CN111510707A - 一种基于时空Gabor特征张量的全参考屏幕视频质量评估方法 - Google Patents

一种基于时空Gabor特征张量的全参考屏幕视频质量评估方法 Download PDF

Info

Publication number
CN111510707A
CN111510707A CN202010326713.2A CN202010326713A CN111510707A CN 111510707 A CN111510707 A CN 111510707A CN 202010326713 A CN202010326713 A CN 202010326713A CN 111510707 A CN111510707 A CN 111510707A
Authority
CN
China
Prior art keywords
screen video
gabor
video
feature tensor
tensor
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
Application number
CN202010326713.2A
Other languages
English (en)
Other versions
CN111510707B (zh
Inventor
曾焕强
程姗
陈婧
侯军辉
朱建清
马凯光
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huaqiao University
Original Assignee
Huaqiao University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huaqiao University filed Critical Huaqiao University
Priority to CN202010326713.2A priority Critical patent/CN111510707B/zh
Publication of CN111510707A publication Critical patent/CN111510707A/zh
Application granted granted Critical
Publication of CN111510707B publication Critical patent/CN111510707B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种基于时空Gabor特征张量的全参考屏幕视频质量评估方法。该方法首先分别给定参考和失真屏幕视频序列，将3D‑Gabor滤波器作用于参考和视频序列以获得时空特征张量；然后计算出参考屏幕视频和失真屏幕视频的时空特征张量相似度；最后，使用基于时空特征张量的池化策略获得失真屏幕视频的质量分数。本发明所述的方法计算简单，能够准确评估屏幕视频质量。

