基于运动剧烈程度的无参考视频质量评价模型

网络视频质量评估具有无参考性、实时性、网络传输状态依赖性和主观视觉性等需求.本文以网络丢包引发的视频失真为研究重点,针对不同解码类型帧上的网络丢包引发的视频失真持续效应不同和网络丢包引发的人眼视觉感受与丢包所在帧视频内容的运动剧烈程度有着显著的关联等现象,提出了一种基于运动剧烈程度的无参考视频质量评价模型.该模型无需原始参考视频序列亦无需视频解码,对客户端接收到的码流分析其由丢包引起的视频损伤,标记受损宏块,建立受损宏块的失真持续效应和运动剧烈程度与视频质量间的关联,并完成视频质量评估.实验结果表明,该方法计算量小,实时性高,与主观评价结果一致性程度较高.     

基于像素序列形态的适应性背景重构算法

背景重构是视频图像处理领域的支撑性工作之一.针对传统的背景重构算法运算复杂、背景图像失真等不足,本文提出了一种像素序列形态适应性背景重构算法.该算法通过提取像素序列形态特征进行分类处理,不同形态适用独立的背景提取策略、背景更新时刻和背景更新策略.实验结果验证表明:该算法无需对视频场景中的背景和运动目标建立模型,可直接从一组含有运动前景的视频图像中准确地重构背景,并有效避免混合现象|背景缓慢变化和突变时,亦可快速有效地完成背景重构.     

基于像素序列形态的适应性背景重构算法

背景重构是视频图像处理领域的支撑性工作之一.针对传统的背景重构算法运算复杂、背景图像失真等不足,本文提出了一种像素序列形态适应性背景重构算法.该算法通过提取像素序列形态特征进行分类处理,不同形态适用独立的背景提取策略、背景更新时刻和背景更新策略.实验结果验证表明:该算法无需对视频场景中的背景和运动目标建立模型,可直接从...