CN108184112A - 一种基于心理测量动态优化的深海视频质量主观评价方法 - Google Patents
一种基于心理测量动态优化的深海视频质量主观评价方法 Download PDFInfo
- Publication number
- CN108184112A CN108184112A CN201810084444.6A CN201810084444A CN108184112A CN 108184112 A CN108184112 A CN 108184112A CN 201810084444 A CN201810084444 A CN 201810084444A CN 108184112 A CN108184112 A CN 108184112A
- Authority
- CN
- China
- Prior art keywords
- deep
- sea
- video
- subjective
- evaluation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/004—Diagnosis, testing or measuring for television systems or their details for digital television systems
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种基于心理测量理论动态优化的深海视频主观质量评价方法,所述方法包括以下步骤:步骤S1、深海视频质量的语义度量;步骤S2、深海视频主观质量评价设计;步骤S3、基于离散费希纳心理测量的主观质量动态优化评价策。其优点表现在:发明基于心理测量理论动态优化的深海视频主观质量评价方法,一旦投入应用,可以实现以下技术效果:从科学有用性的角度进行标度,深海视频的主观视频质量评价以主体按照既定的评价过程和评价准则,对给定深海视频测试序列的质量做出合理度量;通过动态跟踪评价过程减少冗余评价能有效提高评价效率,在保证精度的同时能够极大的节约时间、人力资源,达到节约成本的目的。
Description
技术领域
本发明涉及视频处理技术领域,具体涉及一种基于心理测量理论动态优化的深海视频主观质量评价方法。
背景技术
水下视频技术应用于浅海环境下相关研究已经有六十多年的历史,在推动海洋生物生态研究、鱼群种类研究、水下对象探测和跟踪等方面发挥了重要作用。近年来,随着深海探测技术的不断发展,携带摄像设备的无人或有人深潜器能够在千米到万米的深海区拍摄深海视频。2016年12月,上海海洋大学“张謇”号科考船携带自主研发的“彩虹鱼”号深潜器,在西南太平洋公海开展万米深渊科考,获得了宝贵的万米深渊的影响资料,为人类开展深海科学研究,探测未知海底世界提供了无价信息。深海视频已成为海洋科研的重要目标,如何准确、有效地评价深海视频质量是一个重要的研究问题。
视频质量评价在视频技术研究中处于重要地位,深海视频的准确、有效质量评价对视频编码、传输、增强、对象识别等方面的图像质量控制、优化和提升具有重要意义。深海视频的质量主要受两方面因素影响:一是水下传感网络的传输限制,水声通信虽传输范围广,但存在传输带宽窄,信号随水深衰减,多径传播时延等问题,因此深海视频在时间维度上具有不稳定性(低码率、质量时变、不连续)的特点;二是与自然环境下拍摄的视频相比,深海环境更加复杂,自然光在深海中被完全吸收,拍摄时唯一的人工光源在海水中传播时发生光吸收和色散、散射,同时受海水浑浊度、海底地形等影响,导致深海视频在空间维度上呈现弱可视性(画面模糊、对比度低、色彩失真、光照不均)的特点。
在视频的质量评价方法中,由于人是视频内容的最终接受者,人眼是视频图像直接受体,普遍认为通过人的直观视觉感知来决定视频质量的优劣是对视频质量的准确、可靠评估。主观质量评价是通过人眼对视频的主观感受来评估视频质量,典型的视频主观质量评价方法主要有国际视频质量专家组VEQG提出,并被国际电信联盟(ITU)标准化,几种常见主观视频质量评价方法及其度量如下:
单激励质量评估Single Stimulus Methods(SS):随机组合若干原始参考视频序列和失真有损视频序列,并有间隔地显示每个序列,测试者对每个视频序列独立打分;质量指标:1-Bad,2-Poor,3-Fair,4-Good,5-Excellent。
单激励连续质量评价Single Stimulus Continuous Quality Evaluation(SSCQE):测试者先观看一个长视频序列(10-20min),期间用滑动条对其质量连续打分;度量指标:0-100连续度量。
双激励连续质量标度法Double Stimulus Continuous Quality Scale(DSCQS):随机组合若干原始参考视频序列和失真有损视频序列,并有间隔地显示每个序列,测试者对每个视频序列对打分;度量指标:0-100连续度量,并以5个线性排列的质量类别来注释(Excellent,Good,Fair,Poor,Bad)
