导读:本文包含了视频质量评价论文开题报告文献综述、选题提纲参考文献，主要关键词:视频,质量,评价,神经网络,服务质量,卷积,程度。
视频质量评价论文文献综述写法
周倩,龙姣,张昊[1]（2019）在《服务质量评价体系在电力视频通信保障系统的应用研究》一文中研究指出随着视频通信系统在电力业务系统中发挥越来越重要的作用,保障该系统的安全稳定运行成为电力调度业务领域的重要工作,为针对该系统特性的运维服务优化提供支撑。传统的运维服务管理模式不具备对该业务进行衡量与评价的能力,服务组织无法根据历史数据完成服务能力分析和优化改进,仅能提供响应式服务。GB/T33850-2017《信息技术服务质量评价指标体系》提出了与信息技术服务相关的基础质量评价体系和方法,结合电力视频通信保障系统的运维服务量化管理需求,应用该指标体系,形成与电力视频通信保障系统高度贴合的服务质量评价指标和评价方法,对于科学化管理该系统,以及推进该业务的运维自动化工作,具有重要意义。(本文来源于《电力通信技术研究及应用》期刊2019-10-23）
翟宇轩,刘怡桑,徐艺文,陈忠辉,房颖[2]（2019）在《基于HTTP自适应流媒体传输的3D视频质量评价》一文中研究指出3D视频网络服务的关键在于提高用户的体验质量(QoE),而体验质量往往会由于网络环境的变化及视频内容的不同而受到影响。传统的2D视频传输可以采用基于HTTP的自适应流媒体(HAS)速率自适应机制有效地利用网络带宽,提高用户体验质量。因此对于如何利用动态自适应流媒体技术实现至少需要传输两路视频流的3D网络视频服务已经越来越被关注。HAS技术的关键在于媒体质量级别的动态转换策略,主要研究了3D视频中不同视点比特率的变化对用户观看体验质量的影响。首先,建立一个主观数据库探讨块级客观质量与3D视频的视觉体验质量之间的关系,块级客观质量将随着比特率的变化而变化。其次,提出了一种基于卷积神经网络(CNN)的QoE模型,该模型可以通过块级客观质量有效地评估QoE,模型预测值和平均意见分(MOS)的皮尔森线性相关系数(PLCC)为0. 906,可在自适应流媒体应用中为3D视频传输中不同视点的码率调整提供指导。(本文来源于《北京航空航天大学学报》期刊2019年12期）
张浩[3]（2019）在《基于深度学习的无参考视频质量评价》一文中研究指出当下,由于智能设备的普及和移动网络的快速发展,我们周围充斥着各种各样监控和直播视频。人们观看视频不但可以丰富自己的业余生活,也可以从视频中获取大量的知识,因此视频在人们的生活中扮演着越来越重要的角色。但是,视频在录制、压缩编码、传输等过程中往往容易会产生失真,视频质量的好坏直接影响到人们对视频的主观感受。当判断视频质量作为一项人为工作时,费时费力且受主观影响,因此需要计算机对视频进行客观质量评价。在客观视频质量评价中,当前大部分研究学者都采用传统的手动提取特征,利用浅层学习机去预测视频质量分数,这样分阶段手动提取特征导致其结果并不太理想。随着深度学习的发展,越来越多的研究学者开始使用深度学习去解决图像质量评价。由于视频质量评价相比较于图像质量评价有较多难点,需要同时考虑视频时序、样本少等原因,导致这方面的研究相对较少。但是出于卷积网络在特征提取方面有出色的表现,所以本文克服上述问题使用深度学习的方法来研究视频客观质量评价。本文的研究的内容与成果总结如下:(1)提出了一种基于时空域特征提取的无参考视频质量评价方法。该方法考虑视频帧的时空域特征,首先使用帧差图来提取因抖动导致视频质量下降的时域特征,帧差图上利用卷积神经网络提取失真视频的时空域特征,然后使用PCA对特征进行降维处理,最后使用Xgboost对特征进行线性拟合得出视频最终的客观质量评分。