蔽[8]。首先计算亮度灵敏度函数（C）的离散小波变换。再取C曲线在其相应的倍频子带的最大值作为权重。最后将所有的权重进行标准化，使得最小的是单位1。而根据HVS特性，人眼对图像失真的辨别能力落在一个范围之中，恰可察觉变化（JND）正是描述了此效应。对小波系数进行C加权后，对于系数较小的子带，其对人眼的影响可以忽略。因此设置一个门限，仅使用大于此门限的系数重构图像。门限大小应与各子带系数差异性有关。若各子带系数相差悬殊，则较小系数的子带被人眼忽略。反之则门限较大，重构图像时各子带将被保留。首先求得子带系数标准差：
关键字：SSIM；人眼视觉特性；视频质量评价
：A DO
摘自：毕业论文翻译www.udooo.com
I：10.3969/j.issn.1003-6970.2013.06.032
0 引言
随着通信网络的高速化，视频业务在运营商提供的怎么写作中占据了越来越大的份额。而怎么写作提供者最为关注的是用户的体验。因此有必要对视频业务质量进行评估。视频质量评估的方法包括主观评价和客观评价。主观评价中，试验者观察数据库中的原始视频与失真视频，并依据主观感受对所有失真视频评分。因为需要大量的视频样本与试验者，整个评估过程浪费了大量的时间人和精力。而客观评价的方法依据一系列视频质量的影响因素来建立数学计算模型，自动感知图像质量。根据失真图像的质量评价对原始图像的依赖程度，客观评价方法分为全参考型（FR），无参考型（NR）和半参考型（RR） 。常用的全参考方法包括均方误差（MSE）和峰值信号噪声比（PSNR） 。这些方法的特点是计算简单，有明确的物理意义，并且容易使用数学方法对他们进行优化。然而，在这些方法中图像的各个元素被看作是独立的，没有考虑到元素间的联系，所以准确性不够理想。最近几年， Zhou Wang等认为人眼视觉系统最为重要的特点是提取视觉场景中的结构信息[3-4]， 并在文献[3]中提出了结构相似度（SSIM）质量评价方法。仿真结果显示这种基于结构信息的方法优于传统的PSNR 方法。虽然SSIM 质量评价算法在计算机数字系统中实现简单、并且预测精度较好， 但是对于较为模糊图像性能欠佳。而人眼视觉系统的许多特性与视频质量评价密切相关[5]。到目前为止，相关学者详细研究了许多人眼视觉特性，如对比灵敏度（C）、视觉掩盖效应、多通道结构、视觉非线性定律等。鉴于此，本文从人眼视觉特性出发，结合结构相似性算法，提出了一种改进的基于HVS的视频质量评价方法。1 结构相似性方法（SSIM）及其特点
Zhou Wang提出基于结构失真测量视频质量评估方法，称为结构相似性（SSIM）。该方法根据人眼会提取观察到景象的结构信息，认为结构信息和图像质量之间有很大联系。对于原始图像和失真图像，亮度，对比度以及结构越相似，表示失真图像的质量越高。设是亮度函数，是对比度函数，是结构函数，分别定义为：
（1）
（2）
（3）
其中，是亮度的标准差，是亮度的协方差，是较小的常数，避免分母为零。
将以上分量综合考虑，则将结构相似性可以定义为：
（4）
2 基于HVS的结构相似性方法
由于结构相似性算法考虑到图像的空域结构，它在主客观质量评价一致性上的表现比峰值信号噪声比好。但结构相似性只是模拟了图像的空域特性，没有利用其它的人眼视觉特性。本文提出了基于HVS的改进结构相似性算法，将人眼视觉特性，如视觉对比灵敏度，视觉遮掩，多通道结构以及对边缘信息的敏感性集成到结构相似性算法中。人眼视觉系统对不同空域方向和频率的失真敏感度不同。而图像经过小波变换（DWT）后，被分解为若干个对应于不同方向和空间频率的子带图像。结合小波分析理论[6]，将参照信号和失真信号分别进行小波变换来模拟人眼视觉系统。详细流程如图1所示：
图1 基于HVS的视频质量评价算法流程图
Fig.1 Video quality assesent flow based on HVS
2.1 对比敏感度与C遮掩
人眼观察景象时，对不同频率信号的亮暗对比度具有不同的敏感性。对比敏感度（C）正是用来描述这一特性。人眼对比灵敏度是空间频率的函数，在中频上有最大值，并分别向高频与低频递减，呈现带通性质。Mannos通过大量实验给出了一种常用的C函数表达[7]：（5）
空间频率，与分别代表水平和垂直方向的空间频率，定义如下：
（6）
（7）
图2描绘了归一化后的C函数响应曲线。横坐标为空间频率，纵坐标为人眼对比灵敏度。
空间频率
图2 归一化C曲线
Fig.2 Normalized C response
由于小波分解，原图像被划分为多个子带，对应于空间频率。可以利用空间频率上的CFS函数来模拟人眼视觉系统的灵敏度。这个过程称为C掩蔽，利用小波变换的多分辨率性质，将参考图像和失真图像分别进行DWT，根据人眼对相应空间频率的灵敏度，对小波系数进行加权。
文本使用峰值C掩蔽[8]。首先计算亮度灵敏度函数（C）的离散小波变换。再取C曲线在其相应的倍频子带的最大值作为权重。最后将所有的权重进行标准化，使得最小的是单位1。而根据HVS特性，人眼对图像失真的辨别能力落在一个范围之中，恰可察觉变化（JND）正是描述了此效应。对小波系数进行C加权后，对于系数较小的子带，其对人眼的影响可以忽略。因此设置一个门限，仅使用大于此门限的系数重构图像。门限大小应与各子带系数差异性有关。若各子带系数相差悬殊，则较小系数的子带被人眼忽略。反之则门限较大，重构图像时各子带将被保留。首先求得子带系数标准差：
摘自：本科毕业论文答辩www.udooo.com
摘自：毕业论文怎么写www.udooo.com