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 21 z 53

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

Jak získat tento dokument?






Poznámky redaktora
sousedních pixelů.7 [Y(x Y(x, y)]; 7) Pro měnící 1) 8) Pro měnící 2) 9) Y(x, Y(x, 0. Vyskytuje-li původním snímku jasové složky nějaká dynamicky měnící oblast, pak její vzájemná poloha rozmazaných obrazech Y'' bude lišit.7 [Y(x Y(x, y)]; 4) Pro měnící 1) 5) Pro měnící 1 6) Y(x Y(x, 0. Nejprve vznikne první posunutý obraz horizontálním směru, který dále brán jako zdrojový obraz pro vý- počet druhého posunutého obrazu celý proces opakuje dokud nejsou provedeny posuny pro všechny horizontální vertikální směry.Algoritmus vytváří rozmazaný obraz postupným posouváním snímku jasové složky všech horizontálních vertikálních směrech.7 [Y(x, Y(x, y)]; 10)Pro měnící 1) 11) Pro měnící 1 12) Y(x, Y(x, 0. Jelikož každý výsledek předchozího kroku brán jako zdroj pro další krok, jedná vlastně jistý druh rekurzivního procesu filtrace.7 [Y(–1) Y(x, y)]; 13)Uložení obrazu obrazu Y', kde Y(x, reprezentuje jas pixelu souřadnicích (x, y), počet řádků je počet sloupců snímku jasové složky Druhé provedení uvedeného algoritmu vytváří rozmazaný obraz Y''. 1) Pro měnící 1) 2) Pro měnící 2) 3) Y(x Y(x, 0. Porovnáním rozmazaných obrazů vytvořen binární obraz [1]:    ≥ = jinak0 ),(),(pokud1 ),( yxY''yxY' yxB (6) K určení hranových pixelů dále testováno okolí pixelů náležejícího binárního obrazu Pokud pixel B(x, roven jedné okolí sousedních pixelů alespoň jeden pixel roven nule, pak jedná hranový pixel zapsán druhého binárního obrazu [1]:      ∈ == =′ jinak0 ),(),(pixelkterýkolivpro 0),(a1pokud1 ),( yxΝy'x' y'x'BB(x,y) yxB (7) kde Ν8(x, množina pixelů (x', y'), jež nachází uvnitř oblasti 3×3 pixelů se středem (x, y), tj. 11 . Rekurzivní proces použitý při detekci hran potlačuje náhodný šum obraze