在现有的视频质量评价数据库中的实验显示,本章的方法能够很好的预测视频质量的好坏。(2)提出了一种基于迁移学习的无参考视频质量评价方法。该方法避免了分阶段视频质量评价的繁琐,采用端到端的网络结构进行视频质量评价。在实验中,首先构建端到端的卷积神经网络,迁移VGG-16卷积层的参数,达到加快收敛和缩短训练时间的目的,然后对视频帧做切块拼接等处理,最后将拼接好的样本送入网络进行端到端的拟合。本章方法能够避免分阶段寻找特征,然后进行回归预测,有效的提高视频质量评价的精度。经过现有视频质量库的实验数据显示,能够很好的与人眼达到很好的主观一致性。(3)提出了一种基于循环神经网络的无参考视频质量评价方法。该方法很好的解决了视频时空域特征的提取。本实验是在方法(2)的基础上进行改进,迁移VGG-16卷积层参数后构建循环神经网络,即卷积网络用于提取空域信息,循环神经网络用于提取时域信息。两者的结合,在视频质量评价库中实验结果来看,能够很好的反映视频的主观得分情况,且本章方法同样是端到端进行训练和预测,提高了预测精度。(本文来源于《江南大学》期刊2019-06-01）
田桃[4]（2019）在《无线视频用户感知质量评价模型的研究》一文中研究指出如今,网络技术发展越来越迅速,用户接触到越来越多的无线视频服务,使得用户对观看无线视频体验质量的要求也越来越高。为了提升用户体验质量,评估及进一步优化无线视频业务的体验质量,对于保证用户观看视频业务的良好体验,具有重要意义,同时也是视频业务提供商和运营商关注的重点。本文以无线视频业务的用户体验质量(Quality of Experience,QoE)为研究重点,研究了无线视频业务的用户体验质量评估模型。首先,本文充分调研了无线视频服务用户体验质量的相关研究,给出了用户体验质量的定义,阐述了无线视频业务主观、客观和伪主观质量评估方法及其原理,详细介绍了无线视频业务无参考QoE评估模型,包括ITU-T G.1070模型、基于最近邻居算法评估模型、基于反向传播神经网络评估模型、基于圆形反向传播网络评估模型四种评估模型的原理。其次,针对无线视频业务用户体验质量的评估问题,提出了一种基于模糊层次分析法(Fuzzy Analytic Hierarchy Process,FAHP)的QoE评估模型。对影响无线视频业务QoE的终端参数、网络层、图像特性和内容特征等参数进行分析,确定了影响无线视频的QoE因素,分别为视频内容特征、网络层服务质量、终端质量及图像特性层。同时,确定了每个影响层面所对应的影响因素。然后,利用FAHP建立评价模型,并通过网络仿真和用户主观测评验证了各因素对无线视频业务QoE的影响及本文提出的评估模型的有效性。最后,针对无线视频业务客观无参考的用户体验质量的评估问题,提出了一种无参考质量评估模型:基于径向基函数神经网络((Radial Basis Function Neural Networks,RBFN)的改进模型。在此基础上,详细介绍了此评估模型所采用的算法及模型原理。通过仿真,将此模型和另外四种经典的无参考评估模型的评估结果分别对比研究,证明了本文提出的基于径向基函数神经网络的QoE评估模型具有最低的均方误差和最高的皮尔森相关系数,在评估准确度方面性能最优。(本文来源于《北京邮电大学》期刊2019-05-20）
云虹,王思懿[5]（2019）在《基于视频吸引力分析的 MOOC课程视频质量评价研究》一文中研究指出随着MOOC的发展,在线课程视频质量评价逐渐成为教学研究热点。评价课程视频质量,对于提升视频制作技巧和吸引力、提高在线授课质量、改进教学方法等具有重要意义。文章通过对学习者群体观看行为的视频吸引力模型构建,提出将视频吸引力的评估指数作为课程质量的评估参考依据,用于评价不同课程视频质量的差异,从而为优化课程建设提供借鉴参考。(本文来源于《黑龙江高教研究》期刊2019年04期）
