客观评价法范文

客观评价法范文（精选9篇）

客观评价法 第1篇

一、各评价方法评价葡萄酒质量

1. 主成分分析法评价葡萄酒质量

考虑到各个理化指标的单位不一致, 并且有数据存在缺失和异常现象, 首先对缺失和异常的数据进行剔除处理, 使分析结果更加准确可信。在利用红葡萄酒的9项理化指标进行主成分分析时, 其相关系数矩阵的特征向量各分量符号不一致, 使评价效果很不理想。Frobinius定理指出当相关系数矩阵R中的每一个元素都是正值, , 则R矩阵的第一个特征向量中的所有分量均大于零。并且由于第一主成分与原始变量综合相关度量最强, 所以只用第一主成分作综合评价指标。在原9项理化指标变量中, 除色泽外的其他6项理化指标间均呈正相关性, 它们与色泽间有的呈负相关, 有的呈正相关, 若将全部指标纳入主成分分析中, 则无法保证第一个特征向量的各分量都大于零, 因此筛选了除色泽外的其他6项理化指标。另外在作评价分析时, 由于评价方法的不同, 各指标变量的权重会与实际的重要程度不符合, 我们参考文献[2]将更为重要的理化指标被赋予更大的权重, 在这些指标上, 变量的变差被拉长, 于是在求第一主成分时, 这些指标会得到更多的重视, 具体的做法是:

(1) 将6项理化指标数据进行标准化处理, 标准化后的指标记为xj*;

(2) 令, 即根据理化指标的重要程度赋予权数, 重要指标aj大些;

(3) 对标准化又加权后的数据阵计算协差阵, 求得最大特征值D为5.5394和特征向量T;

(4) 求出第一主成分, 其方差贡献率已达到78.9%, 利用第一主成分得分评价。

2. 熵权法评价葡萄酒质量

3. 层次分析法评价葡萄酒质量

将红葡萄酒的27个样品作为方案层, 6项理化指标作为准则层, 葡萄酒质量作为目标层, 建立层次结构。

对准则层的每个理化指标, 方案层27个样品两两比较打分时, 发现国际标准中仅列出1、3、5、7、9分级系统, 对于所有的理化指标均无数值指标。我国标准除个别性状具有指标或参照品种外, 绝大部分性状既没有数值指标, 也没有参照品种, 只有调查项目, 于是我们查阅有关资料, 利用1~5等距分级打分方法构造成对比较阵。并且各层对上一层每一因素的成对比较阵计算最大特征根和特征向量, 利用作一致性检验, 均通过一致性检验。最后计算处组合权重, 从而得出27个样品的组合权重, 并且通过组合一致性检验。

二、实证结果

由以上三种评价方法得出葡萄酒的评分, 将其分为优良, 合格, 不合格三个等级, 最终的结果如下图:

以上四种方法一致评价4、6、10、11、15、16、24、27样品为不合格, 评酒员感官评价、熵权法及层次分析法三种方法基本上评价差不多:23号样品为优良, 7、12、13、18、25号样品为不合格, 它们与主成分分析法评价差别较大, 而1、8、9、17、19号样品四种方法评价差别较大。

三、结论与讨论

在使用葡萄酒理化指标评价葡萄酒质量和的研究中, 除了以上三种方法评价方法, 还有聚类, 模糊评价, 数据包络等评价方法, 由于不同评价方法得到的理化指标的权重也不尽相同, 因此葡萄酒质量的得分也不一样。在葡萄酒质量的评价中, 我们往往主要根据专业品酒员的感官评价给出葡萄酒质量分级, 这一点是任何的主客观评价方法不可替代的。但是对于那些评酒员有争议的样品可以结合主客观评价方法的分级给出最终的评价等级。在未来的研究中, 我们可以通过分析葡萄酒各理化指标的含量, 为怎样提高葡萄酒质量起到一定的指导作用.总之, 本研究在葡萄酒质量综合评价及研究方法做了一些有益的探索, 由于客观事物的复杂性, 研究结论尚需进一步验证, 完善, 以期得到更好的发现。

摘要：通过对红葡萄酒数据进行统计分析, 发现葡萄酒的理化指标和其质量间存在较强的联系.本文利用筛选出来的葡萄酒的重要理化指标, 采取主成分分析法、熵权法及层次分析法对葡萄酒的质量进行分级, 为品酒员感官评价提供客观的辅助依据。

关键词：主成分分析法,熵权法,层次分析法,葡萄酒质量

参考文献

[1]全国大学生数学建模竞赛组委会.2012年竞赛题A题[EB/OL].http://www.mcm.edu.cn.

[2]李华, 刘曙东, 王华, 张予林.葡萄感官评价结果的统计分析方法研究[J].酿酒, 2006, 04 (30) :57-59.

[3]李运, 李记明, 姜忠军.统计分析在葡萄酒质量评价中的应用[J].酿酒科技, 2009 (4) :79-82.

客观自我评价 第2篇

崔浩：“夫亮之相刘备，当九州鼎沸之会，英雄奋发之时，君臣相得，鱼水为喻，而不能与曹氏争天下，委弃荆州，退入巴蜀，诱夺刘璋，伪连孙氏，守穷踦?区之地，僣号边夷之间。此策之下者，可与赵他为偶，而以为管萧之亚匹，不亦过乎?谓寿贬亮非为失实。且亮既据蜀，恃山崄之固，不达时宜，弗量势力。严威切法，控勒蜀人;矜才负能，高自矫举。欲以边夷之众抗衡上国。出兵陇右，再攻祁山，一攻陈仓，疏迟失会，摧衄而反;后入秦川，不复攻城，更求野战。魏人知其意，闭垒坚守，以不战屈之。知穷势尽，愤结攻中，发病而死。由是言之，岂合古之善将见可而进，知难而退者乎?”

所谓既得陇，复望蜀，在蜀汉方面，获得陇右不仅可以打破曹魏对蜀国的包围，还可以居高临下俯视关中。反之，陇右控制在曹魏手中，不仅可以屏护关中，还可以从侧翼包围汉中，并且直捣蜀汉腹地。(邓艾灭蜀，正是以陇右为基地，蒙哥攻蜀，也是从甘肃陇山出发)

教师教学成绩的客观评价 第3篇

传统教学成绩的评价, 大多是把考试分数作为评价学生优秀、及格和不及格的绝对标准, 如规定考试分数达到80分及以上为优秀, 达到60分及以上为及格, 低于60分为不及格。用平均分、及格率、优秀率来衡量教师的教学成绩。在通常情况下, “好”班的学生考试成绩总比“差”班的好, 教“差”班的教师的教学成绩总不如“好”班。所谓的“提高率”也就是看平均分、优秀率、及格率 (以下简称“三率”) 是否有提高, 试卷容易了“三率”就高, 表面上看就进步了, 试卷难了, “三率”就低, 表面上看就后退了。这种绝对的评价方法, 评价标准是在评价对象的集合之外确定的, 每个团体都可用此标准进行评价, 参照标准是在对评价对象进行评价之前确定的, 既忽视了各班学生的基础, 又忽视了考试试题的难易程度, 对不同学科的任课教师也无法区分教学成绩的优劣, 评价结果只能说明评价对象的达标程度。由于不同班级间学生整体能力水平存在差异, 且考试试卷的难易程度不同, 使得学校对教师的教学成绩评价没有发挥其应有的作用, 对教师教学成绩的评价很难令人满意, 这种不科学、不合理、不公平的评价办法, 导致教“差”班的教师总是没有好的教学成绩, 造成人人争取教“好”班, 个个不愿教“差”班, 不仅严重挫伤了部分教师特别是担任所谓“差”班教学工作的教师的教学积极性, 而且大大增加了学校安排工作的难度。

