Разработка новых методов анализа качества видеокодеков и оптимизация систем сжатия видеоинформации

• Автор: Хабибуллина, Наталья Айзиковна
• Шифр специальности: 05.12.13
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Долгопрудный
• Количество страниц: 152 с. : ил.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ

ГЛАВА 1. ОСНОВНЫЕ МЕТОДЫ И ОПРЕДЕЛЕНИЯ

1.1. Современные методы кодирования динамических видеоизображений

1.2. Внешние методы оценки качества работы видеокодека

1.2.1. Объективные методы тестирования

1.2.2. Субъективные методы тестирования

1.2.3. Методы сравнения видеокодеков

1.3. Анализ внутренних методов оценки эффективности работы отдельных алгоритмов в видеокодеке

1.3.1. Метод полной качественной оценки

1.3.2 Метод модификации исходной видеопоследовательности: добавление шумных кадров
в видеопоследовательность
1.3.3. Метод модификации исходной видеопоследовательности: удаление произвольных кадров из исходной видеопоследовательности
1.3.4. Использование синтетических видеопоследовательностей с варьируемой скоростью перемещений объектов
1.4. Методы оценки сложности видеопоследовательности
1.4.1. Пространственная сложность изображения
1.4.2. Временная сложность изображения
1.4.3. Временная сложность изображения с учетом компенсации движения
1.4.4. Метрика четкости изображения
1.4.5. Цветовые метрики
1.5. Статистические методы анализа данных применительно к задаче обработки данных видеоизображений
1.6. Передача видеопотока по нестабильным каналам связи с использованием видеокодека на основе вейвлет-преобразований
1.7. Заключение к главе

ГЛАВА 2. МЕТОД ВНЕШНЕГО АНАЛИЗА ЭФФЕКТИВНОСТИ РАБОТЫ ВИДЕОКОДЕКА ПУТЕМ МОДЕЛИРОВАНИЯ КАЧЕСТВА ВИДЕОКОДИРОВАНИЯ
2.1. Методика построения модели качества работы видеокодека до процесса кодирования видеопоследовательности
2.2. Новая метрика качества кодирования (EQM)
2.3. Заключение к главе
ГЛАВА 3. МЕТОДЫ ВНУТРЕННЕГО АНАЛИЗА ЭФФЕКТИВНОСТИ ИСПОЛЬЗОВАНИЯ ОСНОВНЫХ АЛГОРИТМОВ В ВИДЕОКОДЕКЕ
3.1. Условия проведения внутреннего анализа качества работы видеокодека..
3.2. Результаты тестирования и рекомендации по проведению внутреннего анализа видеокодеков
3.3. Заключение к главе
ГЛАВА 4. АНАЛИЗ ЭФФЕКТИВНОСТИ РАБОТЫ ВИДЕОКОДЕКА НА ОСНОВЕ ВАЙВЛЕТ ПРЕОБРАЗОВАНИЙ В УСЛОВИЯХ ПЕРЕДАЧИ
ВИДЕОПОСЛЕДОВАТЕЛЬНОСТИ ПО НЕСТАБИЛЬНЫМ КАНАЛАМ СВЯЗИ
4.1. Применение вейвлет-преобразований в процессе кодирования видео
4.2. Методика представления данных для цели дальнейшей передачи по каналу связи с переменной пропускной способностью
4.3. Анализ устойчивости качества видеопоследовательности к потерям в зависимости от использованного вейвлет-преобразования в процессе кодирования
4.4. Исследование эффективности использования метрики EQM применительно к видеокодеку на основе вейвлет-преобразования
4.5. Коэффициент сжатия видеокодеком основанном на вейвлет-преобразовании
4.6. Заключение к главе

ГЛАВА 5. ВЫВОДЫ
СПИСОК ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЕ А. ПРИМЕРЫ РАБОТЫ ЕОМ
ПРИЛОЖЕНИЕ Б. УСЛОВИЯ ПРОВЕДЕНИЯ ВНУТРЕННЕГО АНАЛИЗА
ПРИЛОЖЕНИЕ В. ПОКАЗАТЕЛИ Т-СТАТИСТИКИ
ПРИЛОЖЕНИЕ Г. ИЛЛЮСТРАЦИЯ РАБОТЫ ВИДЕОКОДЕКА НА ОСНОВЕ ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЙ
ПРИЛОЖЕНИЕ Д. ЛИСТИНГ РАСЧЕТА ХАРАКТЕРИСТИК СЛОЖНОСТИ ИСХОДНЫХ ВИДЕОПОСЛЕДОВАТЕЛЬНОСТЕЙ

Как правило, субъективное тестирование используют для сравнения различных видеокодеков. Кроме того, такой вид тестирования является эффективным для оценки адекватности объективных метрик.
Когда ученые предлагают новый объективный метод оценки качества работы кодеков, необходимо определить, насколько хорошо новый метод соотносится с мнением людей. В этом случае возникает вопрос: как правильно сопоставить данные, полученные субъективным и объективным методами.
Ж. Ванг в соавторстве с А. Бовиком в 2004 году предложили элегантное решение данного вопроса при работе над своей новой метрикой объективной оценки SSIM [42]. Они построили два облака данных, где по вертикали располагались значения MOS [23], а по горизонтали - значения метрики SSIM [42] и PSNR [37] для каждого облака соответственно. Далее каждое облако было аппроксимировано логистической функцией (4) (уравнение Ферхюльста). Переменные а, Ь, с, d подбираются методом наименьших квадратов [45].
Г = а + ^Ц- (4)
Таким образом, авторы аппроксимировали каждое облако, что позволило им сравнить адекватность объективных метрик по величине средне квадратичного отклонения. Чем меньше величина отклонения, тем лучше объективная метрика соотносится с субъективным мнением экспертной группы [23].
Также хотелось бы отметить, что вышеперечисленные метрики решают общую задачу оценки работы видеокодека, однако при разработке видеокодека существует необходимость проводить анализ отдельных частей видеокодека. Например, насколько эффективно работает анализатор сцены, каково качество работы реализованного алгоритма компенсации движения и многое другое. Такой анализ проводится сравнением нескольких реализаций видеокодеков при стрессовом тестировании. Основой данного анализа является грамотное сравнение результатов работы нескольких видеокодеков [46]. Ниже будут рассмотрены некоторые из подобных методов.