双激励损伤标度Double Stimulus Impairment Scale(DSIS):测试者先观看一个参考视频序列,然后再观看一个有损视频序列,然后根据第二个视频序列相对于第一个参考序列的质量受损情况打分;类别度量:1-Very annoying,2-Annoying,3-Slightlyannoying,4-Percetible,but not annoying,5-Imperceptible。
成对比较法Pair comparison method(PC):观测者同时观看一对视频序列,并指出哪一个更好;视频对的左右位置随机调换;度量指标:0/1(被选择为1),统计被选择的百分比,或以JND为单位。
多视频质量评价法Subjective Assessment of Multimedia Video Quality(SAMVQ):受试者对同一视频源的多个测试视频序列,不受限重复观看和打分,然后观看和评价另以场景下的测试视频序列;度量指标:1-100评级,该连续尺度用5个线性排列的质量类别来注释(Excellent,Good,Fair,Poor,Bad)。
以1-5级类别或0-100连续值作为质量度量的方法缺乏语义性,每个观察主体对度量值的解释不同,可能会造成评价者的认知困难,而区别性度量(如JND)无法表示区分度很大的视频在深海研究中具有同等有用性的情况;对比法相对简单,但需要进行大量比较观察;需要原始参考视频序列的双激励方法显然不能适用于深海环境下的视频质量评价(无法获取参考视频)。除此,这些方法存在不容忽视的缺点,包括成本高、耗时长、参与者个体差异性较大等。在本发明中,就这一问题针对深海视频质量进行有意义度量,并基于离散费希纳心理测量理论提出一种高效的主观质量动态优化评价策略。
一些基于心理学和心理物理学理论的方法在提升主观评价效率和降低个体差异等方面值得关注,能够以更小的成本获得更有效的主观质量评价。例如,Agboma和Song等人基于极限方法理论,针对移动视频特点设计以用户可接受行为度量的主观质量评估方法,即不断递增或递减视频质量,让用户自己决定可接受的质量;Menkovski和Liotta等人基于心理测量法提出自适应最大似然估计差度量,减小数据受个体差异影响,提高主观质量评价效率;Watson基于心理物理学Thurstone对比评判理论在PC方法的基础上以恰可辨差异(JND)表示观察者对视觉损失的内在“感受级别”,根据观察者当前质量选择结果,自适应估计最可能的质量门限位置,选择下一组测试视频。这些方法都说明基于心理测量的视频质量评价能获得很好的主观评价效率,但现有的基于心理测量的视频质量评价方法都不是针对深海视频做出的,在视频内容、参与者、度量准则、环境条件等各方面均与深海视频应用需求不同,对具有弱可视性和不稳定性的深海视频质量无法做出合理评价。
现有的主观评价方法有单激励质量评估、单激励连续质量评价、双激励连续质量标度法、双激励损伤标度、成对比较法,这些方法存在不容忽视的缺点,包括成本高、耗时长、参与者个体差异性较大等。而且在深海视频质量评价的应用上并不能适用。一些基于心理学和心理物理学理论的方法在提升主观评价效率和降低个体差异等方面,能够以更小的成本获得更有效的主观质量评价。本方案提出的一种基于科学有效性的深海视频质量主观评价方法,通过定性研究,从实际环境出发,通过访谈及实地调研海洋及相关领域专家,获取对深海视频科学有用性的定性数据,运用量化分析方法生成对深海视频质量的语义度量。设计深海视频主观质量评价方法,涉及观测条件、场景、视频测试序列、评价过程等多方面,基于对相关内容的详细调查和对各种背景资料的系统定性分析,对主观评价方法做成全面、合理的设计。主观质量评价方法存在成本高、耗时长、参与者个体差异性较大、长时间观看视频产生视觉疲惫等问题。
中国专利文献CN201510505490.5,申请日20150817,专利名称为:基于图像质量诊断的视频图像预处理方法,包括下述步骤:S1,视频图像格式转换,将图像原始格式转换成能够进行处理的格式,形成视频图像的灰度图;S2,对视频图像质量问题进行诊断,诊断出图像的质量问题,具体可诊断图像清晰度、亮度、抖动(即运动模糊)、画面冻结等质量问题;S3,进行图像预处理,针对诊断问题进行图像处理。
上述专利文献在诊断图像问题的基础上,针对问题选用适当方法进行处理,提高图像预处理效果,减少不必要的计算处理时间。但是,基于心理测量原理提出动态优化的深海视频主观质量评价方法,以尽可能小的评价成本获得高效科学有用的主观质量评价结果的技术方案则无相应的公开。
综上所述,需要一种基于心理测量原理提出动态优化的深海视频主观质量评价方法,以尽可能小的评价成本获得高效科学有用的主观质量评价结果。而关于这种评价方法目前还未见报道。
发明内容
本发明的目的是针对现有技术中的不足,提供一种基于心理测量原理提出动态优化的深海视频主观质量评价方法,以尽可能小的评价成本获得高效科学有用的主观质量评价结果。
为实现上述目的,本发明采取的技术方案是:
一种基于心理测量理论动态优化的深海视频主观质量评价方法,所述方法包括以下步骤:
步骤S1、深海视频质量的语义度量;
