【技术实现步骤摘要】
本专利技术涉及视频监控
,特别是涉及一种适用于视频监控系统的视频质量评价模型。
技术介绍
随着信息技术的发展,视频监控现在已经被应用到了各个领域,用于保证社会治安、方便生产生活。视频监控系统一般由前端、传输部分、控制部分以及显示记录部分四个主要部分组成。前端主要包括摄像机以及与之配套的设备,用于完成视频图像的采集工作;传输部分包括电缆或光缆,以及有线或无线信号调制解调器等,用于传输前端所采集的视频信号;控制部分主要包括视频切换器、监视器等设备,用于完成摄像机监控位置的变动和监控视频的处理;显示记录部分主要包括录像机、画面分割器等设备,用于完成对视频信号的处理、显示以及存储。而视频质量成为衡量视频监控系统可用性的关键性指标。视频质量评价对优化监控视频的获取、压缩、传输以及存储有着极其重要的作用。由于视频监控系统的接收端无法获取原始视频,因此唯一可用于评价视频监控系统中的视频质量的方法是无参考视频质量评价算法。由于无参考质量评价算法完全不依赖原始信息,具有广泛的实际应用意义,因此众多学者和机构就此展开了研究。ZhouWang等人提出了《基于特征学习的方法》:将图像的平均误差和活跃性等特征与主观质量进行非线性拟合得到模型参数,实现了无参考图像质量评价;AnushKrishnaMoorthy等人基于“图像失真会影响图像小波域自然统计特性”这一理论,提出了《一种基于两级框架的无参考图像质量评价模型》。 ...
【技术保护点】
一种适用于视频监控系统的无参考视频质量评价方法,该方法包括以下步骤:步骤一、根据视频监控系统的特定结构,对监控视频的失真类型进行分类,失真类型分为空域失真和时域失真,其中:空域失真包括块效应、高斯模糊、快衰落和白噪声;时域失真包括跳帧、重影、抖动和拖尾效应;步骤二、建立图像失真模型,具体包括以下计算:对于一幅图像进行分离归一化处理,公式如下:I^(i,j)=I(i,j)-μ(i,j)σ(i,j)+C---(1)]]>μ(i,j)=ΣΣwk,lIk,l (2)σ(i,j)=ΣΣwk,l(Ik,l(i,j)-μ(i,j))2---(3)]]>其中,I(i,j)为亮度分量,μ(i,j)为均值,σ(i,j)为标准差,i∈1,2,...,M,j∈1,2,...,N表示图像空域坐标,M、N分别是图像的高度和宽度,C是常数,w={wk,l|k=‑3,...,3;l=‑3,...,3}为圆形对称的高斯权重函数,为均值减损对比归一化(Mean Subtracted Contrast Normalized,MSCN)系数;对广义高斯分布函数进 ...
【技术特征摘要】
1.一种适用于视频监控系统的无参考视频质量评价方法,该方法包括以下步骤:
步骤一、根据视频监控系统的特定结构,对监控视频的失真类型进行分类,失真类
型分为空域失真和时域失真,其中:空域失真包括块效应、高斯模糊、快衰落和白噪声;
时域失真包括跳帧、重影、抖动和拖尾效应;
步骤二、建立图像失真模型,具体包括以下计算:
对于一幅图像进行分离归一化处理,公式如下:
I^(i,j)=I(i,j)-μ(i,j)&sig...
【专利技术属性】
技术研发人员:张淑芳,韩泽欣,王馥瑶,张聪,
申请(专利权)人:天津大学,
类型:发明
国别省市:天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。