پديد آورنده :
فولادگر، سعيده
عنوان :
طراحي و ارزيابي يك معيار كمي براي تعيين كيفيت ويدئو
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
هوش مصنوعي
محل تحصيل :
اصفهان: دانشگاه صنعتي اصفهان، دانشكده برق و كامپيوتر
صفحه شمار :
دوازده، 98ص.: مصور، جدول، نمودار
يادداشت :
ص.ع. به فارسي و انگليسي
استاد راهنما :
محمدرضا احمدزاده، عبدالرسول قاسمي
توصيفگر ها :
ارزيابي عيني كيفيت ويدئو , روش هاي مرجع كاهش يافته , ضريب همبستگي اسپيرمن , آنتروپي , مدل تركيب مقياس گوسي , ويژگي هاي آماري صحنه هاي طبيعي , توزيع گوسي تعميم يافته
تاريخ نمايه سازي :
2/3/94
استاد داور :
سعيد صدري، نادر كريمي
تاريخ ورود اطلاعات :
1396/10/02
رشته تحصيلي :
برق و كامپيوتر
دانشكده :
مهندسي برق و كامپيوتر
چكيده فارسي :
چكيده ظهور تكنولوژي اينترنت و موبايل افزايش عالقه به سرويسهاي چند رسانهاي در شبكههاي سيمي و بي سيم و نيز در دسترس قرار گرفتن حجم وسيعي از تصاوير و ويدئوهاي كدشده و فشرده شده ارزيابي كيفيت تصوير و ويدئو را به يك چالش تبديل كرده است با توجه به اينكه گيرنده نهايي در كاربردهاي مختلف تصاوير و ويدئوها انسانها هستند نظرات بينندگان در مورد كيفيت ويدئو بسيار حائز اهميت است ارزيابي كيفيت ويدئو از مسائل اساسي در بهبود نظارت و كنترل بهبود روشهاي پردازش تصوير و ويدئو پنهان سازي خطا و بسياري از كاربردهاي ديگر است ارزيابي كيفيت ويدئو به صورت ذهني با مشكالت زيادي از جمله زمانبر بودن و پر هزينه بودن و در برخي مواقع ناممكن بودن همراه است به همين دليل در سالهاي اخير توسعه روشهاي ارزيابي عيني كيفيت ويدئو بيش از پيش مورد توجه قرار گرفته است محققان ارزيابي كيفيت تصوير و ويدئو را در سه حوزهي مرجع كامل مرجع كاهشيافته و بدون مرجع انجام ميدهند در اين پايان نامه يك روش جديد ارزيابي كيفيت ويدئو در حوزه مرجع كاهشيافته ارائه شده است كه از اختالف آنتروپيهاي زماني و مكاني و نيز مقايسه پارامترهاي آماري صحنههاي طبيعي استفاده ميكند در اين روش تركيبي از مدلهاي آماري و اصول ادراكي براي طراحي الگوريتمهاي ارزيابي كيفيت ويدئو استفاده شده است مدل تركيب مقياس گوسي و مدل توزيع گوسي تعميميافته براي ضرايب موجك قابها و تفاوتهاي قاب به ترتيب براي اندازهگيري اطالعات متفاوت مكاني و زماني بين قابها مورد استفاده قرار گرفته است سپس تفاوت اطالعات زماني و مكاني به يك شبكه عصبي سه اليه با يك اليه مياني براي آموزش ارسال ميشود اين شبكه تفاوت اطالعات زماني و مكاني را به عنوان ورودي دريافت ميكند و با توجه به تابع هدف كه شامل نمرات ذهني موجود در پايگاه دادهي ارزيابي كيفيت ويدئو است وزنهاي شبكه را تنظيم ميكند براي ارزيابي بهينه بودن الگوريتمهاي ارزيابي كيفيت تصوير و ويدئو روشهاي مختلفي از جمله همبستگي بين دادههاي ذهني و عيني وجود دارد مقدار ضريب همبستگي اسپيرمن SROCC نمرات پيشبيني شده توسط شبكه عصبي برابر 6728 1 است كه در مقايسه با الگوريتم STRRED از دسته روشهاي مرجع كاهشيافته كه SROCC برابر7118 1 و MOVIE از دسته روشهاي مرجع كامل كه SROCC برابر 3518 1 دارد بهبود قابل توجهي داشته است همچنين اطالعات مكاني و زماني استخراج شده از ويدئوها به يك شبكه RBF داده شده است تا با روش ردهبندي k means با 69 گره مياني ويدئوها بر اساس كيفيت دسته بندي شوند براي تست ردهبندي ميانگين نمرات انساني دادههاي اطراف يك گره مياني به عنوان نمره كيفيت آن دسته معرفي شده است و سپس SROCC و ضريب همبستگي پيرسون PCC بين نمرات پايگاه داده و دادههاي تست ردهبندي شده محاسبه ميشود كه به ترتيب برابر9108 1 و 3308 1 است و نشان دهنده دسته بندي مناسب ويدئوها بر اساس كيفيت آنها است الگوريتم مورد ارزيابي در اين پايان نامه همبستگي بااليي با نمرات انساني داشته است كه نشان دهنده بهبود الگوريتم است كلمات كليدي ارزيابي عيني كيفيت ويدئو روشهاي مرجع كاهشيافته ضريب همبستگي اسپيرمن آنتروپي مدل تركيب مقياس گوسي ويژگيهاي آماري صحنههاي طبيعي توزيع گوسي تعميميافته شبكه عصبي