步骤S2、深海视频主观质量评价设计;
步骤S3、基于离散费希纳心理测量的主观质量动态优化评价策略。
作为一种优选的技术方案,步骤S1中具体包括以下步骤:
步骤S11、选择合适的研究方法;
步骤S12、确定信息资料收集方案;
步骤S13、开展定性数据的定量分析;
步骤S14、对分析结果的信度进行检验。
作为一种优选的技术方案,步骤S2中具体包括以下步骤:
步骤S21、观测条件:主图评价时的观测条件要尽量符合深海视频应用的实际,以保证质量评估不受潜在环境的影响;
步骤S22、测试场景:通常由空间和时间感知特性作为场景复杂度指标,并结合定性研究对场景分析的结果做出合理场景选择;
步骤S23、评价主体:主体选择主要以职业或专业背景为依据,结合性别、年龄因素进一步筛选;
步骤S24、视频测试序列:以步骤S22中选定场景下的视频源为基础,通过合理编码产生一系列测试序列作为主观评价的对象,编码参数的确定依赖于对深海视频实际采集条件;
步骤S25、评价方法:用多维归类法对步骤S24产生的视频测试序列进行评价:每次循环播放一个测试视频序列,播放时由主体对视频质量从多个维度进行归类,形成对该视频质量完整的评价描述;
步骤S26、数据分析:用简单的相关性分析方法来验证主观评价数据的一致性。
作为一种优选的技术方案,步骤S3中具体包括以下步骤:
步骤S31、定义主体对已评价质量类别间的相异性心理标度,设深海视频激励空间S是包含所有激励对象{S1,S2,...,SN},N>1集合,主体判定x,y不属于同一质量类别的判别概率为ψ(x,y),x,y∈S.离散对象空间费希纳心理测量(FSDOS)中的费希纳距离存在的唯一要求是满足常规最小性(Regular Minimality),其定义如下:
对于任意x≠yψ(x,y)<min{ψ(x,y),ψ(y,x)}
这里,激励x,y分别属于不同的观察区,因此有向对(x,y)与(y,x)是不同的,x,y之间在第一和第二观察区内的心理测量增量分别为:
φ(1)(x,y)=ψ(x,y)-ψ(x,x)
φ(2)(x,y)=ψ(y,x)-ψ(x,x)
由于满足常规最小性,第一、二类心理增量都为正,考虑一个连接Si到Sj的对象链Si=x1,x2,...,xk=Sj,k>2;
步骤S32、步骤S21中的对象链的第一类心理测量长度定义为:
Si到Sj的所有可能对象链集中包含一个最短链,它对应的心理测量长度既为对象的第一类有向费希纳距离该距离具有不对称性G1(si,sj)≠G1(sj,si).同理,Si到Sj的第二类有向费希纳距离将两个有向的费希纳距离相加可获得总体(对称)的费希纳距离:
G(si,sj)=G1(si,sj)+G1(sj,si)=G2(si,sj)+G2(sj,si)
假设视频激励源Si,Sj在空间、时间、对象各维度上的主观距离分别为Gs(i,j)(i,j),Gt(i,j),Gu(i,j),将多位感知综合费希纳距离定义如下:
其中,N是在每个维度上的激励数量,Gstu(i,j)是在三个维度上的平均距离;
步骤S33、以费希纳距离为判别规则,动态选择需进行主观评价的视频序列,第一次评价后的分类结果将作为第二次评价的初始分类,第三次评价基于前两次评价的平均结果,依次类推,主观评价结果逐渐收敛,最终评价结果在一定置信区间保持稳定时,就不再需要进行主观评价测试。
作为一种优选的技术方案,步骤S33中具体包括以下步骤:
步骤S331、初始化:基于多维相似性聚类将N个测试序列预分类为d组,分别在每组取m个序列(m<N/d),由主体进行评价测试,将其归入d个类别,以每组中被分配最多的质量类别作为该组视频序列的初始类别标识;
步骤S332、根据类别相异概率矩阵计算每个类别指向另一类别的费氏距离VQ_FS;
步骤S333、选择最小费氏距离的类别,即为主体需进一步判别的类,从这两个类中随机选择视频序列,进行主观评价;
步骤S334、按评价结果重新调整已评价激励的组别,保证常规最小性,重复步骤S332-步骤S333,直到任意两类间的费氏距离大于某一门限值,或所有视频序列已全部评价完毕。
作为一种优选的技术方案,步骤S11中研究方法为:扎根理论或内容分析法或行动研究法。
作为一种优选的技术方案,步骤26中在同等条件下做一致性分析并合理选择舍弃门限,判断观测主体的评价数据是否应该舍弃。
作为一种优选的技术方案,根据测试过程所达到的期望和可靠性来动态决定评价者数量,评价主体15人以上。
作为一种优选的技术方案,步骤S1中通过访谈及实地调研海洋及相关领域专家,获取对深海视频科学有用性的定性数据。
作为一种优选的技术方案,步骤S14中,由两个或两个以上的评判者,按照相同的分析维度对同一材料独立编码分析;然后以cohen’s kappa或Krippendorff’s alpha确定交叉编码信度;根据评判与计算结果修订分析维度;重复评判过程,直到取得可接受的信度为止。
本发明优点在于:
1、本发明基于心理测量理论动态优化的深海视频主观质量评价方法,一旦投入应用,可以实现以下技术效果:从科学有用性的角度进行标度,深海视频的主观视频质量评价以主体按照既定的评价过程和评价准则,对给定深海视频测试序列的质量做出合理度量;通过动态跟踪评价过程减少冗余评价能有效提高评价效率,在保证精度的同时能够极大的节约时间、人力资源,达到节约成本的目的。
