發(fā)布時間：2018-07-18 07:46

【摘要】：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(guān)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(luò)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)計特性,質(zhì)量評價準則的設(shè)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(guān)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(guān)鍵因素,提出了一種面向網(wǎng)絡(luò)傳輸業(yè)務(wù)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(luò)仿真實驗,并利用主觀評測值,驗證各個指標對網(wǎng)絡(luò)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(guān)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(guān)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(guān)系信息建立圖像之間多類型的關(guān)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用于圖像檢索的重排序中。該方法適用于在社交媒體互動平臺(比如Sina微博),利用圖像視覺特征、輔助的文本信息及圖像所屬用戶個人資料和興趣之間的關(guān)系,檢索出符合用戶個性化要求的結(jié)果。
[Abstract]:With the rapid development of Internet and computer vision, the era of visual information big data is also coming. How to find the needed information quickly and accurately from the massive data related to visual information has become a very meaningful and challenging research hotspot, in which the quality of visual information is the core issue. The quality of visual information directly affects the display of information, the accuracy of retrieval and the possibility of knowledge discovery, and then affects the reliability of artificial intelligence reasoning. In addition, the increasing amount of visual data such as images and videos on social networks indicates that effective retrieval techniques for multimedia data are becoming more and more important. Therefore, this paper focuses on the statistical characteristics of visual information, the design of quality evaluation criteria and visual information based retrieval. The main work and innovations include the following aspects: (1) in order to solve the problem of high complexity, we need to use a large number of subjective evaluation scores to train the existing machine learning-based video quality evaluation methods without reference. A blind video quality evaluation algorithm based on non-subjective training is proposed. The key of this algorithm is to extract the feature vector of video structure by using Gao Si differential filter, and to build a set of multi-level quality perception centers and a codebook of video quality evaluation in spatial domain. Then the threshold of motion vector classification is obtained by clustering algorithm, and then the motion perception factor is obtained. Finally, video objective quality is obtained by combining video spatial perception quality and motion weighting factor. The results show that the proposed algorithm is superior to other non-parametric video quality evaluation algorithms, and the computational complexity is low. (2) the key factors affecting the quality of stereoscopic video users' experience quality are considered synthetically. In this paper, a multi-index evaluation model for the user experience quality of stereoscopic video for network transmission service is proposed. Firstly, four kinds of factors affecting the QoS of stereoscopic video are analyzed. Then the fuzzy analytic hierarchy process (FAHP) is used to analyze all the influencing factors, and the evaluation index system is established. Finally, the weight value of each index is calculated, and the final evaluation model of stereoscopic video QoS is obtained. Through the network simulation experiment and the subjective evaluation value, the influence of each index on the QoS of stereo video in the network transmission is verified. (3) aiming at the large noise and incomplete correspondence between images and texts in social media, This paper presents a social image retrieval model based on hypergraph relevance learning. Based on the hypergraph principle, the model uses visual information features, text information and social relationship information of users to establish multi-type relationships between images. In the learning process of hypergraph, the weight of hyper-edge is updated by selective optimization algorithm, and the influence of each hyper-edge in hypergraph reconstruction is adjusted in real time. In addition, the popularity of the image is used in the reordering of image retrieval. This method can be used in social media interactive platform (such as Weibo) to retrieve the results that meet the user's personalized requirements by using the visual features of images, the auxiliary text information and the relationship between the user's personal data and their interests.
【學位授予單位】：天津大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 張艷濱;余雁;;視覺信息的多維性探究[J];大眾文藝;2013年04期

2 張恒;劉艷麗;;基于視覺信息融合的駕駛員疲勞監(jiān)測方法綜述[J];信息技術(shù);2008年06期

3 李剛;;視覺信息傳遞的模糊性[J];美術(shù)大觀;2010年03期

4 壽天德;尹德輝;;關(guān)于圖形、圖像與腦對視覺信息的處理[J];臨沂師范學院學報;2010年01期

5 ;非電話類服務(wù)[J];視聽界;1991年03期

6 韓叢耀;;中華藝術(shù)視覺信息數(shù)據(jù)庫建設(shè)構(gòu)想(上)——視覺信息處理機制的建模及在視覺信息數(shù)據(jù)庫建設(shè)中的應用[J];中國教育信息化;2009年17期

7 王苗輝;;基于視知覺的視覺信息界面設(shè)計研究[J];包裝工程;2011年08期

8 汪云九,邢靜;視覺信息加工的一些理論和模型[J];機器人;1987年03期

9 刁云程;“視覺信息加工”研究圓滿結(jié)束[J];中國科學基金;1994年01期

10 陳果;張武昕;高雋;;微小目標的視覺信息獲取及系統(tǒng)設(shè)計[J];合肥工業(yè)大學學報(自然科學版);2007年12期

相關(guān)會議論文 前10條

1 何蕓;杜誠;;21世紀的視覺信息技術(shù)[A];面向21世紀的科技進步與社會經(jīng)濟發(fā)展（上冊）[C];1999年

2 翁強;閆麗;翁偉生;;多維空間感知覺模型對視覺信息加工缺損的研究[A];第十一次中國生物物理學術(shù)大會暨第九屆全國會員代表大會摘要集[C];2009年