许芸芸[6]（2019）在《基于SERVQUAL和KENO模型的企业视频会议服务质量评价方法研究》一文中研究指出视频会议系统为企业内部尤其是大型跨地区企业提供高效便捷的沟通渠道,随着应用的日益广泛,企业和用户对其服务质量的要求也越来越高。能否提升企业视频会议服务质量,成为视频会议系统能否在企业中得到应用的基础。(本文来源于《化工管理》期刊2019年10期）
许超[7]（2019）在《基于显着性加权的视频质量评价》一文中研究指出随着多媒体技术的不断发展,互联网用户人数的日益增加,数字视频早已变成人们接收信息的一个不可或缺的媒介。然而,在处理视频信息的过程中,视频数据处理中的压缩、传输与重构等步骤均会造成视频信息的缺失,从而使视频失真,影响了视频的质量。所以,人们也越来越注重在视频处理中采用精确高效的质量评价算法。评价方法划分为主观与客观两种:主观评价由于出自于人眼直观感受,因而一直被视为最稳妥的评价方法。但其耗废时间人力,应用受限,因此,客观方法的研究显得尤为重要。同时,视觉显着性作为人眼视觉系统的一个重要特性,常应用于质量评价领域。本文利用显着性对客观方法做出了一些改进创新,主要内容如下:(1)本文对视觉显着性的意义进行了分析。首先利用带通滤波、颜色和位置这叁个简单的先验知识构成了传统的静止图像视觉显着模型。在此基础上分析了视频运动特性,利用块匹配运动估计算法改进显着模型,在不牺牲过多运算速度的前提下,推出了更适合检测视频帧序列显着性的视觉显着性模型。本显着图可以应用于本文之后评价方法的创新和改进。(2)根据MPEG视频GOP的帧结构特性对单帧质量分数进行加权,并利用显着性计算显着值对GOP质量分数加权求和,提出了基于时域加权处理的视频质量评价算法。采用LIVE视频库中的MPEG-2失真类型视频评估本算法的性能,测试视频验证了算法的优越性。实验结果可见,本算法能够较精确地评估MPEG-2失真的视频。其性能优于主流的算法且比直接求取GOP质量分数平均值有更好的效果,可见对GOP质量分数进行显着性加权有效地提高了算法的性能。该方法较好地解决了不同帧质量分数在人眼中重要性不同的问题。(3)提出了基于显着性多失真特征结合的无参考视频质量评价算法,其特征包括:块效应、模糊效应以及时域信息熵。同时经过实验分析,加入了显着值作为新的特征值。在计算失真特征值时,利用视觉显着模型在提取块效应、模糊效应以及时域信息熵这些失真特征值时进行加权优化,进一步提高失真特征的预测性能。最后结合几个特征构建出最终的质量评价模型。在LIVE视频库中测试的结果表明,本算法能够较准确地评估不同失真类型的视频,性能优于传统的经典算法。(本文来源于《中国矿业大学》期刊2019-04-01）
李晨昊,卓力,李嘉锋[8]（2019）在《基于内容的H.264无参考视频质量评价模型》一文中研究指出针对H. 264视频编码标准,提出了一种基于内容的无参考视频质量评价模型。首先,从H. 264码流中提取参数,并对其进行统计分析,用于描述视频纹理复杂程度和运动剧烈程度,将其与量化参数相结合构成输入向量;然后,利用BP神经网络的方法,建立输入向量与主观评价打分(MOS)之间的映射模型,用于对H. 264视频码流的质量进行预测。实验结果表明,所提出的评价模型得到的斯皮尔曼系数(SROCC)为0.9624,皮尔逊系数(PLCC)为0.9464,可以获得较高的预测精度。(本文来源于《测控技术》期刊2019年01期）
王惠明,董文辉,尹怡晨[9]（2019）在《AVS+统计复用视频压缩图像质量评价方法研究》一文中研究指出本文研究提出了AVS+统计复用视频压缩图像质量评价方法,包括测试图像序列库的建立、码率点的确定、测试评价方法以及结果判定等。(本文来源于《广播与电视技术》期刊2019年01期）