2、本方法分析深海视频形成过程的主客观因素,设计符合典型深海视频采集和使用实际的主观评价方法,研究在有限资源下最大化评价效度的优化策略。该方法以主体即定的评价过程和评价准则,实地调研海洋及相关领域专家,获取对深海视频科学有用性的定性数据,运用量化分析方法生成对深海视频质量的语义度量;接下来,对给定深海视频测试序列的质量给出主观意见,设计主观评价方法;最后,以离散费希纳心理测量的主观质量动态优化评价策略,提高有效评价率,降低冗余评价的数量,解决在有限(人力和时间)资源下,主观评价效果最大化的问题。
3、本方法能够高效准确的定义深海视频的“质量”,并建立有效的主观质量评价方法,对海洋科学考察而言,具有重要的科学意义和价值。
4、本发明通过访谈及实地调研海洋及相关领域专家,获取对深海视频科学有用性的定性数据,运用量化分析方法得到一种对深海视频质量定性的语义度量,使对深海视频质量的评价结果更具有合理性。
5、深海视频质量的主观评价涉及观测条件、场景、视频测试序列、评价过程等多方面,基于对相关内容的详细调查和对各种背景资料的系统定性分析,对主观评价方法做成全面、合理的设计。
6、基于离散费希纳心理测量理论提出一种主观质量动态优化评价策略,以达到高效准确的定义深海视频的“质量”,从而达到节约成本的目的。
附图说明
附图1是本发明的一种基于心理测量理论动态优化的深海视频主观质量评价方法的流程框图。
具体实施方式
下面结合附图对本发明提供的具体实施方式作详细说明。
请参照图1,图1是本发明的一种基于心理测量理论动态优化的深海视频主观质量评价方法的流程框图。本方法分析深海视频形成过程的主客观因素,设计符合典型深海视频采集和使用实际的主观评价方法,研究在有限资源下最大化评价效度的优化策略。该方法以主体即定的评价过程和评价准则,实地调研海洋及相关领域专家,获取对深海视频科学有用性的定性数据,运用量化分析方法生成对深海视频质量的语义度量;接下来,对给定深海视频测试序列的质量给出主观意见,设计主观评价方法;最后,以离散费希纳心理测量的主观质量动态优化评价策略,提高有效评价率,降低冗余评价的数量,解决在有限(人力和时间)资源下,主观评价效果最大化的问题。
一种基于心理测量理论动态优化的深海视频主观质量评价方法,所述方法包括以下步骤:
步骤S1、深海视频质量的语义度量
由于海底科考涉及生物、地址、海底导航等多方面范畴,很难对科学有用性的质量表达做出直接量化(例如,1-5分值)。在本项目中,通过定性研究,从实际环境出发,在深入理解视频质量的内涵和属性的基础上,分析并总结度量准则,针对科学有用性度量的定性研究按以下步骤进行:
步骤S11、选择合适的研究方法。通过比较各种定性研究方法的适用范围和优缺点等,选择适合本项目的内容分析法,如:扎根理论、内容分析法、行动研究法。
步骤S12、确定信息资料收集方案。拟采用多元化数据收集与对比,保证定性研究的效度。如:以半开放式访谈调研8-12位不同类型的海洋领域专家等,从深海视频使用情景、质量描述、质量要求等多方面设计访谈问题;同时基于观察法对主体使用深海视频工作时的行为进行观察,收集丰富资料和内容。
步骤S13、开展定性数据的定量分析。将收集的资料转化为文本作为研究总体;确定研究目标和分析单位,设计分析维度并据此抽样,将样本量化处理转化成数据;通过数据统计分析,描述各分析维度特征及相互关系,并与研究目标比较得出关于研究对象的特征等方面的结论。
步骤S14、对分析结果的信度进行检验。在量化数据后进行信用度评价分析是保证内容分析结果可靠性、客观性的重要指标。一般由两个或两个以上的评判者,按照相同的分析维度对同一材料独立编码分析;然后以cohen’skappa或Krippendorff’s alpha确定交叉编码信度;根据评判与计算结果修订分析维度;重复评判过程,直到取得可接受的信度为止。
通过以上步骤,本发明可以得到一种对深海视频质量定性的语义度量,使对深海视频质量的评价结果更具有合理性。
经过以上研究,假设获得关于深海视频质量在科学有用性方面的描述有三个概念,每个概念包含两个属性,根据概念属性间相关性形成视频质量的6中类别的多维语义性度量,类别间不具有等级性。下表给出一个假设示例。
质量语义类别 | 空间维度 | 时间维度 | 海床或对象 |
1 | 画面清晰 | 运动流畅 | 可辨 |
2 | 画面模糊 | 运动流畅 | 可辨 |
3 | 画面清晰 | 运动不流畅 | 可辨 |
4 | 画面模糊 | 运动流畅 | 不可辨 |
5 | 画面清晰 | 运动不流畅 | 不可辨 |
6 | 画面模糊 | 运动不流畅 | 不可辨 |
步骤S2、深海视频主观质量评价设计
深海视频质量的主观评价涉及观测条件、场景、视频测试序列、评价过程等多方面,基于对相关内容的详细调查和对各种背景资料的系统定性分析,对主观评价方法做成全面、合理的设计。
步骤S21、观测条件:主图评价时的观测条件要尽量符合深海视频应用的实际,以保证质量评估不受潜在环境的影响。
