基于视觉感知的屏幕视频质量评价及编码优化策略研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61871434
  • 项目类别：
    面上项目
  • 资助金额：
    59.0万
  • 负责人：
    曾焕强
  • 依托单位：
    华侨大学
  • 学科分类：
    F0108.多媒体通信
  • 结题年份：
    2022
  • 批准年份：
    2018
  • 项目状态：
    已结题
  • 起止时间：
    2019-01-01 至2022-12-31

项目摘要

Screen content video plays an important role in many application scenarios, including online education, cloud computing, gaming, etc. Therefore, it becomes an emerging and hot video technological research topic with both theoretical and practical values in the worldwide research. This proposal aims to study the perceptual-oriented quality assessment and coding optimization strategy for screen content video. First, based on the characteristics of the human visual system and the screen video, a novel screen video quality assessment method by fusing the spatial edge and temporal optical flow information is proposed to more accurately depict the human perception on the screen video. Second, a large scale screen video quality assessment database is constructed and made public available for more comprehensively analyzing the screen video perceptual features. Third, by considering the perceptual characteristics of the input screen video, a perceptual-oriented rate distortion optimization model for HEVC-SCC is presented to effectively improve its perceptual coding efficiency. Forth, by using the proposed perceptual rate distortion optimization model as the criterion, the relationship between the screen video and coding parameters is analyzed through a perceptual data-driven method, and then fast coding strategies are presented to effectively speed up the HEVC-SCC mode decision process without losing the perceptual coding efficiency. In summary, this proposal is expected to promote the development and application of the screen video technologies.
屏幕视频涉及在线教育、云计算、游戏等众多领域，是当前国内外视频技术领域兼具理论和实际应用价值的新兴研究热点。本项目拟从人眼视觉感知的角度研究屏幕视频质量评价及编码优化策略。首先根据人眼视觉特性及屏幕视频特点，提出基于空域边缘和时域光流信息融合的屏幕视频质量评价方法，以更准确反映人眼对于屏幕视频的主观感知；其次构建一个开放共享的大规模屏幕视频质量评价数据库，以作为分析屏幕视频感知特征的重要依据；接着深入分析人眼视觉对不同屏幕视频特征的失真容忍度，提出基于视觉感知的HEVC-SCC率失真优化模型，以有效提高屏幕视频感知编码效率；最后在基于视觉感知的率失真准则下，通过感知数据驱动的方法深入分析屏幕视频内容与编码参数的关系模型，设计HEVC-SCC快速编码策略，在保证感知编码效率的前提下有效地加速HEVC-SCC模式选择过程。项目研究成果有望促进屏幕视频技术的发展与应用。

结项摘要

屏幕视频涉及在线教育、云计算、游戏等众多领域，是当前国内外视频技术领域兼具理论和实际应用价值的新兴研究热点。本项目从人眼视觉感知的角度系统研究屏幕视频质量评价及编码优化策略，在屏幕视频质量评价数据库、视觉质量评价模型和视频编码优化等方面取得了一系列进展：(1)深入分析屏幕视频特点以及其在各个视频处理阶段可能产生的失真类型，构建首个大规模屏幕视频质量评价数据库(SCVD)，为分析人类视觉系统对于屏幕视频主观感知提供重要依据，通过开放共享促进基于视觉感知的屏幕视频技术研究工作的发展；(2)充分考虑人眼视觉特性和屏幕视频特征，提出系列屏幕视频质量评价模型，包括首个屏幕视频质量评价方法—时空Gabor特征张量模型等，准确反映人眼视觉对屏幕视频的主观感知，可广泛应用于各种屏幕视频处理系统以评价及优化其性能；(3)从提高感知编码效率和降低计算复杂度两个方面出发，提出屏幕视频码率控制和屏幕视频快速编码等系列算法，根据屏幕视频内容复杂度和感知敏感度等进行差异化编码，优化码率资源和计算资源，实现了具有高感知编码效率、低计算复杂度的屏幕视频编码方案。本项目研究成果为推动基于视觉感知的屏幕视频技术发展提供一定的理论依据和技术支持，有望在数字电视、视频监控、智慧办公、在线教育等领域得到实际应用。

项目成果

期刊论文数量（20）
专著数量（0）
科研奖励数量（11）
会议论文数量（3）
专利数量（15）
结合时空梯度感知特征的HEVC-SCC码率控制算法
  • DOI：
    10.16798/j.issn.1003-0530.2019.03.011
  • 发表时间：
    2019
  • 期刊：
    信号处理
  • 影响因子：
    --
  • 作者：
    丁佳军;陈婧;曾焕强;朱建清;蔡灿辉
  • 通讯作者：
    蔡灿辉
A Spatial and Geometry Feature-Based Quality Assessment Model for the Light Field Images
基于空间和几何特征的光场图像质量评估模型
  • DOI：
    10.1109/tip.2022.3175619
  • 发表时间：
    2022
  • 期刊：
    IEEE Transactions on Image Processing
  • 影响因子：
    10.6
  • 作者：
    Hailiang Huang;Huanqiang Zeng;Junhui Hou;Jing Chen;Jianqing Zhu;Kai-Kuang Ma
  • 通讯作者：
    Kai-Kuang Ma
Spatial-Frequency HEVC Multiple Description Video Coding with Adaptive Perceptual Redundancy Allocation
具有自适应感知冗余分配的空频 HEVC 多描述视频编码
  • DOI：
    10.2139/ssrn.3985373
  • 发表时间：
    2022
  • 期刊：
    Journal of Visual Communication and Image Representation
  • 影响因子：
    2.6
  • 作者：
    Feifeng Wang;Jing Chen;Huanqiang Zeng;Canhui Cai
  • 通讯作者：
    Canhui Cai
基于特征融合的无参考屏幕图像质量评价
  • DOI：
    --
  • 发表时间：
    2019
  • 期刊：
    信号处理
  • 影响因子：
    --
  • 作者：
    程姗;曾焕强;陈婧;田钰;蔡灿辉
  • 通讯作者：
    蔡灿辉
Point Cloud Quality Assessment via 3D Edge Similarity Measurement
通过 3D 边缘相似性测量进行点云质量评估
  • DOI：
    10.1109/lsp.2022.3198601
  • 发表时间：
    2022
  • 期刊：
    IEEE Signal Processing Letters
  • 影响因子：
    3.9
  • 作者：
    Zian Lu;Hailiang Huang;Huanqiang Zeng;Junhui Hou;Kai-Kuang Ma
  • 通讯作者：
    Kai-Kuang Ma

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

采用率失真与模式特征的多视点视频编码快速模式选择
  • DOI：
    --
  • 发表时间：
    2015
  • 期刊：
    信号处理
  • 影响因子：
    --
  • 作者：
    汪博涵;陈婧;曾焕强;蔡灿辉
  • 通讯作者：
    蔡灿辉
针对对比度变化的图像质量评价方法
  • DOI：
    --
  • 发表时间：
    2017
  • 期刊：
    信号处理
  • 影响因子：
    --
  • 作者：
    邢露;曾焕强;倪张凯;陈婧;蔡灿辉
  • 通讯作者：
    蔡灿辉
基于特征融合的无参考屏幕图像质量评价
  • DOI：
    10.16798/j.issn.1003-0530.2019.03.013
  • 发表时间：
    2019
  • 期刊：
    信号处理
  • 影响因子：
    --
  • 作者：
    程姗;曾焕强;陈婧;田钰;蔡灿辉
  • 通讯作者：
    蔡灿辉
基于多尺度特征残差学习卷积神经网络的视频超分辨率方法
  • DOI：
    10.1016/j.mbs.2017.05.003
  • 发表时间：
    2020
  • 期刊：
    信号处理
  • 影响因子：
    --
  • 作者：
    林琦;陈婧;曾焕强;朱建清;蔡灿辉
  • 通讯作者：
    蔡灿辉
基于结构张量的H.266帧内预测快速算法
  • DOI：
    10.16798/j.issn.1003-0530.2021.08.019
  • 发表时间：
    2021
  • 期刊：
    信号处理
  • 影响因子：
    --
  • 作者：
    李鸿辉;曾焕强;陈婧;朱建清;蔡灿辉
  • 通讯作者：
    蔡灿辉

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

曾焕强的其他基金

基于视觉感知的HEVC优化策略研究
  • 批准号：
    61401167
  • 批准年份：
    2014
  • 资助金额：
    24.0 万元
  • 项目类别：
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码