卓力,张美娜,王贯瑶,李嘉锋[10]（2018）在《基于支持向量回归的无参考MS-SSIM视频质量评价模型》一文中研究指出多尺度结构相似度(multi-scale structural similarity,MS-SSIM)是一种常用的全参考视频质量评价准则,由于评价时需要原始视频作为参考,因此无法用于实时的网络视频质量评价中,故提出一种基于H. 264码流的无参考MS-SSIM视频质量评价模型.该模型从H. 264码流中提取出I帧和P帧的编码模式、运动矢量等参数,然后对这些参数进行统计分析,来表征视频的纹理丰富程度和运动剧烈与复杂程度;结合量化参数等信息构成码流特征参数集,使用支持向量回归(support vector regression,SVR)方法建立码流特征参数和MS-SSIM之间的映射关系模型,用于预测H. 264码流的MS-SSIM视频质量度量.该模型只使用从H. 264码流中提取的编码参数,无须原始的参考视频,也无须对视频进行解码.与现有的无参考码流预测模型相比,该模型可以获得更高的预测精度.(本文来源于《北京工业大学学报》期刊2018年12期）
视频质量评价论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
3D视频网络服务的关键在于提高用户的体验质量(QoE),而体验质量往往会由于网络环境的变化及视频内容的不同而受到影响。传统的2D视频传输可以采用基于HTTP的自适应流媒体(HAS)速率自适应机制有效地利用网络带宽,提高用户体验质量。因此对于如何利用动态自适应流媒体技术实现至少需要传输两路视频流的3D网络视频服务已经越来越被关注。HAS技术的关键在于媒体质量级别的动态转换策略,主要研究了3D视频中不同视点比特率的变化对用户观看体验质量的影响。首先,建立一个主观数据库探讨块级客观质量与3D视频的视觉体验质量之间的关系,块级客观质量将随着比特率的变化而变化。其次,提出了一种基于卷积神经网络(CNN)的QoE模型,该模型可以通过块级客观质量有效地评估QoE,模型预测值和平均意见分(MOS)的皮尔森线性相关系数(PLCC)为0. 906,可在自适应流媒体应用中为3D视频传输中不同视点的码率调整提供指导。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
视频质量评价论文参考文献
[1].周倩,龙姣,张昊.服务质量评价体系在电力视频通信保障系统的应用研究[C].电力通信技术研究及应用.2019
[2].翟宇轩,刘怡桑,徐艺文,陈忠辉,房颖.基于HTTP自适应流媒体传输的3D视频质量评价[J].北京航空航天大学学报.2019
[3].张浩.基于深度学习的无参考视频质量评价[D].江南大学.2019
[4].田桃.无线视频用户感知质量评价模型的研究[D].北京邮电大学.2019
[5].云虹,王思懿.基于视频吸引力分析的MOOC课程视频质量评价研究[J].黑龙江高教研究.2019
[6].许芸芸.基于SERVQUAL和KENO模型的企业视频会议服务质量评价方法研究[J].化工管理.2019
[7].许超.基于显着性加权的视频质量评价[D].中国矿业大学.2019
[8].李晨昊,卓力,李嘉锋.基于内容的H.264无参考视频质量评价模型[J].测控技术.2019
[9].王惠明,董文辉,尹怡晨.AVS+统计复用视频压缩图像质量评价方法研究[J].广播与电视技术.2019
[10].卓力,张美娜,王贯瑶,李嘉锋.基于支持向量回归的无参考MS-SSIM视频质量评价模型[J].北京工业大学学报.2018