步骤S22、测试场景:通常由空间和时间感知特性作为场景复杂度指标,并结合定性研究对场景分析的结果做出合理场景选择。本实施例中,选择有代表性的测试场景类型和数量。如:布满水生动植物和岩石的复杂海域的变速游弋场景。
步骤S23、评价主体:主体选择主要以职业或专业背景为依据,结合性别、年龄等因素进一步筛选。本发明将根据测试过程所达到的期望和可靠性来动态决定评价者数量,一般建议15人以上。本实施例中,评价主体选择20名以职业或专业背景为海洋地质、地貌,海洋生物、渔类方面的专家,男女各一半,年龄层在20-50岁之间。
步骤S24、视频测试序列:以选定场景下的视频源为基础,通过合理编码产生一系列测试序列作为主观评价的对象。编码参数的确定依赖于对深海视频实际采集条件。本实施例中,以步骤S22选定场景下的视频源为基础,通过合理编码产生一系列测试序列作为主观评价的对象。
步骤S25、评价方法:本发明称之为多维归类法:每次循环播放一个测试视频序列,播放时由主体对视频质量从多个维度进行归类,形成对该视频质量完整的评价描述。本实施例中,用多维归类法对步骤S24产生的视频测试序列进行评价:每次循环播放一个测试视频序列,播放时由主体对视频质量从空间、时间、对象三个维度进行归类,形成对该视频质量完整的评价描述。
步骤S26、数据分析:主观评价数据的一致性可以用简单的相关性分析方法来验证,如:Spearmanrank。每名观测主体的评价数据与其他观测者平均评价结果之间的相关性,在一定的门限范围(在同等条件下做一致性分析并合理选择舍弃门限)内判断是否应该舍弃。
步骤S3、基于离散费希纳心理测量的主观质量动态优化评价策略
通过上述针对深海视频做出的主观质量评价过程,本发明可以得出一个科学的适用于深海视频的质量评价结果,但主观视频质量评价方法存在的成本高、耗时长等问题,会使评价成本很高。因此,本发明基于离散费希纳心理测量理论提出一种主观质量动态优化评价策略,以达到高效准确的定义深海视频的“质量”,从而达到节约成本的目的。
步骤S31、定义主体对已评价质量类别间的相异性心理标度,设深海视频激励空间S是包含所有激励对象{S1,S2,...,SN},N>1集合,主体判定x,y不属于同一质量类别的判别概率为ψ(x,y),x,y∈S.离散对象空间费希纳心理测量(FSDOS)中的费希纳距离存在的唯一要求是满足常规最小性(Regular Minimality),其定义如下:
对于任意x≠yψ(x,y)<min(ψ(x,y),ψ(y,x)}
这里,激励x,y分别属于不同的观察区,因此有向对(x,y)与(y,x)是不同的,x,y之间在第一和第二观察区内的心理测量增量分别为:
φ(1)(x,y)=ψ(x,y)-ψ(x,y)
φ(2)(x,y)=ψ(y,x)-ψ(x,x)
由于满足常规最小性,第一、二类心理增量都为正,考虑一个连接Si到Sj的对象链Si=x1,x2,...,xk=Sj,k>2;
步骤S32、步骤S21中的对象链的第一类心理测量长度定义为:
Si到Sj的所有可能对象链集中包含一个最短链,它对应的心理测量长度既为对象的第一类有向费希纳距离该距离具有不对称性G1(si,sj)≠G1(sj,si).同理,Si到Sj的第二类有向费希纳距离将两个有向的费希纳距离相加可获得总体(对称)的费希纳距离:
G(si,sj)=G1(si,sj)+G1(sj,si)=G2(si,sj)+G2(sj,si)
假设视频激励源si,sj在空间、时间、对象各维度上的主观距离分别为Gs(i,j),Gt(i,j),Gu(i,j),将多位感知综合费希纳距离定义如下:
其中,N是在每个维度上的激励数量,Gstu(i,j)是在三个维度上的平均距离;
步骤S33、以费希纳距离为判别规则,动态选择需进行主观评价的视频序列。
假设有N个测试序列,d个质量量级,动态优化学习的大体策略如下:
步骤S331、初始化:基于多维相似性聚类将N个测试序列预分类为d组,分别在每组取m个序列(m<N/d),由主体进行评价测试,将其归入d个类别,以每组中被分配最多的质量类别作为该组视频序列的初始类别标识;
步骤S332、根据类别相异概率矩阵计算每个类别指向另一类别的费氏距离VQ_FS;
步骤S333、选择最小费氏距离的类别,即为主体需进一步判别的类,从这两个类中随机选择视频序列,进行主观评价;
步骤S334、按评价结果重新调整已评价激励的组别,保证常规最小性,重复步骤S332-步骤S333,直到任意两类间的费氏距离大于某一门限值,或所有视频序列已全部评价完毕。
以上述方法开展的第一次主观评价可能需要评价较多数量的视频测试序列,花费时间较长。但是,第一次评价后的分类结果将作为第二次评价的初始分类,第三次评价基于前两次评价的平均结果,依次类推,可以预见,主观评价结果逐渐收敛,且评价时间越来越小。当评价结果在一定置信区间保持稳定时,就不再需要进行主观评价测试。
