结合人眼视觉关注特性的视频质量评价

您当前的位置：

首页 >

文章列表页 >

结合人眼视觉关注特性的视频质量评价

信息光学与图像处理 | 更新时间：2025-09-01

- 结合人眼视觉关注特性的视频质量评价
- Video quality assessment combining with human visual gaze characteristics
- 光学技术 2016年42卷第4期页码：351-356
- 作者机构：
  
  1:宁波大学信息科学与工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目(U1301257;61271270;61311140262);国家科技支撑计划项目(2012BAH67F01)
- DOI：10.13741/j.cnki.11-1879/o4.2016.04.014
  中图分类号：
- 纸质出版：2016
- 稿件说明：
移动端阅览
王朝云, 郁梅, 陈芬, 等. 结合人眼视觉关注特性的视频质量评价[J]. 光学技术, 2016,42(4):351-356.

Video quality assessment combining with human visual gaze characteristics[J]. 2016, 42(4): 351-356.
王朝云, 郁梅, 陈芬, 等. 结合人眼视觉关注特性的视频质量评价[J]. 光学技术, 2016,42(4):351-356. DOI： 10.13741/j.cnki.11-1879/o4.2016.04.014.

Video quality assessment combining with human visual gaze characteristics[J]. 2016, 42(4): 351-356. DOI： 10.13741/j.cnki.11-1879/o4.2016.04.014.

考虑到人眼视觉关注特性在视频质量评价(VQA)中所具有的重要作用

提出了一种结合人眼视觉关注特性的视频质量评价方法。首先利用三维Sobel算子以及恰可察觉失真模型得到全局显著图

对全局显著图的每个显著像素点构建结构张量来求取一帧的全局质量;然后利用视频运动信息以及人眼中心关注特性求得局部显著图来进行感知加权

得到一帧的局部质量;最后均衡局部与全局质量得到视频中一帧的质量

并采用机器学习的方法获得时域加权模型

对视频帧进行加权

从而得到客观视频质量评价值。在LIVE视频数据库上进行性能测试

得到PLCC(Pearson Linear Correlation Coefficient)为0.827

SROCC(Spearman Rank Order Correlation Coefficient)为0.802

与已有相关算法相比

所提出的VQA方法的评价结果更接近人眼的主观感知。

浏览量

200

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于视觉显著图的数字水印算法

一种基于视觉底层特征的图像质量评价方法

基于衍射深度神经网络的四相OAM相干复用解调实现

基于运动特征的点目标识别技术研究