H.264 无参考视频质量评价方法 (使用了基于遗传编程方法的符号回归)
来源:互联网 发布:类似美工云的网站 编辑:程序博客网 时间:2024/06/05 09:06
Nicolas Staelens 等人在《Constructing a No-Reference H.264/AVC Bitstream-based Video Quality Metric using Genetic Programming-based Symbolic Regression》论文中研究了H.264的视频质量评价方法。这篇论文我感觉真的是把无参考视频质量评价做到了很高的水平,很有必要记录一下其中的关键信息。
注:并不是特别了解基于遗传编程方法的符号回归,在此就不多讲述这方面的了。
文章首先回顾了一下客观视频质量评价算法:
选择的8个测试序列如下表所示。分别标明了来源以及描述。
8个测试序列的内容如下图所示。
计算了8个测试序列的SI(空间复杂度)和TI(时间复杂度),并以散点图的形式画成如下图所示的图表。
注:有关SI(空间复杂度)和TI(时间复杂度)可以参考:衡量视频序列特性的TI(时间信息)和SI(空间信息)
视频编码选项设定如下:
模拟丢包的时候,使用了名为nalu-drop classifier的工具。
本文打算从下列参数中选择可以用于建立视频质量评价模型的参数,备选参数数量真是大的惊人啊。
经过计算后,得出了每个变量在预测视频质量这方面做出的贡献,如下图所示。
最终选定了8个参数:perc_pic_lost, i_loss, slices, p_loss, B_pictures, imp_cons_slice_drops, I_perc_8x8 and perc_i_8x8。
有一些不明白的地方,先不多说了,看一看最终建立的模型,以树的形式显示如下图。
上图可以写成如下公式:
对此模型进行验证的结果如下表所示。作为对比,引入了两种视频质量评价算法:PSNR和VQM。非常令人震惊的是,该模型的性能竟然比这两种算法都要好。
注:PSNR介绍:http://blog.csdn.net/leixiaohua1020/article/details/11729289
VQM介绍:http://blog.csdn.net/leixiaohua1020/article/details/12685297
- H.264 无参考视频质量评价方法 (使用了基于遗传编程方法的符号回归)
- H.264 视频质量评价方法 (基于视频内容)
- H.264 视频质量评价方法 (基于视频内容)
- 一种H.264高清视频的无参考视频质量评价算法(基于QP和跳过宏块数)
- 《无参考视频质量评价方法研究 》
- 基于运动特征的视频质量评价方法(基于H.264)
- 无参考图像质量评价之基于局部子图像相似度统计的评价方法
- H.264视频质量评价算法(基于偏最小二乘法回归)
- 视频质量评价方法
- 视频质量评价方法
- 无参考图像质量评价之基于多特征的增强图像质量评价
- 无参考图像的清晰度评价方法
- 无参考图像的清晰度评价方法
- 无参考图像质量评价之可察觉模糊程度方法(JNB)
- 视频主观质量评价方法
- 视频质量评价方法:VQM
- 视频质量评价:常规方法
- 视频质量评价方法:VQM
- 如何实现P2P穿透
- Android Contacts(二)—— SMS 短信 与 Contacts 联系人关联
- Android Contacts(一)—— 读取联系人
- 黑马程序员-java基础之排序、查找、内存分配、函数重载
- Android SMS(二)—— 读取短信保存到 SQLite
- H.264 无参考视频质量评价方法 (使用了基于遗传编程方法的符号回归)
- tomcat服务的配置和开启
- 给你10分钟时间,根据上排给出十个数,在其下排填出对应的十个数 要求下排每个数都是先前上排那十个数在下排出现的次数
- Android SMS(一) —— 读取短信
- 银行业务调度系统
- Android 国内应用市场的汇总
- Bitmap 之 getPixels() 的 stride
- Ubuntu 环境变量及 ADB 配置
- Android: couldn't save which view has focus because the focused view ### has no id