基于視覺信息的質(zhì)量感知模型及檢索方法研究.pdf

1、隨著互聯(lián)網(wǎng)及計算機視覺的迅猛發(fā)展，視覺信息大數(shù)據(jù)時代也接踵而至。如何從與視覺信息相關的海量的數(shù)據(jù)中迅速而準確地找到所需信息已成為一個非常有意義且具有挑戰(zhàn)性的研究熱點，其中又以視覺信息的質(zhì)量為核心問題。視覺信息的質(zhì)量直接影響信息的可展示性、檢索的準確性與知識發(fā)現(xiàn)的可能性，進而影響人工智能推理的可靠性。另外，社交網(wǎng)絡上圖像、視頻等可視化數(shù)據(jù)的數(shù)據(jù)量與日俱增，也預示著對多媒體數(shù)據(jù)有效的檢索技術(shù)變得越來越重要。因此，本文重點研究視覺信息的統(tǒng)計特

2、性，質(zhì)量評價準則的設計及基于視覺信息的檢索。主要的工作和創(chuàng)新點包括以下幾個方面:
　　(1)針對現(xiàn)有基于機器學習的無參考視頻質(zhì)量評價方法中需要利用大量主觀評價分值進行訓練，導致復雜度高的問題，提出一種非主觀值訓練的盲視頻質(zhì)量評價算法。該算法的關鍵是利用高斯差分濾波器提取視頻結(jié)構(gòu)特征矢量，并建立多級質(zhì)量感知中心集合，構(gòu)建視頻空域質(zhì)量評估密碼本;然后利用聚類算法獲取對運動矢量進行分類的閾值，進而得到運動感知因子;最后，結(jié)合視頻空域感知

3、質(zhì)量和運動加權(quán)因子得到視頻客觀質(zhì)量。結(jié)果表明，該算法優(yōu)于對比的其他無參視頻質(zhì)量評價算法，且計算復雜度低。
　　(2)綜合考慮了影響立體視頻用戶體驗質(zhì)量QoE的關鍵因素，提出了一種面向網(wǎng)絡傳輸業(yè)務的立體視頻用戶體驗質(zhì)量的多指標評價模型，該模型首先分析了立體視頻QoE的四大類影響因素;然后利用模糊層次分析法對所有影響因素進行層次分析，建立評估指標體系;最后，計算各指標的權(quán)重值，得到最終的立體視頻QoE評價模型。通過網(wǎng)絡仿真實驗，并利用

4、主觀評測值，驗證各個指標對網(wǎng)絡傳輸中立體視頻QoE的影響。
　　(3)針對社交媒體中圖像和文本之間存在的噪聲大及不完全對應，造成基于關鍵詞查找圖像的檢索方法不準確問題，提出一種基于超圖相關性學習的社交圖像檢索模型。該模型基于超圖原理利用圖像的視覺信息特征，文本信息，及用戶的社交關系信息建立圖像之間多類型的關系。在超圖的學習過程中，利用選擇性優(yōu)化算法對超邊的權(quán)重進行更新，實時的調(diào)整每個超邊在超圖重構(gòu)中的影響。另外，將圖像的受歡迎程度