چكيده انگليسي :
Design and Evaluation of an Objective Criterion for Video Quality Assessment Saeede Fooladgar s fooladgar@ec iut ac ir Date of Submission 2014 13 8 Department of Electrical and Computer Engineering Isfahan University of Technology Isfahan 84156 83111 Iran Degree M Sc Language FarsiM R Ahmadzadeh Assist Prof Supervisor ahmadzadeh@cc iut ac irA R Ghasemi Assist Prof Supervisor arghasemi@eetd kntu ac irAbstractThe advent of Internet and mobile technology and increasing the interest in multimediaservices on wired and wireless networks lead to extensive use of encrypted and compressedimages and videos Since the final receptors of these Medias are humans viewers commentsabout the video quality are very important So the image and video quality assessment hasbecome a big challenge Video quality assessment is the key issues to improve the monitoringand control systems improve methods for image and video processing error concealment andmany other applications Subjective video quality assessment is a challenging problem since itis costly and time consuming That is why in the recent years the development of the objectivevideo quality assessment method is more considered In this thesis a new method of videoquality assessment is proposed in reduced reference scope which utilizes spatial and temporalentropic differences and comparison of statistical parameters of natural scenes In this methoda combination of statistical models and perceptual characteristics is used for designing thevideo quality assessment algorithm Gaussian Scale Mixture GSM and Generalized GaussianDistribution GGD are used to model wavelet coefficients of each frame and framedifferences in order to measure different spatial and temporal information between originaland distorted videos Then the difference between spatial and temporal information is sent intoa multi layer neural network This network receives spatial and temporal informationdifference as an input vector Target vector includes subjective scores which is available fromlive Laboratory for Image Video Engineering video quality assessment dataset Then thenetwork weights are adjusted and trained There are various methods to evaluate the efficiencyof image and video quality assessment algorithms including the correlation betweensubjective and objective data The Spearman Rank Order Correlation Coefficient SROCC ofpredicted scores by the neural network and subjective score is equal to 0 8276 that incomparison with the STRRED and MOVIE algorithms improved considerably In addition feature vector is sent to a RBF network to cluster videos according to their quality using k means algorithm For classification tests the mean of subjective data around a central node isidentified as the quality of that node This indicates that the proposed algorithm has a highcorrelation to subjective scores and shows considerable improvement to the previousalgorithms Keywords objective video quality assessment Reduce Reference methods Entropy Gaussian Scale Mixture GSM natural scenes statistic Generalized Gaussian Distribution GGD Neural Network
استاد راهنما :
محمدرضا احمدزاده، عبدالرسول قاسمي
استاد داور :
سعيد صدري، نادر كريمي