本文介绍的评价教师教学成绩的办法, 与试卷的难易程度无关, 与学生能力水平差异的关系不大, 与传统的评价方法相比会更加客观。下面, 谈谈笔者对教师教学成绩评价的作法。

一、评价思路

采用相对评价法, 以被评价对象的群体平均水平作为基准, 然后把该群体中的各个对象逐一与基准进行比较, 通过比较可以了解教师之间的差异, 能较准确确定教师个体教学成绩的优劣。为避免各班学生文化素质不均衡导致评价不公, 教师教学成绩除了与同学科、同年级的其它教师比较外, 还要与同班级的不同学科的教师进行比较, 后者的比较是相同学生的成绩, 更有说服力, 更能体现教师的教学效果。

二、评价对象

语文、数学、英语、物理、化学、生物、政治、历史、地理等学科的任课教师。

三、评价概念及计算公式

A.高分率。把各年级学生数的30%作为高分人数 (比例可根据教学目标确定, 下同) 。各学科的高分分数线分别根据高分人数按各学科学生的考试成绩降序排列确定。若出现拟定的高分人数不会恰好等于规定的人数, 高一分少了m人, 低一分多了n人, 则按低一分的分数确定高分分数线, 并把刚好在高分分数线上的 (m+n) 人按比例折算成m人, 即线上学生每人所占的高分人数为:m/ (m+n) 人。高分率、高分比率根据下式计算:

高分率=高分人数÷与考学生数×100%

高分比率=高分率÷30%

公式中的30%为年级的高分率。

B.达标率。把各年级学生数的70%作为达标人数。各学科的达标分数线确定法与高分分数线的确定法相同。达标率、达标比率根据下式计算:

达标率=达标人数÷与考学生数×100%

达标比率=达标率÷70%

公式中的70%为年级的达标率。

C.均分比率。

均分比率=教师个体平均分÷年级全体平均分

D.比值和=高分比率+达标比率+均分比率

E.科分。即与同年级、同学科教师教学成绩比较所得的分数。把同年级同学科的所有任课教师的比值和进行比较, 比值和为年级最后一名的科分定为1分, 倒数第二名的定为2分, 倒数第三名的定为3分, 依此类推。

F.班分。即与同班级、不同学科教师教学成绩比较所得的分数。把同班级不同学科的任课教师在同班的比值和进行比较, 比值和为班级最后一名的班分定为1分, 倒数第二名的定为2分, 倒数第三名的定为3分, 依此类推。任教班级多于一个班的任课教师, 班分取所有任教班级的平均值。

G.教学分。即学校在对教师的教育教学工作进行综合评价时, 教学成绩所得的分数。

教学分=教学成绩在学校教育教学工作中所占的权重分×60%+教学成绩在学校教育教学工作中所占的权重分×40%÷ (同年级同学科任课教师数+同年级参评学科数-2) × (科分+班分-2) 。

上式是使教学成绩最好的教师教学分得满分, 教学成绩最差的教师得及格分。

H.提高率= (本次考试所得的教学分-上次考试所得的教学分) ÷ 上次考试所得的教学分×100%。

对于接班不超过一个学年的教师, 若该班原任课教师的教学分低于年级的平均教学分时, 可按照下式计算其应得教学分, 目的是使“差”班有人教, 以便学校安排工作。

应得教学分=本次教学分× (100%+提高率) 。

若根据此公式计算的应得教学分高于同年级的最高教学分, 则以同年级最高教学分作为应得教学分。

以上所有项目的计算均按期初注册的学生数, 每班剔除两个最低分 (含缺考、辍学) 的学生进行统计。由于教学分计算较复杂, 不易操作, 为减轻统计工作量, 必须编写计算机程序由计算机进行统计。

这种相对评价具有以下特性:

1.比较性。

有比较才有鉴别。这种评价方法减小了不同班级学生的学习基础的差异造成的评价误差, 把同班级的不同学科的教学成绩进行比较, 解决了不同学科教师无法比较的一大难题。任课教师只要一看高分率、达标率、均分比率立即知道所教的班级考试成绩有没有达到年级的平均水平、学生考试成绩是比上次考好还是差。

2.准确性。

在确定高分人数、达标人数时, 考虑到部分分数线上学生分数并列, 如果没有折算成相同的人数, 在并列人数较多时就有可能造成不客观。

3.公平性。

由于这种评价方法是相对评价的方法, 充分考虑到班级学生的学习基础, 无论是教重点班还是教“差”班, 只要教师付出辛勤的劳动, 他们获得成就的机会基本是均等的。

4.导向性。

这种评价方法有利于引导全体教师积极从事教学工作, 能调动全体教师的教学积极性。学校还可以通过调整比值和公式中各分值权重来解决教学目标、教学重点问题, 如要引导教师解决教学中的偏科问题, 就可以加大高分比率的权重;如要面向大多数学生, 提高教学成绩的达标率, 就可以适当加大达标比率、均分比率的权重, 以引起教师的关注、重视。

摘要：由于各种原因, 学生的考试成绩与教师的教学成绩具有一定的非必然性, 用学生考试成绩评价教师的教学成绩, 确实存在着许多不好解决的问题。如何使学生考试成绩更能反映教师的教学成绩, 一是在命题上下功夫, 二是在评价上求客观。

客观自我评价 第4篇

第五次，公元255年，姜维出陇西，曹魏狄道长李简举城投降，继而进围襄武破徐质军，乘胜“拔河关、狄道、临洮三县民还。”

第六次，公元255年，姜维复出陇西狄道，大败魏雍州刺史王经，歼灭魏军数万人。

第七次，公元256年，姜维与镇西大将军胡济约定在上邽合军，结果胡济没有遵守约定，姜维被魏将邓艾大败于段谷，死者甚众。

姜维于是上书后主刘禅，自贬为后将军，行大将军事。

第八次，公元257年，姜维得到魏国发生诸葛诞叛乱的消息后，乘着关中军队东调淮南平叛的时机，率大军出骆谷，魏将邓艾、司马望等人坚守不出。

不久之后，诸葛诞叛乱失败，姜维撤军。

第九次，公元263年，姜维进取秦州，为邓艾所破，撤军。

综合来看，姜维九次北伐，两次大胜，一次小胜，一次大败，一次小败，相拒不克四次。单就军事成就而言，胜败大致相当。但如果考虑魏国与蜀国综合实力对比的话，姜维面对强大的魏军，不仅能坚固防线，而且多次重创敌军，已经非常难能可贵。

3D电视视差舒适度客观评价 第5篇

立体视频图像技术发展至今,3D技术作为其代表技术,在电影行业已经成熟运用。南非世界杯直播、美国探索频道、欧洲3D立体卫星电视以及国内3D频道开播标志着3D技术在电视行业中也较为成熟的运用起来。除此之外,在网络、游戏、医疗等诸多领域,3D技术也在不断地发展。

虽然3D技术有广阔的应用前景,但是限制其发展的一大壁垒就是由于3D电视的视差在带给观众纵深感、真实感的同时带来的视觉疲惫感。这大大限制了观看3D电视的时长和舒适度,从而造成了3D电视技术不能大范围普及。

