基于視覺信息的質量感知模型及檢索方法研究.pdf

1、隨著互聯(lián)網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量為核心問題。視覺信息的質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構特征矢量，并建立多級質量感知中心集合，構建視頻空域質量評估密碼本;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，結合視頻空域感知

3、質量和運動加權因子得到視頻客觀質量。結果表明，該算法優(yōu)于對比的其他無參視頻質量評價算法，且計算復雜度低。
　　(2)綜合考慮了影響立體視頻用戶體驗質量QoE的關鍵因素，提出了一種面向網絡傳輸業(yè)務的立體視頻用戶體驗質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，計算各指標的權重值，得到最終的立體視頻QoE評價模型。通過網絡仿真實驗，并利用

4、主觀評測值，驗證各個指標對網絡傳輸中立體視頻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)化算法對超邊的權重進行更新，實時的調整每個超邊在超圖重構中的影響。另外，將圖像的受歡迎程度