|
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.
. Proměnná provádí
normalizaci hodnot pro jednotlivé oblasti segmentace textury, hrany, plochy.
Výpočet popsán následovně [1]:
∑=
=
12
1
)1(
,,
j
jijii WDE (18)
=
=
jinak
2
1
pokud1 i
i
Yv
κ (19)
∑
++=
u CuCuYu RB
EEE ,,,
11
2
11
τ (20)
2.. Hodnota váhovacího parametru je
poté vypočítána dle rovnice (15) pro všechny vzdálenosti Di,j patřící jinak nabývá
hodnoty nula tím vylučuje ostatní videosekvence databázi podílu odhadu
výsledné kvality testované videosekvence., vypočítány jako [1]:
i
i
i
E
W
1
⋅
τ
κ
= (17)
kde udává váhu jednotlivých složek obrazu nebo ohledem klasi-
fikovanou oblast během segmentace.
Pokud definováno textury, hrany, plochy CB, CR, poté jsou hodnoty
parametru Wi, .definovány proměnnou nabývající hodnoty jedna.2 Výpočet parametrů Gi
Odhady úrovně kvality )420(
)( iVQRL )(
)( CIF
iVQRL snímku pro znehodnocenou
referenční videosekvenci (MPEG-1 MPEG-2) jsou počítány podle rovnic [1]:
∑=
⋅=
10
1
)420(
,,
)420( 1
)(
j
jijii LWVQRL
γ
, (21)
∑=
⋅=
10
1
)(
,,
)( 1
)(
j
CIF
jiji
CIF
i LWVQRL
γ
, (22)
18
. Jmenovatel vypočítán jako suma hodnot
přes všechny vzdálenosti Di,j patřící výběru pro danou složku obrazu klasi-
fikovanou oblast.6. Jelikož vyjádřeno násobením vzdáleností Di,j
s parametrem ji
)1(
, dochází vlastně jistému zprůměrování hodnot pro všechny složky
obrazu související klasifikované oblasti segmentace. Proměnná rozděluje složky
obrazu zvlášť jasovou chrominanční, což znamená, jasové složky mají
ve výsledku větší váhu než chrominanční složky nebo CR
