基于神經網絡的網絡視頻質量評價算法研究.pdf

1、隨著網絡技術的發(fā)展,網絡視頻類服務越發(fā)普及,因此網絡視頻的質量也受到了越來越多的關注。網絡視頻的質量會受到多方面因素的影響。例如視頻在傳輸前需要進行壓縮編碼,以及傳輸時會遇到丟包、抖動等網絡狀況,這些都會對網絡視頻的質量造成一定影響。因此,本文針對網絡視頻的壓縮損傷和傳輸損傷,提出了一個基于神經網絡的網絡視頻質量評價算法,主要工作如下:
　　本文研究分析了現(xiàn)有的網絡視頻質量評價方法,對其進行分類與介紹,總結了常用的算法特點,提出了

2、針對網絡視頻質量評價采用壓縮損傷和傳輸損傷特征協(xié)同分析的策略。
　　論文首先分析了壓縮編碼對于網絡視頻質量的損傷,針對量化參數(shù)反應視頻壓縮量化時的失真,模糊度反應了視頻低碼率情況和離散余弦變換過程中的失真,跳躍宏塊數(shù)量反應視頻幀間預測過程中失真的特性,提出了評估壓縮損傷的三個特征參數(shù):量化參數(shù)、模糊度和跳躍宏塊數(shù)量,證明了這三個參數(shù)與網絡視頻質量之間具有很好的相關性。
　　然后,論文分析了網絡傳輸時丟包及時延抖動等網絡狀況對

3、網絡視頻質量的影響,得出了網絡傳輸會導致網絡視頻產生空域和時域兩個維度的質量損傷的結論。其中空域損傷表現(xiàn)為拉傷和塊效應,時域損傷表現(xiàn)為視頻播放中的卡頓。本文針對空域損傷和時域損傷,提出了可從視頻幀圖像中提取的六個特征參數(shù):拉傷程度、塊效應程度、聚合塊效應度、初始緩沖時長、卡頓平均時長和卡頓頻率。其中拉傷程度、塊效應程度和聚合塊效應度反應視頻的空域損傷,初始緩沖時長、卡頓平均時長和卡頓頻率反應視頻的時域損傷。最終本文針對網絡視頻的質量評價

4、選取了三個壓縮損傷特征參數(shù)以及六個傳輸損傷特征參數(shù)共同評估。
　　最后,論文根據(jù)分析得出的影響網絡視頻質量的九個特征參數(shù),設計實現(xiàn)了一個具體的網絡視頻質量評價算法系統(tǒng)。該系統(tǒng)以對網絡視頻的九個特征參數(shù)進行特征工程后的結果作為輸入,以視頻的主觀質量分數(shù)作為訓練輸出,利用BP神經網絡算法建立映射關系,從而最終得到網絡視頻的客觀評價質量。結果表明本文采用的壓縮損傷和傳輸損傷特征參數(shù),利用神經網絡分析模型可以得到較好的評價結果,并且具有特