本发明基于心理测量理论动态优化的深海视频主观质量评价方法,一旦投入应用,可以实现以下技术效果:从科学有用性的角度进行标度,深海视频的主观视频质量评价以主体按照既定的评价过程和评价准则,对给定深海视频测试序列的质量做出合理度量;通过动态跟踪评价过程减少冗余评价能有效提高评价效率,在保证精度的同时能够极大的节约时间、人力资源,达到节约成本的目的。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员,在不脱离本发明方法的前提下,还可以做出若干改进和补充,这些改进和补充也应视为本发明的保护范围。
Claims (10)
1.一种基于心理测量理论动态优化的深海视频主观质量评价方法,所述方法包括以下步骤:
步骤S1、深海视频质量的语义度量;
步骤S2、深海视频主观质量评价设计;
步骤S3、基于离散费希纳心理测量的主观质量动态优化评价策略。
2.根据权利要求1所述的基于心理测量理论动态优化的深海视频主观质量评价方法,其特征在于,步骤S1中具体包括以下步骤:
步骤S11、选择合适的研究方法;
步骤S12、确定信息资料收集方案;
步骤S13、开展定性数据的定量分析;
步骤S14、对分析结果的信度进行检验。
3.根据权利要求1所述的基于心理测量理论动态优化的深海视频主观质量评价方法,其特征在于,步骤S2中具体包括以下步骤:
步骤S21、观测条件:主图评价时的观测条件要尽量符合深海视频应用的实际,以保证质量评估不受潜在环境的影响;
步骤S22、测试场景:通常由空间和时间感知特性作为场景复杂度指标,并结合定性研究对场景分析的结果做出合理场景选择;
步骤S23、评价主体:主体选择主要以职业或专业背景为依据,结合性别、年龄因素进一步筛选;
步骤S24、视频测试序列:以步骤S22中选定场景下的视频源为基础,通过合理编码产生一系列测试序列作为主观评价的对象,编码参数的确定依赖于对深海视频实际采集条件;
步骤S25、评价方法:用多维归类法对步骤S24产生的视频测试序列进行评价:每次循环播放一个测试视频序列,播放时由主体对视频质量从多个维度进行归类,形成对该视频质量完整的评价描述;
步骤S26、数据分析:用简单的相关性分析方法来验证主观评价数据的一致性。
4.根据权利要求1所述的基于心理测量理论动态优化的深海视频主观质量评价方法,其特征在于,步骤S3中具体包括以下步骤:
步骤S31、定义主体对已评价质量类别间的相异性心理标度,设深海视频激励空间S是包含所有激励对象{S1,S2,...,SN},N>1集合,主体判定x,y不属于同一质量类别的判别概率为ψ(x,y),x,y∈S.离散对象空间费希纳心理测量(FSDOS)中的费希纳距离存在的唯一要求是满足常规最小性(Regular Minimality),其定义如下:
对于任意x≠yψ(x,y)<min{ψ(x,y),ψ(y,x)}
这里,激励x,y分别属于不同的观察区,因此有向对(x,y)与(y,x)是不同的,x,y之间在第一和第二观察区内的心理测量增量分别为:
φ(1)(x,y)=ψ(xy)-ψ(x,x)
φ(2)(x,y)=ψ(y,x)-ψ(x,x)
由于满足常规最小性,第一、二类心理增量都为正,考虑一个连接Si到Sj的对象链Si=x1x2,...,xk=Sj,k>2;
步骤S32、步骤S21中的对象链的第一类心理测量长度定义为:
Si到Sj的所有可能对象链集中包含一个最短链,它对应的心理测量长度既为对象的第一类有向费希纳距离该距离具有不对称性G1(si,sj)≠G1(sj,si).同理,Si到Sj的第二类有向费希纳距离将两个有向的费希纳距离相加可获得总体(对称)的费希纳距离:
G(si,sj)=G1(si,sj)+G1(sj,si)=G2(si,sj)+G2(sj,si)
假设视频激励源si,sj在空间、时间、对象各维度上的主观距离分别为Gs(i,j),Gt(i,j),Gu(i,j),将多位感知综合费希纳距离定义如下:
其中,N是在每个维度上的激励数量,Gstu(i,j)是在三个维度上的平均距离;
步骤S33、以费希纳距离为判别规则,动态选择需进行主观评价的视频序列,第一次评价后的分类结果将作为第二次评价的初始分类,第三次评价基于前两次评价的平均结果,依次类推,主观评价结果逐渐收敛,最终评价结果在一定置信区间保持稳定时,就不再需要进行主观评价测试。
5.根据权利要求1所述的基于心理测量理论动态优化的深海视频主观质量评价方法,其特征在于,步骤S33中具体包括以下步骤:
步骤S331、初始化:基于多维相似性聚类将N个测试序列预分类为d组,分别在每组取m个序列(m<N/d),由主体进行评价测试,将其归入d个类别,以每组中被分配最多的质量类别作为该组视频序列的初始类别标识;
步骤S332、根据类别相异概率矩阵计算每个类别指向另一类别的费氏距离VQ_FS;
步骤S333、选择最小费氏距离的类别,即为主体需进一步判别的类,从这两个类中随机选择视频序列,进行主观评价;
步骤S334、按评价结果重新调整已评价激励的组别,保证常规最小性,重复步骤S332-步骤S333,直到任意两类间的费氏距离大于某一门限值,或所有视频序列已全部评价完毕。
6.根据权利要求2所述的基于心理测量理论动态优化的深海视频主观质量评价方法,其特征在于,步骤S11中研究方法为:扎根理论或内容分析法或行动研究法。
