Skip navigation
Please use this identifier to cite or link to this item: http://repositorio2.unb.br/jspui/handle/10482/23601
Files in This Item:
File Description SizeFormat 
2017_DarioDanielRibeiroMorais.pdf11,32 MBAdobe PDFView/Open
Title: A hybrid no-reference video quality metric for digital transmission applincatios
Authors: Morais, Dário Daniel Ribeiro
Orientador(es):: Farias, Mylène Christine Queiroz de
Assunto:: Vídeo - qualidade
Compressão de dados (Computação)
Transmissão digital
Métrica híbrida
Issue Date: 29-May-2017
Citation: MORAIS, Dário Daniel Ribeiro. A hybrid no-reference video quality metric for digital transmission applincatios. 2017. xii, 47 f., il. Dissertação (Mestrado em Engenharia de Sistemas Eletrônicos e Automação)—Universidade de Brasília, Brasília, 2017.
Abstract: Este trabalho visa desenvolver uma métrica híbrida de qualidade de vídeo sem referência para aplicações de transmissão digital, que leva em consideração três tipos de artefatos: perda de pacotes, blocado e borrado. As características desses artefatos são extraídas a partir das sequências de vídeo a fim de quantificar a força desses artefatos. A avaliação de perda de pacotes é dividida em 2 etapas: detecção e medição. As avaliações de blocado e borrado seguem referências da literatura. Depois de obter as características dos três tipos de artefatos, um processo de aprendizado de máquina (SVR) é utilizado para estimar a nota de qualidade prevista a partir das características extraídas. Os resultados obtidos com a métrica proposta foram comparados com os resultados obtidos com outras três métricas disponíveis na literatura (duas métricas NR de perda de pacotes e 1 métrica FR) e eles são promissores. A métrica proposta é cega, rápida e confiável para ser usada em cenários em tempo real.
Abstract: This work aims to develop a hybrid no-reference video quality metric for digital transmission applications, which takes into account three types of artifacts: packet-loss, blockiness and bluriness. Features are extracted from the video sequences in order to quantity the strength of these three artifacts. The assessment of the packet-loss strength is performed in 2 stages: detection and measurement. The assessment of the strength of blockiness and blussiness follow references from literature. After obtaining the features from these three types of artifacts, a machine learning algorithm ( the support vector regression technique), is used to estimate the predicted quality score from the extracted features. The results obtained with the proposed metric were compared with the results obtained with three other metrics available in the literature (two NR packet-loss metrics and one FR metric). The proposed metric is blind, fast, and reliable to be used in real-time scenarios.
Description: Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2017.
Licença:: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
DOI: http://dx.doi.org/10.26512/2017.03.D.23601
Appears in Collections:Teses, dissertações e produtos pós-doutorado

Show full item record " class="statisticsLink btn btn-primary" href="/jspui/handle/10482/23601/statistics">



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.