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 50 z 53

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

Jak získat tento dokument?






Poznámky redaktora
znamená, že videosekvence vysokém rozlišení byly nakonec odhadovány lépe než standard- ním přes potíže způsobené jejich zpracováním kodekem MPEG-4. K ohodnocení funkčnosti metriky byl vypočítán Pearsonův koeficient korelace, který udává vztah mezi subjektivními hodnoceními odhadnutými výsledky metriky. Stěžejní prací bylo vytvořit databáze znehodnocených videosekvencí, neboť ori- ginální databáze nebyla dispozici. Protože práci byly použity videosekvence dosahující velmi vysokých bitových toků, lze považovat výsledky implementované metriky dobré. Naměřené objektivní parametry přesto dokázaly postihnout jisté rozdíly mezi různými stupni znehodnocení pro jednu referenční videosekvenci. V práci použité videosekvence standardním rozlišení byly kódovány video kodekem MPEG-2 videosekvence vysokém rozlišení byly kódovány video kodekem MPEG-4. Databáze jsou vytvořeny základě naměřených objektivních parametrů několika různých videosekvencí jejich subjektivních hodnocení kvality. Vytvořené databáze byly vyzkoušeny souboru videosekvencí, kde ukázalo, metrika uzpůsobena hodnocení videosekvencí zpracovaných video kodekem MPEG-2. Čím Pearsonův koeficient korelace bližší jedné tím silnější lineární vztah mezi hodnoceními. 40 . Pro videosekvence standardním rozlišení vyšel koeficient korelace roven 0,658 pro videosekvence vysokém rozlišení dokonce 0,741. Při tomto procesu musí být minimalizována funkce, která nemá výrazné minimum proto obtížné dosáhnout požadovaných hodnot.ZÁVĚR Tato diplomová práce pojednává objektivních technikách hodnocení kvality videa ve standardním vysokém rozlišení digitální televize. Daná problematika byla řešena v programovém prostředí MATLAB, které uzpůsobeno práci různými druhy signálů obsahuje vhodné nástroje pro zpracování videosekvencí. Situace byla navíc ztížená nedostatkem dostupných videosekvencí požadovanými parametry a údaji, což mohlo negativně projevit skladbě databáze znehodnocených videosekvencí. Proto metrika selhala při pokusu odhadovat kvalitu videosekvencí zpracovaných video kodekem MPEG-4, který používá vyhlazovací filtr odstranění blokových artefaktů, čímž dosahuje lepší obrazové kvality při nízkém bitovém toku. Algoritmus metriky postaven tak, aby byl schopen rozpoznat typické obrazové artefakty způsobené MPEG-2 kódováním videosekvencí. základě této skutečnosti bylo možno upravit výsledky odhadů kvality pomocí lineární transformace. Ale ani výs- ledky odhadů pro videosekvence standardním rozlišení nedopadly vyloženě špatně, neboť jejich koeficient korelace byl velmi podobný tomu, který byl pro tuto metriku a stejný typ videosekvencí uváděn výsledném hodnocení objektivních metrik skupinou VQEG [6]. tomto dokumentu koeficient korelace uváděn 0,672. práci podrobně popsán algoritmus vyhodnocování kvality videosekvencí a vytvoření databáze znehodnocených videosekvencí. Dále zde tvůrci metriky uvádějí, metrika byla navržena optimalizována hodnocení videosekvencí nízké kvalitě, zejména pro přenosové aplikace. Pozornost byla zaměřena na metriku CPqD-IES, která založena segmentaci obrazu oblasti hran, ploch a textur