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 27 z 53

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

Jak získat tento dokument?






Poznámky redaktora
Při výpočtu jsou dále použity databázové parametry jiF, jiG [1]: (     += jiG jijiji mFL ,)420( ,, )420( , /1/100 (11) (     += jiGCIF jiji CIF ji mFL ,)( ,, )( , /1/100 (12) (     += jiG ijiji mFL ,)420( , )420( , /1/100 (13) (     += jiGCIF iji CIF ji mFL ,)( , )( , /1/100 (14) Algoritmus poté vybere databáze znehodnocených videosekvencí soubor šesti nejpodobnějších videosekvencí založených vzdálenosti Di,j definuje ji )1( , jako [1]: ∑= − − Ω Ω = 12 1 1 ,, 1 ,,)1( , )( )( k kiki jiji ji Da Da W , (15)    Ω∈ =Ω jinak0 )ence(videosekvpokud1 )( , k a (16) Výběr šesti nejpodobnějších videosekvencí prováděn všech videosekvencí v databázi přes jednotlivé složky obrazu nebo ohledem klasifikované oblasti během segmentace, tzn.2.. pro každé {1, .. {1, .. Proměnné Li,j vyjadřují odhady úrovně kvality pro znehodnocené videosekvence I(420) a I(CIF) , které jsou jednou vypočítány pro objektivní parametry )420( m )(CIF m pocházející databáze druhé pro parametry m(420) a m(CIF) získané během vlastního objektivního měření. 2 1 CIF ji CIF jijijiji LLLLD −+−= (10) kde index představuje složku obrazu nebo ohledem klasifikované oblasti během segmentace, tzn., {(plocha, Y), (plocha, CB), (plocha, CR), (hrana, Y), (hrana, CB), (hrana, CR), (textura, Y), (textura, CB), (textura, CR)}. Vybrané videosekvence jsou 17 .. Výpočet vychází lokální vzdálenosti Di,j, která vyjadřuje podobnost mezi jednotlivými snímky f znehodnocených videosekvencí I(420) a I(CIF) , každé videosekvence databázi [1]: ( ))( , )( , )420( , )420( ,, ., 9}.6. Index udává vybranou videosekvenci databáze znehodnocených videosekvencí.1 Výpočet parametru Wi Parametr slouží váhování odhadu úrovně kvality Li, viz rovnice (2)