Description

一种基于时空Gabor特征张量的全参考屏幕视频质量评估 方法
技术领域
本发明涉及视频处理领域，尤其涉及一种基于时空Gabor特征张量的全参考屏幕视频质 量评估方法。
背景技术
随着云计算、移动互联网和多媒体技术的蓬勃发展，屏幕视频在各个领域得到了广泛的 关注和应用，如在线教育、远程计算、视频会议、游戏直播和虚拟桌面共享等。与自然场景 视频不同，屏幕视频是一种复合视觉内容，既包含计算机直接生成或渲染的非连续色调区域， 如图标、图表、文字等，又包含摄像机生成的连续色调区域，如自然场景视频片段等。视频 处理旨在于提供高清晰度的视频主观视觉质量。然而，与自然场景视频一样，屏幕视频在生 成、处理、压缩、存储、传输和渲染的过程中不可避免地会引入各种失真从而导致视觉效果 降低。由于人眼是图像最终接受者，如何准确地从人眼视觉感知的角度去描述屏幕视频质量 成为一个迫切需求。
为此，研究者们提出了一系列针对视频的视觉质量评价方法。例如，VQM是一种利用图 像的颜色、亮度、时空域等变化特征之间的关联性来对视频进行评价的视频质量模型。MOVIE 将空间域中的多信道分解扩展到时空域，并分别预测空间失真和时间失真，在计算时间失真 时考虑时域中HVS的特性从而成功地预测了时间失真。
由于现有大多数质量评价方法都是针对自然场景图像视频而设计，并未充分考虑屏幕视 频的结构和统计特性。因此，如何充分考虑屏幕视频特点和人类视觉系统特性，设计符合人 眼视觉特性的屏幕视频视觉质量评价方法，是当前视频技术领域一个兼具理论和实际应用价 值的新兴研究课题。
发明内容
本发明的主要目的在于克服现有技术的不足，提出一种高效、计算简单的基于时空Gabor 特征张量的全参考屏幕视频质量评估方法。通过提取屏幕视频的时空特征张量，计算得到失 真屏幕视频的质量评价分数。该方法能够准确反映人眼对于屏幕视频的主观感知。
本发明所采用的技术方案是：
一种基于时空Gabor特征张量的全参考屏幕视频质量评估方法，步骤如下：
1)输入参考屏幕视频r和失真屏幕视频d；
2)分别提取参考屏幕视频r的时空Gabor特征张量
Figure BDA0002463479650000021
和 失真屏幕视频d的时空Gabor特征张量
Figure BDA0002463479650000022
3)计算参考屏幕视频r和失真屏幕视频d的时空特征张量的相似度SS(x,y,t)和ST(x,y,t)， 进而得到失真屏幕视频的时空质量张量SQ(x,y,t)；
4)基于步骤3)得到的失真屏幕视频的时空质量张量进行加权池化得到失真屏幕视频d 的质量评估分数。
优选的，在步骤1)中将参考屏幕视频和失真屏幕视频分别按照连续数帧沿时间轴组合 获得参考屏幕视频单元和失真屏幕视频单元。
优选的，在步骤2)中，所述的提取参考屏幕视频r的时空Gabor特征张量，步骤如下：
2.1a)分别对参考屏幕视频r的每一个视频单元计算得到x方向，y方向和t方向的时空 Gabor特征张量，
Figure BDA0002463479650000023
和
Figure BDA0002463479650000024
计算步骤如下：
Figure BDA0002463479650000025
Figure BDA0002463479650000026
Figure BDA0002463479650000027
其中，(x,y,t)表示视频单元中的像素位置，变量x和y是空间变量，而t是时间变量。
Figure BDA0002463479650000028
是x方向3D-Gabor滤波器，
Figure BDA0002463479650000029
是y方向3D-Gabor滤波器，
Figure BDA00024634796500000210
是t 方向3D-Gabor滤波器，三者对应的卷积核定义如下：
Figure BDA00024634796500000211
Figure BDA00024634796500000212
Figure BDA00024634796500000213
其中，
Figure BDA00024634796500000214
为3D高斯函数，标准差σ＝20，函数中Fx、Fy、Ft的计算如下：
Figure BDA00024634796500000215
其中，F＝0.1为滤波器的中心幅值，θ和
Figure BDA00024634796500000216
代表3D-Gabor滤波器的方向。
2.2a)计算参考屏幕视频r的每一个视频单元的空间特征张量
Figure BDA00024634796500000217
和时间特征张量
Figure BDA0002463479650000031
步骤如下：
Figure BDA0002463479650000032
Figure BDA0002463479650000033
其中，
Figure BDA0002463479650000034
分别代表x,y方向3D-Gabor滤波器与参考屏幕视频r卷积 后所得的水平方向特征张量和垂直方向特征张量，时间特征张量
Figure BDA0002463479650000035
是t方向3D-Gabor 滤波器与参考屏幕视频r卷积后所得的t方向特征张量。
优选的，所述的提取失真屏幕视频d的时空Gabor特征张量，步骤如下：
2.1b)分别对失真屏幕视频d的每一个视频单元计算得到x方向，y方向和t方向的时空 Gabor特征张量，