一双目立体视觉

1.双目立体视觉理论

人眼接收光搭载的传递信息来感知观看外界的事物,这些光线透过角膜、晶状体、玻璃体的折射,在视网膜上显出景物的影景象,转换成神经冲动传入大脑层的视觉中枢,经过大脑皮层的综合分析,产生视觉。人眼的结构示意图如图1所示。

双目立体视觉理论建立在对人类视觉系统研究的基础上,通过双目立体图像的处理,获取场景的三维信息,其结果表现为深度图,再经过进一步处理就可得到三维空间中的景物,实现二维图像到三维空间的重构。

3D电视,就是通过在液晶面板上加上特殊的精密柱面透镜屏,经过编码处理的3D视频影像独立送入人的左右眼,观众无需借助立体眼镜即可裸眼体验立体感觉,同时能兼容2D画面。目前3D电视显示技术可以分为眼镜式和裸眼式两大类。对于眼镜式3D技术,又可以细分出三种主要的类型:色差式、偏光式和主动快门式。

3D电视使用两台摄像机设置在与人眼瞳孔距离相近的距离同时拍摄记录左右眼图像,将两路图像合并成一路图像.进行混合、划像,切换和编辑制作,最终的三维立体信号在特殊设备上显示观看。采用“帧兼容”方式传输3D信号。目前利用空间压缩的方法把双眼的两个图像压缩在现有的高清传输带宽内,有Side by Side以及Line by Line模式(如图2),都属于空间压缩的范畴,两种模式在水平或者垂直方向上损失一半分辨率。

2.视差

人眼在观看时能够感知物体的宽度、高度以及深度,判断物体之间的距离,这种三维视觉的主要原因是人眼用双目同时观看物体。在单用左眼和右眼观看物体时,所产生的图像移位感觉就叫视差(Binocular disparity)。视差分为正视差和负视差两种(如图3)。基于双目视差的原理,运用两台距离类似于IOD (约65mm)的摄像机同时记录拍摄景象,获得景象的立体图像左右眼视频,可以通过视差的匹配计算方法计算出视差值,通过几何和三角关系换算出深度信息。

视差估计计算是依据参考图像中的一个点或者一个块,根据某种准则,在对应图像中寻找其匹配的点或者块的过程。视差估计越精密,所得到的预测图像就越能接近原始图像,残差图像也越好,如应用在压缩编码中,压缩比也越高。

视差估计的匹配环节主要有稠密匹配和稀疏匹配两种。视差受摄像机几何及物体表面的连续性约束,恰到好处运用这些约束将有益于视差的估计。Marr提出了外极性等约束条件[1],后来经过Mayhew和Frishy推广,目前有:外极性约束条件、方向性约束条件、相容性约束条件、平滑性约束条件、连续性约束条件、唯一性约束条件和视差梯度约束条件。

二3D电视视频图像质量评价

3D立体视频利用人眼的双目视差原理,让左右眼分别接收不同的视频信息进行神经合成一幅3D有立体纵深的画面。3D立体视频图像质量评价依托于现有成熟的2D图像领域的主客观图像质量评价体系[2],但也不是简单地全盘移植,还需有基于3D特性的变化。

1.2D图像质量评价体系

视频质量主要从主观和客观两个角度进行评价,而评价的内容有逼真度和可懂度两个方面。逼真度是指观看图像和原始图像的相似程度或者偏离程度,而可懂度是指视频所提供的信息与人们日常生活中积累的经验的符合程度。视频质量评价的另外一个非常重要的指标就是视频的舒适度,如闪烁频率、亮度色度饱和度等。

国际电信联盟ITU从1999年起陆续发布了一系列的主观评估的测试标准,有多媒体应用的主观视频质量评价方法《ITU-T P.910》、《ITU-R BT.500》等,主要包括ACR测试方法、DCR测试方法和DSCQS测试方法。

视频的客观评价标准是借助计算机机器视觉和数学模型的方法和手段,来模拟人眼的真实客观评价标准,最终达到使用客观的评价标准来达到与人主观评价相一致的评价结果。客观评价标准有以下三种常用的评价模型:基于误差统计的评价模型,基于HVS模型和基于图像特征统计量。

2.3D图像质量评价

(1)立体视频评价的必要性

立体视频从采集拍摄、压缩、编解码、传输到最后的存储和显示过程中,这些技术过程都经过电子线路,很容易引入高斯白噪声等噪声因素,从而影响到了图像最终观看的质量。因此要建立起一种立体视频视觉质量评价标准,确保该评价标准能够察觉到立体视频图像在中间环节引入的失真和误差,做出主、客观的评价。

(2)现有立体视频评价标准

目前在立体视频图像质量评价中常借鉴2D图像质量评价的指标,如峰值信噪比、均方误差等,但实际使用后发现它们不能很好地反映人眼对3D立体图像质量的真实感觉。

MPEG组织专门成立小组致力于立体视频的研究,ITU国际电信联盟也专门对3DTV进行研究,陆续制定人眼对于图像质量主观感知特性的主观实验测试标准,其中针对于立体视频图像质量的有立体图像质量测试操作规范(ITU-R BT.1438),通过主观感知实验,研究人眼视觉系统对图像的感知:如人眼对亮度的非线性感知,包括视觉的非线性、对不同空间频率的不同敏感度、对比度敏感度等。

(3)《3D电视技术指导意见第一部分:节目制作播出》

总局科技司发布《3D电视技术指导意见》,该意见的第一部分系统阐述了3D节目制作播出节目拍摄,后期制作、节目存储和节目播出这几个方面的技术方案和标准,其中特别提出了3D电视拍摄制作视觉安全准则和质量控制,对3D电视的视差、误差、视野冲突和质量进行控制。

其中对于视差的管理部分如下:

●长时间观看,为保证舒适度,大部分时间内的画面主体内容视差角小于1度,相当于在屏幕上左右成像间距小于高清电视水平方向的3%,约58个像素;

●拍摄,制作时控制视差的办法有两种;拍摄时调整左右摄像单元的间距、会聚角;制作时校正左右眼图像的水平相关参数;

.通过后期调整图像的水平位置,实现等效调整摄像单元间距的视差效果。

三3D图像视差提取

在3D视频图像对这个应用场景中,要提取到左右眼图像的视差,需要对左右眼图像进行匹配获得运动估计。视差的提取有以下两步:确定匹配图像,采用合理的匹配算法和准则。

1.图像匹配准则

匹配过程中使用的各种匹配准则或者叫匹配算子,是用来衡量两个子块的相似程度的误差度量函数,匹配准则直接关系到运动估计的精确性,每一个匹配算子都有自己的优缺点。目前常用的有以下四种匹配准则:平均绝对误差MAD。绝对绝对误差和SAD、均方误差函数MSE和归一化互相关函数NCCF。在下文中通过实验对比不同匹配准则的匹配效果。

2.图像匹配算法

(1)块匹配算法

基于区域的稠密匹配方法考虑两幅图像中具有相似特性的区域,最常用的方法是基于块匹配的算法,其他算法有光流法,相位相关法等。块匹配算法简单有效,以及被诸多视频压缩编码算法所采用作为运动估计的算法,如MPEG系列和H.26x等。

块匹配算法中,一帧图像被分割成MxN或NxN像素大小的互不重叠的块,在视频图像序列中,t时刻对应图像序列的第k帧,t+1时刻对应图像序列的第k+1帧。在k+1的图像帧中的一个块,寻找它在第k帧中的位置,是匹配的过程.基于一定的匹配标准,找到最佳匹配,并且将从k到k+l帧过程中块移动的距离、方向当作运动矢量。