7.根据权利要求3所述的基于心理测量理论动态优化的深海视频主观质量评价方法,其特征在于,步骤26中在同等条件下做一致性分析并合理选择舍弃门限,判断观测主体的评价数据是否应该舍弃。
8.根据权利要求3所述的基于心理测量理论动态优化的深海视频主观质量评价方法,其特征在于,步骤23中根据测试过程所达到的期望和可靠性来动态决定评价者数量,评价主体为15人以上。
9.根据权利要求1所述的基于心理测量理论动态优化的深海视频主观质量评价方法,其特征在于,步骤S1中通过访谈及实地调研海洋及相关领域专家,获取对深海视频科学有用性的定性数据。
10.根据权利要求2所述的基于心理测量理论动态优化的深海视频主观质量评价方法,其特征在于,步骤S14中,由两个或两个以上的评判者,按照相同的分析维度对同一材料独立编码分析;然后以cohen’s kappa或Krippendorff’s alpha确定交叉编码信度;根据评判与计算结果修订分析维度;重复评判过程,直到取得可接受的信度为止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810084444.6A CN108184112B (zh) | 2018-01-29 | 2018-01-29 | 一种基于心理测量动态优化的深海视频质量主观评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810084444.6A CN108184112B (zh) | 2018-01-29 | 2018-01-29 | 一种基于心理测量动态优化的深海视频质量主观评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108184112A true CN108184112A (zh) | 2018-06-19 |
CN108184112B CN108184112B (zh) | 2021-05-07 |
Family
ID=62551554
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810084444.6A Active CN108184112B (zh) | 2018-01-29 | 2018-01-29 | 一种基于心理测量动态优化的深海视频质量主观评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108184112B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113298338A (zh) * | 2020-10-19 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 一种质量评价方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101605257A (zh) * | 2008-06-11 | 2009-12-16 | 北京中创信测科技股份有限公司 | 一种块效应分析方法及系统 |
CN101695141A (zh) * | 2009-10-20 | 2010-04-14 | 浙江大学 | 一种视频质量评估方法和装置 |
CN103458267A (zh) * | 2013-09-04 | 2013-12-18 | 中国传媒大学 | 一种视频图像质量主观评价方法及系统 |
CN103873854A (zh) * | 2014-02-26 | 2014-06-18 | 天津大学 | 一种立体图像主观评价被试者数量及实验数据的确定方法 |
-
2018
- 2018-01-29 CN CN201810084444.6A patent/CN108184112B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101605257A (zh) * | 2008-06-11 | 2009-12-16 | 北京中创信测科技股份有限公司 | 一种块效应分析方法及系统 |
CN101695141A (zh) * | 2009-10-20 | 2010-04-14 | 浙江大学 | 一种视频质量评估方法和装置 |
CN103458267A (zh) * | 2013-09-04 | 2013-12-18 | 中国传媒大学 | 一种视频图像质量主观评价方法及系统 |
CN103873854A (zh) * | 2014-02-26 | 2014-06-18 | 天津大学 | 一种立体图像主观评价被试者数量及实验数据的确定方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113298338A (zh) * | 2020-10-19 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 一种质量评价方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108184112B (zh) | 2021-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108428227B (zh) | 基于全卷积神经网络的无参考图像质量评价方法 | |