Figure BDA0002463479650000036
和
Figure BDA0002463479650000037
具体计算步骤如下：
Figure BDA0002463479650000038
Figure BDA0002463479650000039
Figure BDA00024634796500000310
其中，(x，y，t)表示视频单元中的像素位置，变量x和y是空间变量，而t是时间变量。
Figure BDA00024634796500000311
是x方向3D-Gabor滤波器，
Figure BDA00024634796500000312
是y方向3D-Gabor滤波器，
Figure BDA00024634796500000313
是t 方向3D-Gabor滤波器，三者对应的卷积核定义如下：
Figure BDA00024634796500000314
Figure BDA00024634796500000315
Figure BDA00024634796500000316
其中，
Figure BDA00024634796500000317
为3D高斯函数，标准差σ＝20，函数中Fx、Fy、Ft的计算如下：
Figure BDA00024634796500000318
其中，F＝0.1为滤波器的中心幅值。θ和
Figure BDA00024634796500000319
代表3D-Gabor滤波器的方向。
2.2b)计算失真屏幕视频d的每一个视频单元的空间特征张量
Figure BDA00024634796500000320
和时间特征张量
Figure BDA00024634796500000321
具体步骤如下：
Figure BDA00024634796500000322
Figure BDA0002463479650000041
其中，
Figure BDA0002463479650000042
分别代表x,y方向3D-Gabor滤波器与失真屏幕视频d卷积 后所得的x方向特征张量和y方向特征张量，时间特征张量
Figure BDA0002463479650000043
是t方向3D-Gabor滤波 器与失真屏幕视频d卷积后所得的t方向特征张量。
优选的，在步骤3)中，计算参考屏幕视频r和失真屏幕视频d的空间特征张量相似度 SS(x，y,t)和时间特征张量相似度ST(x,y，t)，进而得到失真视频序列的时空质量张量SQ(x，y，t)：
Figure BDA0002463479650000044
Figure BDA0002463479650000045
Figure BDA0002463479650000046
其中，C1＝C2＝800。
优选的，在步骤4)中，具体计算步骤如下：
4.1)通过空间池化策略得到失真屏幕视频d的每一个视频单元质量评估分数：
Figure RE-GDA0002529159840000047
Figure BDA0002463479650000048
4.2)通过时间池化策略得到失真屏幕视频d的质量评估分数：
Figure RE-GDA0002529159840000049
Figure BDA00024634796500000410
其中N代表视频单元的个数。
本发明的有益效果如下：
本发明提供了一种基于时空Gabor特征张量的全参考屏幕视频质量评估方法，一方面充 分利用了3D-Gabor滤波器能有效地提取屏幕视频的时空特征张量，另一方面充分考虑了人眼 视觉系统从空域角度对方向、边缘、轮廓高度敏感，而从时域角度对移动物体趋于感兴趣。 因此，本方法具有较好的屏幕视频质量评估性能，计算得到的客观分数与主观评价有较高的 一致性，且计算复杂度低，能够客观准确评估屏幕视频的质量。
附图说明
图1是本发明基于时空Gabor特征张量的全参考屏幕视频质量评估方法的流程示意图。
具体实施方式
以下结合附图及实施例对本发明进行进一步的详细说明。
参见图1所示，一种基于时空Gabor特征张量的全参考屏幕视频质量评估方法，具体步骤 如下：
1)输入参考屏幕视频r和失真屏幕视频d，将参考屏幕视频和失真屏幕视频分别按照连 续数帧沿时间轴组合获得参考屏幕视频单元和失真屏幕视频单元；
2)分别提取参考屏幕视频r的时空Gabor特征张量
Figure BDA0002463479650000051
和 失真屏幕视频d的时空Gabor特征张量
Figure BDA0002463479650000052
其中提取参考屏幕 视频r的时空Gabor特征张量，步骤如下：
2.1a)分别对参考屏幕视频r的每一个视频单元计算得到x方向，y方向和t方向的时空 Gabor特征张量，
Figure BDA0002463479650000053
和
Figure BDA0002463479650000054
计算步骤如下：
Figure BDA0002463479650000055
Figure BDA0002463479650000056
Figure BDA0002463479650000057
其中，(x,y，t)表示视频单元中的像素位置，变量x和y是空间变量，而t是时间变量。
Figure BDA0002463479650000058
是x方向3D-Gabor滤波器，
Figure BDA0002463479650000059
是y方向3D-Gabor滤波器，
Figure BDA00024634796500000510
是t 方向3D-Gabor滤波器，三者对应的卷积核定义如下：
Figure BDA00024634796500000511
Figure BDA00024634796500000512
Figure BDA00024634796500000513
其中，
Figure BDA00024634796500000514
为3D高斯函数，标准差σ＝20，函数中Fx、Fy、Ft的计算如下：
Figure BDA00024634796500000515
其中，F＝0.1为滤波器的中心幅值。θ和
Figure BDA00024634796500000516
代表3D-Gabor滤波器的方向。
2.2a)计算参考屏幕视频r的每一个视频单元的空间特征张量
Figure BDA0002463479650000061
和时间特征张量
Figure BDA0002463479650000062
步骤如下：
Figure BDA0002463479650000063
Figure BDA0002463479650000064
其中，
Figure BDA0002463479650000065
分别代表x,y方向3D-Gabor滤波器与参考屏幕视频r卷积 后所得的水平方向特征张量和垂直方向特征张量，时间特征张量
Figure BDA0002463479650000066
是t方向3D-Gabor 滤波器与参考屏幕视频r卷积后所得的t方向特征张量。
提取失真屏幕视频d的时空Gabor特征张量，具体步骤如下：
2.1b)分别对失真屏幕视频d的每一个视频单元计算得到x方向，y方向和t方向的时空 Gabor特征张量，
Figure BDA0002463479650000067
和
Figure BDA0002463479650000068
计算步骤如下：
Figure BDA0002463479650000069
Figure BDA00024634796500000610
Figure BDA00024634796500000611
其中，(x,y,t)表示视频单元中的像素位置，变量x和y是空间变量，而t是时间变量。
Figure BDA00024634796500000612
是x方向3D-Gabor滤波器，
Figure BDA00024634796500000613
是y方向3D-Gabor滤波器，
Figure BDA00024634796500000614
是t 方向3D-Gabor滤波器，三者对应的卷积核定义如下：
Figure BDA00024634796500000615
Figure BDA00024634796500000616
Figure BDA00024634796500000617
其中，
Figure BDA00024634796500000618
为3D高斯函数，标准差σ＝20，函数中Fx、Fy、Ft的计算如下：
Figure BDA00024634796500000619
其中，F＝0.1为滤波器的中心幅值。θ和
Figure BDA00024634796500000620
代表3D-Gabor滤波器的方向。
2.2b)计算失真屏幕视频d的每一个视频单元的空间特征张量
Figure BDA00024634796500000621
和时间特征张量
Figure BDA00024634796500000622
步骤如下：
Figure RE-GDA00025291598400000622
Figure BDA0002463479650000071
其中，
Figure BDA0002463479650000072
分别代表x,y方向3D-Gabor滤波器与失真屏幕视频d卷积 后所得的x方向特征张量和y方向特征张量。时间特征张量
Figure BDA0002463479650000073
是t方向3D-Gabor滤波 器与失真屏幕视频d卷积后所得的t方向特征张量。
3)计算参考屏幕视频r和失真屏幕视频d的空间特征张量相似度SS(x,y,t)和时间特征张 量相似度ST(x,y,t)，进而得到失真视频序列的时空质量张量SQ(x,y,t)：
Figure BDA0002463479650000074
Figure BDA0002463479650000075
Figure BDA0002463479650000076
其中，C1＝C2＝800。
4)基于步骤3)得到的时空质量张量进行加权池化得到失真屏幕视频d的质量评估分数， 计算步骤如下：
4.1)通过空间池化策略得到失真屏幕视频d的每一个视频单元质量评估分数：
Figure RE-GDA0002529159840000077
Figure BDA0002463479650000078
4.2)通过时间池化策略得到失真屏幕视频d的质量评估分数：
Figure RE-GDA0002529159840000079
Figure BDA00024634796500000710
其中，N代表视频单元的个数。
由上式可知，3D-Gabor值与失真屏幕视频质量成正比，即3D-Gabor值越大表示屏幕视 频失真越小，主观质量越好。
上述实施例仅是用来说明本发明，而并非用作对本发明的限定。只要是依据本发明的技 术实质，对上述实施例进行变化、变型等都将落在本发明的权利要求的范围内。

Claims (6)

1.一种基于时空Gabor特征张量的全参考屏幕视频质量评估方法，其特征在于，包括如下步骤：
步骤1)输入参考屏幕视频r和失真屏幕视频d；
步骤2)分别提取参考屏幕视频r的时空Gabor特征张量
Figure FDA0002463479640000011
和失真屏幕视频d的时空Gabor特征张量
Figure FDA0002463479640000012
步骤3)计算参考屏幕视频r和失真屏幕视频d的时空特征张量的相似度SS(x，y，t)和ST(x,y,t)，进而得到失真屏幕视频的时空质量张量SQ(x,y，t)；
步骤4)基于步骤3)得到的失真屏幕视频的时空质量张量进行加权池化得到失真屏幕视频d的质量评估分数。
2.根据权利要求1所述的基于时空Gabor特征张量的全参考屏幕视频质量评估方法，其特征在于：在步骤1)中将参考屏幕视频和失真屏幕视频分别按照连续数帧沿时间轴组合获得参考屏幕视频单元和失真屏幕视频单元。
3.根据权利要求2所述的一种基于时空Gabor特征张量的全参考屏幕视频质量评估方法，其特征在于：在步骤2)中，所述的提取参考屏幕视频r的时空Gabor特征张量，具体步骤如下：
2.1a)分别对参考屏幕视频r的每一个视频单元计算得到x方向，y方向和t方向的时空Gabor特征张量，
Figure FDA0002463479640000013
计算步骤如下：
Figure FDA0002463479640000014
Figure FDA0002463479640000015
Figure FDA0002463479640000016
其中，(x，y，t)表示视频单元中的像素位置，变量x和y是空间变量，而t是时间变量。
Figure FDA0002463479640000017
是x方向3D-Gabor滤波器，
Figure FDA0002463479640000018
是y方向3D-Gabor滤波器，
Figure FDA0002463479640000019
是t方向3D-Gabor滤波器，三者对应的卷积核定义如下：
Figure FDA00024634796400000110
Figure FDA0002463479640000021
Figure FDA0002463479640000022
其中，
Figure FDA0002463479640000023
为3D高斯函数，标准差σ＝20，函数中Fx、Fy、Ft的计算如下：
Figure FDA0002463479640000024
其中，F＝0.1为滤波器的中心幅值，θ和
Figure FDA0002463479640000025
代表3D-Gabor滤波器的方向。
2.2a)计算参考屏幕视频r的每一个视频单元的空间特征张量
Figure FDA0002463479640000026
和时间特征张量
Figure FDA0002463479640000027
步骤如下：
Figure FDA0002463479640000028
Figure FDA0002463479640000029
其中，
Figure FDA00024634796400000210
分别代表x,y方向3D-Gabor滤波器与参考屏幕视频r卷积后所得的x方向特征张量和y方向特征张量，时间特征张量
Figure FDA00024634796400000211
是t方向3D-Gabor滤波器与参考屏幕视频r卷积后所得的t方向特征张量。
4.根据权利要求3所述的一种基于时空Gabor特征张量的全参考屏幕视频质量评估方法，其特征在于：步骤2中，所述的提取失真屏幕视频d的时空Gabor特征张量，步骤如下：
2.1b)分别对失真屏幕视频d的每一个视频单元计算得到x方向，y方向和t方向的时空Gabor特征张量，
Figure FDA00024634796400000212
计算步骤如下：
Figure FDA00024634796400000213
Figure FDA00024634796400000214
Figure FDA00024634796400000215
其中，(x，y,t)表示视频单元中的像素位置，变量x和y是空间变量，而t是时间变量。
Figure FDA00024634796400000216
是x方向3D-Gabor滤波器，
Figure FDA00024634796400000217
是y方向3D-Gabor滤波器，
Figure FDA00024634796400000218
是t方向3D-Gabor滤波器，三者对应的卷积核定义如下：
Figure FDA0002463479640000031
Figure FDA0002463479640000032
Figure FDA0002463479640000033
其中，
Figure FDA0002463479640000034
为3D高斯函数，标准差σ＝20，函数中Fx、Fy、Ft的计算如下：
Figure FDA0002463479640000035
其中，F＝0.1为滤波器的中心幅值。θ和
Figure FDA0002463479640000036
代表3D-Gabor滤波器的方向。
2.2b)计算失真屏幕视频d的每一个视频单元的空间特征张量
Figure FDA0002463479640000037
和时间特征张量
Figure FDA0002463479640000038
步骤如下：
Figure FDA0002463479640000039
Figure FDA00024634796400000310
其中，
Figure FDA00024634796400000311
分别代表x,y方向3D-Gabor滤波器与失真屏幕视频d卷积后所得的x方向特征张量和y方向特征张量。时间特征张量
Figure FDA00024634796400000312
是t方向3D-Gabor滤波器与失真屏幕视频d卷积后所得的t方向特征张量。
5.根据权利要求4所述的一种基于时空Gabor特征张量的全参考屏幕视频质量评估方法，其特征在于：在步骤3)中，计算参考屏幕视频r和失真屏幕视频d的空间特征张量相似度SS(x,y,t)和时间特征张量相似度ST(x,y,t)，进而得到失真视频序列的时空质量张量SQ(x,y,t)：
Figure FDA00024634796400000313
Figure FDA00024634796400000314
Figure FDA00024634796400000315
其中，C1＝C2＝800。
6.根据权利要求5所述的一种基于时空Gabor特征张量的全参考屏幕视频质量评估方法，其特征在于：所述步骤4)中，具体计算步骤如下：
4.1)通过空间池化策略得到失真屏幕视频d的每一个视频单元质量评估分数：
Figure RE-FDA0002529159830000041
Figure RE-FDA0002529159830000042
4.2)通过时间池化策略得到失真屏幕视频d的质量评估分数：
Figure RE-FDA0002529159830000043
Figure RE-FDA0002529159830000044
其中N代表视频单元的个数。
CN202010326713.2A 2020-04-23 2020-04-23 一种基于时空Gabor特征张量的全参考屏幕视频质量评估方法 Active CN111510707B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010326713.2A CN111510707B (zh) 2020-04-23 2020-04-23 一种基于时空Gabor特征张量的全参考屏幕视频质量评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010326713.2A CN111510707B (zh) 2020-04-23 2020-04-23 一种基于时空Gabor特征张量的全参考屏幕视频质量评估方法

Publications (2)

Publication Number Publication Date
CN111510707A true CN111510707A (zh) 2020-08-07
CN111510707B CN111510707B (zh) 2021-08-31

Family

ID=71864201

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010326713.2A Active CN111510707B (zh) 2020-04-23 2020-04-23 一种基于时空Gabor特征张量的全参考屏幕视频质量评估方法

Country Status (1)

Country Link
CN (1) CN111510707B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112085102A (zh) * 2020-09-10 2020-12-15 西安电子科技大学 基于三维时空特征分解的无参考视频质量评价方法
CN113014916A (zh) * 2021-02-26 2021-06-22 华侨大学 一种基于局部视频活动度的屏幕视频质量识别方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101465664B1 (ko) * 2013-12-31 2014-12-01 성균관대학교산학협력단 영상 데이터 품질 평가 장치, 방법 및 시스템
CN105809691A (zh) * 2016-03-09 2016-07-27 华侨大学 一种全参考屏幕图像质量评估方法
CN105828064A (zh) * 2015-01-07 2016-08-03 中国人民解放军理工大学 融合局部和全局时空特性的无参考视频质量评估方法
JP2017005343A (ja) * 2015-06-05 2017-01-05 日本電信電話株式会社 映像品質推定装置、映像品質推定方法、及びプログラム
CN107274388A (zh) * 2017-05-22 2017-10-20 浙江科技学院 一种基于全局信息的无参考屏幕图像质量评价方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101465664B1 (ko) * 2013-12-31 2014-12-01 성균관대학교산학협력단 영상 데이터 품질 평가 장치, 방법 및 시스템
CN105828064A (zh) * 2015-01-07 2016-08-03 中国人民解放军理工大学 融合局部和全局时空特性的无参考视频质量评估方法
JP2017005343A (ja) * 2015-06-05 2017-01-05 日本電信電話株式会社 映像品質推定装置、映像品質推定方法、及びプログラム
CN105809691A (zh) * 2016-03-09 2016-07-27 华侨大学 一种全参考屏幕图像质量评估方法
CN107274388A (zh) * 2017-05-22 2017-10-20 浙江科技学院 一种基于全局信息的无参考屏幕图像质量评价方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112085102A (zh) * 2020-09-10 2020-12-15 西安电子科技大学 基于三维时空特征分解的无参考视频质量评价方法
CN112085102B (zh) * 2020-09-10 2023-03-10 西安电子科技大学 基于三维时空特征分解的无参考视频质量评价方法
CN113014916A (zh) * 2021-02-26 2021-06-22 华侨大学 一种基于局部视频活动度的屏幕视频质量识别方法
CN113014916B (zh) * 2021-02-26 2022-11-01 华侨大学 一种基于局部视频活动度的屏幕视频质量识别方法

Also Published As

Publication number Publication date
CN111510707B (zh) 2021-08-31

Similar Documents

Publication Publication Date Title
Kang et al. Learning-based joint super-resolution and deblocking for a highly compressed image
Moorthy et al. Visual quality assessment algorithms: what does the future hold?
US9639956B2 (en) Image adjustment using texture mask
Dong et al. Human visual system-based saliency detection for high dynamic range content
CN112954312A (zh) 一种融合时空特征的无参考视频质量评估方法
CN111510707B (zh) 一种基于时空Gabor特征张量的全参考屏幕视频质量评估方法
US20140176548A1 (en) Facial image enhancement for video communication
CN110136144B (zh) 一种图像分割方法、装置及终端设备
CN113327234B (zh) 基于空时显著性分类和融合的视频重定向质量评价方法
Cheng et al. Screen content video quality assessment: Subjective and objective study
CN111861902A (zh) 基于深度学习的Raw域视频去噪方法
Choi et al. Video quality assessment accounting for temporal visual masking of local flicker
Xu et al. EPES: Point cloud quality modeling using elastic potential energy similarity
Chen et al. An improved image enhancement framework based on multiple attention mechanism
Zhang et al. No-reference omnidirectional image quality assessment based on joint network
CN115131229A (zh) 图像降噪、滤波数据处理方法、装置和计算机设备
Xian et al. A content-oriented no-reference perceptual video quality assessment method for computer graphics animation videos
Wang et al. Subjective quality assessment for images generated by computer graphics
Zeng et al. Screen content video quality assessment model using hybrid spatiotemporal features
Yue et al. Subjective quality assessment of animation images
Danier et al. BVI-VFI: A Video Quality Database for Video Frame Interpolation
Suen et al. Spatial-temporal visual attention model for video quality assessment
CN111127587A (zh) 一种基于对抗生成网络的无参考图像质量地图生成方法
CN111127392A (zh) 一种基于对抗生成网络的无参考图像质量评价方法
Che et al. Reduced-reference quality metric for screen content image

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