常用的块匹配算法有全搜索法、三步搜索法、交叉搜索法、四步搜索法、菱形搜索法等。块匹配算法块的大小的选择、运动估计的精度和物体运动的一致性这几个要素。

(2)特征匹配算法

特征匹配是稀疏匹配的匹配算法,只通过提取图像的特征边缘或者特征点,对这些特征进行两幅图像的匹配计算,而对其他的点进行相似插值的算法,这种算法计算复杂度低于块匹配,但是匹配真实性低于块匹配。

常用的检测边界的算子有一阶导数梯度算子有Roberts算子、Sobel算子、Prewitt算子:二阶导数算子有拉普拉斯算子、马尔算子以及Canny算子;常用的特征点检测的算子有Harris、Susan和Sift算子。

(3) SGBM立体匹配算法

Heiko Hirschmulle提出的基于半全局信息和互相关信息的立体匹配算法SGBM[3],它采用像素精度,基于互相关信息的匹配来弥补输入图像的细小差异。像素精度的匹配通常是被看作全局信息也就是稠密匹配的一种平滑性限制条件.SGBM算法是一种像素精度各个方向的快速近似算法。

互相关信息在处理复杂的光照问题时被引入计算机视觉算法.现在已经广泛应用在立体匹配和快速近似计算中。SGBM算法是基于像素精度的互相关信息匹配过程和近似全局的2D平滑度限制,也就是视差匹配的限制条件,分别从以下三个方面来进行:像素精度匹配计算、全方向聚合计算、二次曲线拟合亚像素级别视差计算。

四舒适度客观评价

1.匹配准则对比实验

之前介绍了图像匹配常用准则:平均绝对误差MAD、绝对绝对误差和SAD、均方误差函数MSE和归一化互相关函数NCCF。SAD和MAD的计算实质是一样的,并且在匹配算法中广泛使用SAD代替MAD;MSE是SAD匹配准则的特例,即窗口是方形的情况。所以在实验中选择SAD和NCCF两种匹配算法进行比较。

使用块匹配中全搜索的算法,窗口大小设为9,最大可能视差48,对Tsukuba和Teddy等四套标准测试视差图进行了两种匹配算法的比较,实验结果是:NCCF的视差图质量略好于SAD,但是计算复杂,时间较长。在实时性要求高的应用场景下选择SAD准则;NCCF效果虽然比SAD好一些,但是运算过于复杂,时间过长。具体效果如图5。

2.匹配算法对比实验

通过实验,实现之前介绍的块匹配、特征匹配和SGBM匹配算法,并且对比了各种算法的实际匹配效果与匹配效率的关系(见图6,表2),最终选取了适用于3D电视场景的算法。

在匹配中使用了方向性、外极性、平滑性与唯一性约束条件,即视差只在水平方向上有变化。三种匹配算法试验中,统一设最大可能视差为48,SAD的匹配准则。

根据上述三组实验数据,比较三种匹配算法计算时间:特征匹配速度最快,块匹配次之,SGBM时间最长。如果应用场景对视差提取的精度要求相对于实时性要求较低,可选用BM算法;若对精度要求高于实时性,可选用SGBM算法。

3.视差舒适度客观评价

选取基于OpenCV和Microsoft Visual Studio 2008的开发环境,选用MFC对话框的界面形式,SGBM的图像匹配视差提取算法,以及《3D电视技术指导意见第一部分:节目制作播出》中对视差的安全性指标的控制标准进行获取视差值的分析与视差舒适度的评价进行效果实现,如图7。

五结束语

视差估计在计算机视觉以及立体视频、3D电视领域都有着非常重要并且实际的地位和意义,随着机器视觉和立体视频的普遍广泛应用,对系统的实时性和准确性的要求也越来越高。由于3D图像内容存在遮挡效应、噪声、光线等约束因素,立体图像的视差图存在一定误差,提高精度依旧是今后发展的重点。3D视频图像质量评价目前仍然以借鉴2D图像的主客观评价思路,虽然ITU及其他国内外组织做了大量的研究提出了一些规范建议,但是对于3D立体视频的评价仍然缺乏有效的准则。3D电视技术发展依旧任重而道远。

参考文献

[1]Marr D,"Vision:A computational investigation into the human representation and processing of visual information"[J],1987

[2]Wang Z,Bovik A C,Sheikn H R,et al.Image Quality Assessment:From Error Visibility to Structural Similarity[J],IEEE Transactions on Image Processing,2004,600-612

增强图像的客观质量评价算法研究 第6篇

1关于增强图像的质量评价算法

本文得到原始图像和增强图像的饱和度图像并对饱和度图像求均值得到每幅图像的饱和度评价值并与参考图像得到的值进行比较得到饱和度相似度, 然后, 求得图像的结构相似度和清晰度相似度。最后通过以上3个指标得到图像质量的综合评价值。

1.1 图像结构相似度

自从Cabor提出了解析信号之后, Hilbert变换在信号处理领域得到了广泛的应用。本文由特征相似性指数算法得到图像的结构相似度Fsim。

1.2 色彩饱和度相似度

为了对图像的饱和度进行分析, 本文将图像由RGB彩色空间转换到HSI彩色空间并从中获得饱和度图像。颜色图可以根据2个因素进行评估:一是图像中各种颜色与中心灰度的平均距离;一个是图像中不同彩色之间的距离。

设一幅M×N的饱和度图像S, 其均值计算如下:

1.3图像清晰度相似度

为了计算图像的清晰度, 采用了在的测试中评价效果最好的最小可察觉模糊算法 (JNB) 。得到每幅图像的清晰度之后又计算了图像的清晰度相似度。是参考图像的清晰度 (i=1、2、3) , 是增强图像的清晰度值。如下公式:

2图像质量分数

从上面的分析中得到了图像的饱和度相似度、清晰度相似度以及结构相似度。本文通过以下公式 (4) 获得对图像的客观评价值:

3实验结果与分析

3.1算法效果的评价指标

为了测试本文提出的图像质量客观评价结果与主观感知的契合度, 本文选择了3个评价标准:皮尔森积矩相关系数、斯皮尔曼等级相关系数、均方根误差来评价算法的性能。本文采用非线性回归函数Logistic函数对提出的算法进行了评价, 拟合结果如图1所示。通过拟合曲线可以看出算法得出的客观评价值较好地聚集在拟合曲线附近, 说明算法可以对增强图像的质量进行有效评价。

3.2 算法的对比结果

表1是本文将不同图像质量评价算法在数据库上的测试值对比结果。

通过与其他算法的比较发现, 本文新建立的算法的评价效果比已经存在的算法的评价效果好。与其他算法相比, 本文的算法皮尔森积矩相关系数 (PLCC) 和斯皮尔曼等级相关系数 (SROCC) 值更加接近1, 而均方根误差的值也减小了4.96%。这样看出本文的算法得到的PLCC和SRCC最高, RMSE最低。

4 结语

增强图像在色度、清晰度等方面都比原始图像有了提高。人眼可以对图像的质量作出准确的判断, 但是现有的图像增强评估算法无法完成这一任务。本文的算法从图像的结构相似度、色彩饱和度以及清晰度3方面评价增强图像质量, 获得的评价值和人眼的主观评价值有很好的一致性。说明本文的算法可以在没有高质量的参考图像的条件下评价增强图像的质量并取得可靠的增强图像质量评价结果。

参考文献

[1]伟志辉, 程军.基于小波变换的一种新的图图像质量评估方法[J].南京理工大学学报, 1998 (12) :60-65.

[2]杨春林, 旷开智.基于梯度的结构相似度的图像质量评价[J].华南理工大学学报:自然科学版, 2006 (9) :22-25.

小议如何客观全面地评价历史人物 第7篇

一、要具体分析历史人物所处的时代背景

不是英雄造时势, 而是时势造英雄。任何伟大的历史人物, 归根结底, 总是时代的产儿, 总是和一定的时间、地点、条件联系着的。离开具体的时代背景去评价历史人物, 不是苛求古人, 就是把古人现代化。例如, 评价秦始皇, 离开当时的历史条件, 我们看到的似乎仅仅是“好大喜功”“暴虐无道”。可是只要我们具体分析当时的时代要求, 就会看到封建制代替奴隶制、专制主义中央集权代替分封制、政治经济统一代替诸侯战乱纷争的历史进步性。

二、运用辩证法观点一分为二认识历史人物

我们必须坚持“一分为二”的原则, 做到两点论和重点论的统一。由于受到时代和阶级的局限, 每个历史人物都不可能是完美无缺的, 我们需要一分为二地来看待其功过。如孔子, 作为教育家, 他的许多教育思想至今仍是值得肯定的;作为思想家, 他的政治理想、政治主张是为了挽救已处于“礼崩乐坏”、穷途末路的奴隶制, 则是保守的、反动的。但他的关于“仁”的道德观念, 又包含着一定的“民主性的精华”, 可以起到缓和阶段矛盾的作用, 有利于社会的稳定与发展, 因此他的思想才会在汉代被借用改造, 成为我国长达两千年的封建社会的统治思想。

三、要注重历史人物的阶级属性

恩格斯说:“主要人物是一定的阶级和倾向的代表, 因而也是他们时代的一定思想的代表, 他们的动机不是从琐碎的个人欲望中, 而正是从他们所处的历史潮流中得来的。”每个历史人物, 都来自于不同的阶层、集团, 分别代表不同阶层的利益, 他们的历史活动都深深地打上了阶级的烙印。如太平天国领袖洪秀全, 在定都天京后, 不思进取, 贪图享乐, 领导集团勾心斗角, 最终导致天京变乱。这一切发生的根本就是农民阶级的局限性、小农经济意识所致。

四、树立人民群众是历史创造者的观点

视频通信业务质量客观评价方法综述 第8篇

关键词：视频质量,客观评价,网络规划,网络监控

1 引言

多媒体通信业务提高了移动终端之间传递信息的能力,为用户带来更多的体验。如何在为用户提供多业务的同时提升用户的业务体验质量(QoE),从而获得用户对业务质量感知的认同是运营商需要考虑的首要问题之一。这就需要通过一定的技术手段构建可提供高质量业务保障的网络,并对承载网络进行相应的优化,实现端到端的业务质量(QoS)控制和管理。多媒体通信业务质量客观评价方法通过研究网络、应用类型和终端设备参数对于用户体验质量的影响,对多媒体业务质量下降的状况给出量化指标。运营商可根据客观评价的结果评估丢包、抖动、延时及终端设备等指标对端到端传输业务质量的影响,从而改变网络配置,以确保用户能够获得较好的业务体验质量。视频质量客观评价模型的研究已成为目前多媒体通信领域的研究热点。

本文主要结合目前ITU的标准制定进程,对多媒体通信中视频质量的客观评价方法进行总结。

2 视频质量客观评价模型概述

根据ITU的定义,视频通信业务质量客观评价模型在多媒体通信系统中有2种不同的应用,即网络规划和网络监控。用于网络规划的视频质量客观评价模型称为参数规划模型(Parametric Planning Model)[1],通过分析视频编解码器、丢包率、延迟等因素对多媒体主观体验质量的影响,从统计意义上建立描述主观质量及影响质量参数之间的评估函数,从而估计各类参数引起的质量下降程度。建立参数规划模型的目标是通过评估函数得到可满足一定传输性能的各类参数的取值范围,以确保在网络上传输的视频业务能够保持一定的质量。用于网络监控的视频质量客观评价模型是指实时监控在网络上传输的一个或多个视频流,测量用户体验质量的下降程度。网络监控可进一步分为介入(intrusive)监控和非介入(non-intrusive)监控。介入监控允许访问传输视频包完全解码后的像素信息;而非介入监控只允许访问传输视频包部分解码的包头信息和载荷信息。用于网络监控的客观质量评价模型可视作一个多层分级模型,根据可获取码流信息的不同,实现不同精确程度的业务质量测量。

一般来说,用于网络规划和网络监控的客观质量评价模型可以分为6类,它们是:参数规划模型、参数网络层模型、参数包层模型、比特流层模型、媒体层模型以及混合模型[1]。其中,参数规划模型用于网络规划,其他5类用于网络监控,见表1。

3 用于网络规划的视频质量客观评价方法

参数规划模型又称为意见模型,令与网络和终端相关的质量规划参数作为输入。用于网络规划的意见模型算法通常遵循下述步骤:

1)在给定业务类型(会话业务还是流媒体业务)和丢包类型(突发错误还是随机错误)的前提下,定义一个影响端到端质量的参数集合。这些参数包括与信源特性有关的应用层参数(如视频编解码规范、帧率、比特率、分辨力、关键帧的间隔、编码稳健性、解码错误隐藏等)和网络参数(延迟、抖动和丢包率等)。

2)建立仿真环境或通过实际环境来获得对应于不同参数集合的解码数据。每一组参数集合必须要与由网络、信源和接收端组成的传输系统相匹配。通过每次试验或仿真,信宿端将获得并存储和这组参数相对应的传输媒体序列。

3)对这些序列进行大量的主观评价并进行打分。

4)将影响质量的参数集合作为质量评估模型的输入参数。通过多种多元统计方法(如多元回归、神经网络等)对模型进行求解,得到模型中的各个系数,以使其输出尽可能好地与参数集合所对应的输出序列的主观评价得分相拟合。

意见模型的输入参数通常不涉及所传输视频的内容特性。在其他参数(如比特率、丢包率、端到端延迟这类与内容无关的参数)设置相同的情况下,输出的评价结果无法体现内容迥异的视频序列之间的质量差异。用于网络规划的多媒体业务质量客观评价标准由ITU-T SG12(第12研究小组)和VQEG(视频质量专家组)负责开发,目前已制定针对网络电话的ITU-T Rec.G.107和针对视频会话的ITU-T G.1070[2]。针对IPTV的G.OMVS(Q.13/12)正在制定中,日本NTT公司向ITU提交了关于G.OMVS的提案,该提案和G.1070的研究思路类似。

ITU-T G.1070中给出了评价多媒体业务质量的意见模型。该模型由3个函数组成:视频质量评价函数、语音质量评价函数以及多媒体质量综合评价函数。模型的输出是视频质量、语音质量以及多媒体质量的客观评价结果。如图1所示是G.1070中的视频质量客观评价模型。

图1 G.1070中的视频质量客观评价模型

该模型有5个部分:参数提取单元、用于编码失真的质量评价单元、用于丢包失真的质量评价单元、解码器错误隐藏评价单元以及系数数据库。最终的视频质量Vq表示为信源编码失真Icoding的指数衰减函数

式中:Pplv表示丢包率,丢包稳健性因子DPplv表示在丢包环境中视频质量稳健性程度。丢包率可直接从信道中获得。

从式(1)可知,视频质量客观评价结果受信源编码失真、丢包率和视频码流稳健性程度的影响。其质量评价流程结合图1描述如下:

首先,从视频包中提取比特率、帧率、编解码类型、视频格式和编码稳健性并根据实验条件(终端类型、终端特性、周围环境亮度等因素)选择系数数据库中特定的系数表。根据视频包中提取的信息和系数表中的相关系数计算编码失真影响的基本视频质量Icoding。图中系数数据库由不同的系数表构成,系数表是在终端类型、终端特性和编解码类型等因素给定的情况下,通过主观质量评价得到的。评价模型根据实验环境选用不同的系数表估计主观视频质量。系数数据库构建的具体算法使用了G.1070中附件A提供的方法,即最小二乘逼近法(LSA)。此外,G.1070的附录1中还总结了每个系数表的构建状况并给出了特定状况下的所有系数值。有关算法的细节参见文献[2]和[3]。

其次,信道中存在的端到端延迟、抖动和丢包使视频质量进一步衰减,由于端到端的延迟和抖动最后都映射为丢包,故从信道中提取丢包率评价传输失真影响的视频质量Icodingexp(-Pplv)。

最后,接收端解码器的错误隐藏算法可使丢失的视频内容得到一定程度的恢复,视频质量有所提高。错误隐藏算法的有效性直接影响丢包环境中的视频码流稳健性程度。此时,根据选择的解码器错误隐藏算法和系数表中决定DPplv的系数得到客观质量评价模型的最终结果。

4 用于网络监控的视频业务质量客观评价方法

用于网络监控的客观质量评价模型可视作多层的分级模型,如图2所示。根据在通信网络中的监控节点位置和可获取码流信息的不同,网络监控模型包括参数包层、参数网络层、比特流层、媒体层和混合模型。

4.1 参数网络层模型

参数网络层模型不允许检测视频包的包头信息和载荷信息,只能使用网络统计信息,主要用于在线的非介入监控,适用于通信网络的中间节点。网络统计信息包括丢包率、平均比特率、延迟、抖动和某些应用层参数(如GoP结构和打包机制)。目前还没有参数网络层模型的相关标准出台。

用于参数网络层模型的一类算法使用无解析质量评价方案,其基本思路是建立训练序列数据库对训练序列进行训练,得到网络统计信息和序列级均方误差之间的多元线性回归函数,再令测试序列经过该训练模型得到序列级均方误差值[4,5,6]。这类算法通过估计编解码端重建值的均方误差获得纯客观质量评价值。这主要是因为传输损伤十分明显,视频序列的均方误差值已经在很大程度上反映了视频质量的优劣。

另一类算法是客观评价结果与主观评价值相拟合的质量评价方案。其基本思路是从网络中提取影响主观感知的特定参数,设计主观评价实验,得到质量参数和主观质量估计之间的评价模型,主观质量估计值和主观测试数据之间的拟合度越高说明模型评价精确度越高。如文献[7]给出了一种根据延迟抖动和播放缓冲区大小计算总丢包率的算法,建立了将丢包率、应用层参数映射到感知视频质量的评价模型。文献[8]提出了一种评价MPEG-4视频流感知质量的客观评价方法,它用一组指数函数来表征比特率和主观测试数据之间的关系,只需从网络中得到比特率和帧率2个参数。文献[9]提出了一种用于IPTV的MPEG-2视频序列质量评价方法。从网络中提取了2个参数MD(2个丢包之间距离的均值)和VD(2个丢包之间距离的方差)作为质量评价模型的输入。实验结果表明当丢包成为视频序列中质量下降的主要原因时,参数MD比VD更好地反映了视频序列质量的改变。但如果同时提取MD和VD用于质量评价,能够使客观评价和主观测试数据的拟合度更高。

4.2 参数包层模型

参数包层模型仅使用包头信息估计体验质量。当与媒体相关的载荷信息被加密的时候,这类模型非常有用,因此主要用于在线的非介入监控,适用于通信网络的中间节点。当前负责该类模型开发的标准化组织是ITU-T SG12和VQEG。目前正在讨论的ITU-T P.NAMS(Q.14/12)是用于监控IPTV业务质量的参数包层模型,日本的NTT公司、爱立信以及英国的Psytechnics公司向ITU提交了与算法及应用范围有关的提案。虽然用于IPTV业务的参数规划模型G.OMVS和P.NAMS有不同的假设条件和输入接口,但质量评价函数可共用。因此,目前SG12正在讨论是否将这2种模型的核心评价函数合并。日本NTT公司针对该项目向ITU提交了同时适用于G.OMVS和P.NAMS的质量估计函数。

用于参数包层模型的一类算法是基于MSE的纯客观质量评价方案的扩展。文献[10]中通过分析影响丢包损伤可见性的各项因素,提取影响可见性的因子,建立CART(Classification and Regression Trees)或GLM(Generalized Linear Model)模型来预测丢包损伤是否可见和损伤可见的概率。例如,在参数包层模型中,可提取的因子包括由GoP结构决定的TMDR(误差持续了多少帧)、表示丢包影响的条带数的SPTXNT(空间蔓延)和表示丢包损伤发生位置的HGT(垂直位置)。这种评价结果在一定程度上可以体现主观效果,但没有给出质量评价的绝对值或相对下降值[11,12]。

另一类算法是客观评价结果与主观评价值相拟合的质量评价方案。文献[13]提出了用于监控IPTV视频业务的参数包层模型,其评价框架和算法都与G.1070类似,主要由用于编码失真的质量评价单元和用于丢包失真的质量评价单元组成。编码失真影响的视频质量是比特率的函数,随着比特率的增长,视频质量增加并趋于饱和;丢包失真的质量评价单元输入参数与G.1070中不同,是丢包频率PLF(10 s内丢包事件发生的数目)。比特率一定时,视频质量是丢包频率的指数衰减函数,不同比特率时丢包频率增加导致的视频质量衰减程度相同。最终的客观质量评价结果使用MOS(平均意见分)值衡量。文献[14]提出了一种用于IPTV的无参考音视频质量评价模型(T-V-model)。T-V-model将输入到传输链路的源视频质量视为“输入质量”,逐次减去视频分辨力转换、视频编码、传输、显示处理(如去隔行)等造成的损伤,即为最终质量评价结果。评价结果使用质量评价的绝对值ACR(100表示质量最佳)。编码、传输等损伤函数系数的获得与G.1070中系数表的建立类似,即设计主观测试实验,基于最小二乘逼近法获得编码、传输等损伤与质量评价因子之间的函数关系。文献[15]提出的方案与该文献类似,但其适用于低分辨力(CIF)的H.263编码视频,且评价结果使用质量衰减的相对值DCR。

4.3 比特流层模型

参数包层模型不访问载荷信息,因此计算较为简单,但是它无法考虑质量对视频内容的依赖性。参数包层模型估计的质量通常可以体现用于模型训练的视频内容集的平均质量,但在必须监控单个用户的体验质量时并不合适。媒体层信号虽然可以通过分析视频内容的特性解决该问题,但在体验质量监控部分不易获得媒体信号。针对该问题的一个解决方案即使用比特流层模型,利用编码比特流信息分析视频内容的特性。例如,在MPEG类型的编解码中,DCT系数表明视频场景的空间复杂度,这影响了特定比特率和丢包稳健性下的编码性能。目前,ITU-T SG12和VQEG针对比特流模型开展了一个新的研究项目P.NBAMS(Q.14/12),但定义和标准化的范围仍在讨论中。

最近发表的文献[16]为H.264/AVC视频流提供了一种基于PSNR的纯客观质量评价方案。目前该方法还不完善,研究者只从比特流中提取了宏块类型(预测块尺寸)和每个宏块的量化参数,并没有得出提取的参数与客观质量评价之间的映射模型。如前所述的丢包可见性预测的质量评价思路也可用于比特流层模型。但所提取的影响可见性因子与视频内容相关,如大量描述运动矢量的因子(运动矢量、运动矢量方差、运动幅度、运动角度等)、残差能量和初始均方误差[10]。另一类算法也是评价结果与主观评价值相拟合的客观质量评价方案。文献[17]为评价视频传输机制的稳健性提出了高级视频追踪框架,该框架由2部分组成:1)由传统视频追踪和一系列视觉内容描述子(P帧间的距离、GoP中的P帧数、残差能量和运动矢量等)组成的高级视频追踪;2)基于视觉内容描述子的质量预测机制,为经过有损网络传输的重构视频质量提供一个精确的预测。使用了与人眼视觉感知拟合度较高的感知视频方法VQM(Video Quality Metric)进行评价,实验结果表明与PSNR值相比,VQM的质量评价结果与主观测试值拟合度更高。

4.4 媒体层模型

媒体层模型允许访问视频包解码后的全部像素信息,通常用于通信网络终端节点的介入式监控。该模型不仅考虑了视频质量对视频内容的依赖性,而且考虑了使用丢包隐藏机制的解码器特性。ITU-T J.144和ITU-R Rec.BT.1683描述了4种媒体层客观质量评价模型,适合用于标清电视图像的客观质量测量。目前,针对低分辨力的ITU-T J.mm**和HDTV格式的ITU-T J vqhdtv正在研究中[13,14,15,16,17,18]。

媒体层模型的基本思路是,利用解码像素的结构信息和视频内容的空间连续性等特征以识别视频传输损伤,在损伤特征参数和客观质量评价之间建立质量评价模型;或利用人类视觉系统的知识预测视频的主观质量,对人类视觉过程进行直接或间接地建模。

用于媒体层模型的一类算法是利用宏块行边缘的失配程度来识别传输损伤(Slice Boundary Mismatch,SBM),以失配的宏块行边缘数来衡量传输损伤。如文献[19]和[20]在受损宏块行梯度和方差特性的基础上设计视频质量评价方案。文献[20]在文献[19]的基础上稍有改进,对解码像素应用了丢包损伤检测和评价2个阶段以测量丢包损伤的长度和强度,对丢包损伤引起的视频质量下降程度测量得更为精确。文献[21]提出了一种基于对失配块进行检测的视频质量估计算法,它通过建立失配块数目和主观测试数据之间的训练模型,使得客观评价值与主观测试数据间有较高的拟合度。

另一类算法是近年来的研究热点MPQM(Moving picture Quality Metric)[22],其设计思想是对人眼视觉特性进行建模,把像素级的视频信号进行分解,应用到建立好的视觉感知模型上,是一种精确度很高的像素级质量评价方法。例如,Daly和Lubin提出的方法中包括对对比度敏感度、空间频率响应以及亮度和对比度掩盖效应的直接建模。Watson的DCTune方法使用离散余弦变换频率成分在视觉刺激和对误差可见性的影响下间接地对不同频率时的人类响应建模。文献[23]针对实时测量和评估IPTV视频质量的迫切需求和当前主要商用测量方案的不足,通过分析影响IPTV视频质量的主要因素,提出以MPQM模型为评估基础的实时评估算法,实验结果表明该算法能够在实时环境中准确地评估IPTV质量。

4.5 混合模型

在实际应用中,常常根据客观实验条件对上述评价模型进行组合,目的是使用尽可能多的信息预测体验质量或减少复杂度。目前基于混合模型的标准是ITU-T J bitvqm[IPTV],它规定使用比特流数据和处理过的视频序列信息进行客观视频质量测量。从比特流数据中,可以获得关于编解码类型、比特率、帧率、传输误差和时/空变化等额外信息。故该模型可提供与仅使用媒体层信号进行客观质量评价相比更佳的评价性能。

例如,文献[24]在网络中间节点对视频应用比特流层模型,在网络终端节点应用媒体层模型进行进一步质量评价,达到了更佳的网络监控效果。文献[25]中提取比特流信息和解码像素信息用于基于能量的测量运动补偿边缘损伤的方法,该方法的性能明显优于其他评价块效应和模糊效应的方法。文献[26]也提出了比特流层模型和媒体层模型相结合的算法用于监控终端用户视频质量,视频质量是基于包含无法隐藏的误差的宏块数目计算的,错误隐藏的有效性使用运动级信息和误差区域边缘亮度的不连续性进行评价,仿真结果表明实际均方误差和不可能进行完全的错误隐藏的宏块数目之间的相关系数高达0.95。此外,由于比特流层模型评价精确但计算复杂度较高,参数包层模型计算复杂度低但评价精确度低,文献[27]结合两类模型的特点,提出一种计算复杂度和精确度介于两者之间的评价模型。

5 结束语

视频通信业务需要综合考虑视频内容质量、网络质量、用户体验等多重因素。笔者根据网络规划和网络监控的不同应用分别对6类客观质量评价模型进行介绍。针对网络规划的应用,以ITU-T G.1070为例,阐述了用于网络规划的质量评价方案的评价参数选择和设计方法;对于网络监控的应用,根据对媒体信号的可用程度分别对参数网络层模型、参数包层模型、比特流层模型、媒体层模型和混合模型的特点、应用场合和发展现状进行介绍。

全参考立体视频质量的客观评价方法 第9篇

随着科技的发展,人类已经步入高清和立体的数字电视新时代,立体技术的发展不断改变着人类的生活和工作方式。与平面视频相比,立体视频给观看者带来较好的临场感,但是需要更多的存储空间和更大的传输带宽,从而对相应的采集、压缩、传输、处理和重建提出更高的技术要求。为了更好地应用,使立体视频技术建立一个完善、可靠、有效的立体视频质量评价系统,对立体信息行业的不断发展至关重要。立体视频质量评价分为主观评价和客观评价[1]。主观评价方法是由观看者的直接观察视频评判视频质量,结果接近人眼感受; 客观评价方法相对于主观评价方法具有耗时短、稳定性好和可移植性强的优势。

近年来,国内外学者对立体视频质量评价方法作了大量研究。全参考的质量评价方法已经发展得比较成熟,经典且常用的方法有基于统计的峰值信噪比方法( Peak Signal to Noise Ratio,PSNR) 和结构相似度方法( Structural Similarity Index Metric,SSIM) 及其衍生出的一系列方法[2,3,4]。同时,一些学者针对人类视觉模型( Human Visual System,HVS) 对立体视频质量进行评价,如文献[5]指出人眼对视频的亮度和对比度非常敏感,模拟了人眼视觉特性提出了立体视频感知质量评价算法; 文献[6]综合了人眼的多通道特性、非线性、对比灵敏度和掩盖效应等特征提出了新的立体视频质量评价模型。

针对人眼的视觉特性和现有方法中存在的问题,本文提出了一种全参考的立体视频质量客观评价方法,提取了能够反映立体视频质量的指标,包括左、右视点序列的帧内亮度、对比度和结构信息,得到立体视频亮度对比度失真和结构相似度评价指标,通过计算视差图的结构相似度获取立体视频深度保真度评价指标; 然后,以大量主观实验数据为基础,通过回归分析得到指标权重。测试数据的实验结果表明,对于因H. 264编码引起失真的立体视频,本文评价结果与主观评价值有较高的一致性。

1SSIM算法

由于实际图像中的像素间具有强相关性,Zhou Wang提出了基于SSIM的图像质量客观评价 算法[7],考虑亮度( l( x,y) ) 、对比度( c( x,y) ) 和结构( s( x,y) ) ,该方法计算相应位置上原始图像子块x和失真图像子块y的结构相似度,如公式( 1) 所示:

其中,α、β、γ 表示三个函数所占的比重,ux、uy分别代表原始图像子块x和失真图像子块y的像素平均值,σx、σy和 σxy分别表示原始图像子块x和失真图像子块y的像素标准差以及两者的协方差,C1和C2是为了避免分母接近于零时产生不理想效果而设置的非常小的常数。

SSIM适用于平面图像质量的评价,与平面图像相比,立体视频增加了帧间的运动信息和深度属性,这使立体视频客观质量评价模型的复杂性也随之增加。因此,本文提出了如下的立体视频质量评价模型。

2立体视频质量评价模型

2.1亮度对比度失真

人眼对亮度信息的敏感度远高于对色度信息的敏感度,因此,亮度是评价立体失真视频的一个重要因素。

首先,计算图像子块的第m个像素的亮度失真 αm,如公式( 2) 所示:

其中,xm、ym分别表示原始图像子块x和失真图像子块y的第m个像素的像素值,ux、uy分别表示原始图像子块x和失真图像子块y的亮度平均值。根据公式( 3) 计算第i帧、第j块的亮度失真lij,其中, M为图像子块中所有像素点的总数。

用方差与协方差来定义单帧图像第i帧、第j块的对比度失真cij,如公式[5]( 4) 所示:

其中,σx、σy和 σxy分别表示原始图像子块x和失真图像子块y的标准偏差以及两者的协方差,K为常数255。然后,将子块的亮度和对比度指标相结合,得到子块的亮度对比度失真pij,如公式( 5) 。然后,根据公式( 6) 计算出单视点第i帧图像的亮度对比度失真Pi,其中,J为第i帧图像中所有子块的数量。

最后,通过平均所有帧的亮度对比度失真得到左、右视点视频序列的亮度对比度失真评价指标Pleft、Pright,根据公式( 7) 计算左、右视点的平均值得到立体视频亮度对比度失真指标QP 。

2.2结构相似度

H. 264是基于块的视频编码方法,相邻的块边界会出现不连续现象,即视频的块效应失真。因此, 清晰度是评价立体视频必不可少的指标。

利用图1中Sobel算子分别提取原始视频和失真视频的单帧图像X 、Y中每个像素的水平和垂直方向的梯度值,选取较大值为每个像素的梯度值,从而得到对应的梯度值矩阵X' 、Y' ,并将X' 、Y' 分别划分为J个子块x' 和y' 。

然后,提取梯度值矩阵的典型统计特征获得每个子块的结构信息 βij[8],如公式( 8) 所示,根据公式( 9) 计算得到每个子块的结构相似度sij:

其中,u'ij、σ'ij分别为子块的梯度值矩阵的均值和标准偏差,βixj、βiyj分别表示原始图像子块x和失真图像子块y的结构信息。

在观看视频时,人眼会特别关注场景中的运动物体。因此,根据子块运动信息的不同,赋予该子块不同的权重。本文采用基于光流的运动 估计方法[9]计算子块的运动矢量模值作为子块的运动权重wiMj。结合运动权重计算单视点视频第i帧图像的结构相似度Si,如公式( 10) 所示。最后,通过平均所有帧的结构相似度得到左、右视点视频序列的结构相似度Sleft和Sright,根据公式( 11) 计算左、右视点的平均值得到立体视频结构相似度指标QS 。

2.3深度保真度

深度信息对于观看的沉浸感和感知物体的距离至关重,视差图恰恰反映了场景中物体的深度层次和视差大小。

本文采用结构相似度算法获取立体视频序列的深度保真度评价指标。首先,通过基于非局部开销聚合的立体匹配方法[10]分别绘制原始立体视频和失真立体视频的单帧视差图XD、YD,如图2所示。 然后,将第1节所介绍SSIM算法应用于原始视差图与失真视差图,计算视差图子块的亮度比较函数lD( x,y) ,对比度函 数cD( x,y) ,结构比较 函数sD( x,y) ,最终得到立体视频的视差图子块的深度保真度DSSIMij,如公式( 12) 所示:

其中,uDx、uDy分别代表原始视差图子块xD和失真视差图子块yD的像素平均值,σDx、σDy和 σDxy分别表示原始视差图子块xD和失真视差图子块yD的像素标准差以及两者的协方差。通过平均所有视差图子块的深度保真度得到第i帧深度保真度DSSIMi, 如公式( 13) 所示:

其中,J为第i帧视差图所有子块的数量。最后,通过平均所有帧的深度保真度得到整段立体视频序列的深度保真度评价指标QDSSIM 。

不同评价指标反映了人眼对视频各个特征的敏感度不同,由于人眼的复杂性以及提取的影响立体视频的评价指标较多,因此回归分析得到不同指标的权重。首先,从实验数据中随机选取其中的2 /3作为训练数据输入,通过回归分析得到每个立体视频质量评价指标与主观评价值的数学形态,QP和QS与主观评价值呈线性模型,QDSSIM呈立方多项式模型。然后,综合QP 、QS 、QDSSIM与主观评价值数学模型的关系,从而构建出完整的全参考立体视频质量评价模型如公式( 14) 所示,其中参数a、b、 c、d、e、f利用SPSS软件非线性回归分析训练每个指标权重。

3实验结果与分析

本文方法选取的三段原始立体视频分别为flower. yuv、fire. yuv、woshou. yuv,对每段视频的左、右视点分别采用H. 264标准进行非对称视点压缩,量化参数QP的取值为24、28、32、36、40、44、48,最终得到7 × 7 = 49段立体视频对的失真视频序列,则三段原始立体视频与其生成的失真原始视频共150个实验数据,随机选取其中2 /3作为训练数据,剩余1 /3作为测试数据。原始视频和失真视频如图2所示。

为了验证所提立体视频质量客观评价方法符合人眼立体视觉特性,将本文方法与经典PSNR和SSIM方法进行比较,利用立体视频实验数据中1 /3的测试数据进行验证,得出客观评价值与主观评价值的相关性的评价结果。本文采用视频质量专家组推荐的Pearson相关系数( Pearson Correlation Coefficent,PCC) 和均方根误差 ( Root Mean Square Error, RMSE) 指标来比较各评价方法。PCC反映预测值得精确度,其绝对值越接近于1,表明主客观评价的相关性越好,具体如公式( 15) 所示; RMSE反映数据的离散程度,其值越小,表示客观评价结果与主观评价结果之间的误差越小,具体如公式( 16) 所示:

其中,N代表测试数据的数量,On、Sn分别代表第n段立体视频序列的客观评价值和主观评价值, 、分别代表N段立体视频序列的客观评价值和主观评价值的平均值。表1列出各方法的比较结果。在三种评价方法性能比较中,本文所提出的质量评价方法的PCC值最大,而RMSE值最小。由此可见, 在客观评价分值与主观评价分值相关性方面和数据样本分离散程度方面,本文所提出的全参考立体视频质量客观评价方法的性能均优于经典算法PSNR和SSIM,能够准确地反映立体视频质量,与人眼视觉感知保持了良好的一致性。

4结束语