Norris et al. | Monitoring river health | |
Ribeiro et al. | Crowdsourcing subjective image quality evaluation | |
Mumby et al. | A critical assessment of data derived from Coral Cay Conservation volunteers | |
CN110378232B (zh) | 改进的ssd双网络的考场考生位置快速检测方法 | |
CN109711377B (zh) | 标准化考场监控的单帧图像中考生定位和计数方法 | |
Beliaeff et al. | A general framework for indicator design and use with application to the assessment of coastal water quality and marine protected area management | |
CN110782375B (zh) | 基于数据的在线学习全过程动态分析方法及系统 | |
CN101562675A (zh) | 基于Contourlet变换的无参考型图像质量评测方法 | |
Lermontov et al. | A fuzzy water quality index for watershed quality analysis and management | |
US20110004582A1 (en) | Method of constructing the intelligent computer systems based on information reasoning | |
CN116644879A (zh) | 一种海洋牧场生态承载力评估与管理系统 | |
Holliman et al. | Visual entropy and the visualization of uncertainty | |
Su et al. | Going the extra mile in face image quality assessment: A novel database and model | |
Jahani et al. | Evaluating the aesthetic quality of the landscape in the environment: A Review of the Concepts and Scientific Developments in the World | |
CN108184112A (zh) | 一种基于心理测量动态优化的深海视频质量主观评价方法 | |
CN112766739B (zh) | 一种基于bwm-e模型的肉制品中重金属污染评价方法 | |
CN113222902A (zh) | 一种无参考图像质量评价方法及系统 | |
CN109934407A (zh) | 一种基于Logistic广义线性回归模型的志愿者工作意向预测方法 | |
Radiman et al. | The Influence of Financial Literacy and Personal Financial Attitude on Financial Behavior with Lifestyle as an Intervening Variable on Productive Generation Y in Medan City | |
Majumdar | Choosing childlessness: Intentions of voluntary childlessness in the United States | |
CN106507100B (zh) | 一种基于传输的劣化图像主观质量素材库构建方法 | |
Chatzigeorgiou et al. | Testing the robustness of Citizen Science projects: Evaluating the results of pilot project COMBER | |
Guan et al. | Study of subjective and objective quality assessment of night-time videos | |
Lin et al. | Underwater image quality database towards fish detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |