Implementace metriky pro hodnocení kvality videosekvencí.

| Kategorie: Diplomové, bakalářské práce  | Tento dokument chci!

Cílem této práce je vytvořit program schopný implementovat metriku CPqD-IESpro hodnocení kvality videosekvencí v prostředí MATLAB. Tato metrika je popsánav doporučení ITU-R BT.1683 pro metody objektivního měření kvality videosekvencíve standardním rozlišení vysílaném digitální televizí v reálném čase s plnou referencí. Hodnocení kvality videa je vypočítáno na základě objektivních parametrův závislosti na segmentaci obrazu. Měřené videosekvence jsou segmentací rozčleněnydo oblastí hran, ploch a textur. Objektivní parametry jsou přiřazeny ke každé z těchto oblastí. Vztah mezi každým objektivním parametrem a subjektivním hodnocenímkvality je aproximován křivkou, která je výsledným odhadem úrovně kvality pro každý parametr.

Vydal: FEKT VUT Brno Autor: Miloš Kachlík

Strana 38 z 53

Vámi hledaný text obsahuje tato stránku dokumentu který není autorem určen k veřejnému šíření.

Jak získat tento dokument?






Poznámky redaktora
Zbývá určit jaké znehodnocené videosekvence použít při vytváření databáze. tomuto účelu jsou použity rovnice (11) (12), kde se počítají odhady úrovně kvality )420( iL a )(CIF iL známých databázových parametrů )420( m )(CIF m parametrů jiF, jiG získaných během každého spuštění minimalizace. Minimalizací zjištěný parametr jiF, pak slouží jako nové zadání počátečních podmínek pro další kolo minimalizace.                                        + − 2 , , , 1 100 jiG ji ji j m F LSE (33) kde jSL průměrné subjektivní hodnocení kvality videosekvence jim průměrné objektivní měření získané mezi referenční videosekvencí znehodnocenou videosekvencí Průměrné subjektivní hodnocení kvality videosekvence jSL pro každou videosekvenci získáno dokumentu VQEG testování objektivních modelů hodnocení kvality videosekvencí [6]. Kontrola prováděna výpočtem odhadu úrovně kvality podle rovnice (1) použitím stejného objektivního parametru mi,j jako při minimalizaci. Pokud hodnoty odhadů úrovně kvality odpovídají trénované hodnotě, která dána průměrným subjektivním hodnocením kvality videosekvence jSL pak lze minimalizaci funkce ukončit jako úspěšnou získané parametry jiF, jiG zapsat databáze pro příslušnou video- sekvenci. Z vypočtených parametrů kontrolováno, zda-li minimalizací nalezené parametry jiF, jiG opravdu produkují odhad kvality jakou byly trénovány. Počáteční podmínky hledání jsou navíc zpřesňovány základě zpětného výpočtu odhadu úrovně kvality Li. Bohužel minimalizovaná funkce velmi ploché minimum každá sebemenší změna počátečních podmínek hledání vede odlišnému výsledku hledaných parametrů. Při výpočtech však bylo zjištěno, hodnota parametru jiF, obvykle pohybuje intervalu určení jeho hrubé hodnoty není potřeba měnit počáteční podmínku hledání pro parametr jiG Parametr jiF, určen několika- násobným spuštěním minimalizace funkce postupným zpřesňováním jeho počáteční podmínky hledání. Poté podobným způsobem přistoupeno hledání parametru jiG jehož hodnoty nelze jednoznačně definovat v nějakém úzkém intervalu hodnot. Analýzou naměřených dat bylo zjištěno, čím jsou objektivní parametry mi,j větší tím je produkován vyšší odhad kvality VQR. Z hodnot )420( iL , )(CIF iL )420( m )(CIF m jsou vypočítány parametry základě vyřešení soustavy dvou rovnic (28) (29). Minimalizace očekávané střední kvadratické chyby byla vypočítána matlabovskou funkcí fminsearch, která hledá minimum funkce pro neznámé jiF, jiG při zadaných počátečních podmínkách hledání. Proto jsou databáze vybírány znehodnocené videosekvence základě porovnání objektivních parametrů mi,j 28