3 劉力;龔海韻;;果蠅蘑菇體對視覺信息的歸納作用[A];首屆中國神經(jīng)信息學討論會摘要[C];2000年

4 孫明;;視覺信息學的基本概念及其新技術(shù)在農(nóng)業(yè)中的應用[A];中國農(nóng)業(yè)工程學會2011年學術(shù)年會論文集[C];2011年

5 王書榮;;視覺信息加工中的神經(jīng)元相互作用[A];第九次全國生物物理大會學術(shù)會議論文摘要集[C];2002年

6 蘇潤娥;吉國明;宋筆鋒;;人的視覺信息捕捉能力測試軟件[A];陜西省航空裝備制造技術(shù)發(fā)展——第九屆陜西省青年科學家論壇論文集[C];2006年

7 楊瑾;李瀟;王書榮;;家鴿背外側(cè)丘腦神經(jīng)元參與外側(cè)單眼視覺和環(huán)境亮度檢測[A];第九次全國生物物理大會學術(shù)會議論文摘要集[C];2002年

8 張春宇;張蔚;劉海鵬;于立平;王小捷;李睿凡;;基于視覺信息的漢語詞匯語義習得[A];中國計算機語言學研究前沿進展（2007-2009）[C];2009年

9 唐克倫;張湘?zhèn)?成思源;熊漢偉;張洪;;視覺信息與CMM測量數(shù)據(jù)的融合[A];第十二屆全國圖象圖形學學術(shù)會議論文集[C];2005年

10 李珊珊;于慶寶;馮士剛;鹿麒麟;唐一源;;視覺信息等級處理的雙腦協(xié)同性研究[A];大連理工大學生物醫(yī)學工程學術(shù)論文集（第2卷）[C];2005年

相關(guān)重要報紙文章 前2條

1 記者 班威;“家務(wù)機器人”能走能做家務(wù)[N];新華每日電訊;2010年

2 本報駐北京記者 李雪;北京心目影院 盲人的音畫世界[N];中國文化報;2014年

相關(guān)博士學位論文 前8條

1 衛(wèi)津津;基于視覺信息的質(zhì)量感知模型及檢索方法研究[D];天津大學;2015年

2 查正軍;基于機器學習方法的視覺信息標注研究[D];中國科學技術(shù)大學;2009年

3 祝博薈;基于深度與視覺信息融合的行人檢測與再識別研究[D];東華大學;2013年

4 何立火;視覺信息質(zhì)量感知模型及評價方法研究[D];西安電子科技大學;2013年

5 尹顯東;多維隨機序列敏感視覺信息隱藏技術(shù)研究[D];電子科技大學;2007年

6 沈喬楠;堆石混凝土施工管理中視覺信息的處理方法及應用研究[D];清華大學;2010年

7 王蒙軍;唇讀發(fā)聲器中視覺信息的檢測與處理[D];天津大學;2007年

8 劉震;基于局部視覺信息的大規(guī)模圖像檢索研究[D];中國科學技術(shù)大學;2015年

相關(guān)碩士學位論文 前10條

1 王苗苗;聯(lián)合鋒電位和局部場電位的視覺信息整合特性研究[D];鄭州大學;2015年

2 凡思武;基于視覺信息和樹匹配的Deep Web數(shù)據(jù)抽取問題的研究[D];山東大學;2015年

3 李雯琴;基于圖模型的Web表格中視覺信息的研究[D];復旦大學;2014年

4 田麗;品牌視覺信息的圖形動態(tài)化創(chuàng)意呈現(xiàn)[D];南昌大學;2015年

5 胡義坦;基于視覺信息的無人機著陸參數(shù)估計技術(shù)研究[D];南京航空航天大學;2014年

6 王理軍;基于多體素模式分析的fMRI視覺信息解碼技術(shù)研究[D];解放軍信息工程大學;2014年

7 胡澤銘;數(shù)字界面視覺信息認知ERP實驗研究[D];東南大學;2015年

8 劉嘉麗;“中國—南亞博覽會”展示設(shè)計的視覺信息傳達研究[D];云南藝術(shù)學院;2016年

9 王紅旗;基于視覺信息的機械手對剛性橢球體的抓取穩(wěn)定性研究[D];河南理工大學;2015年

10 何晉燁;博物館視覺信息設(shè)計中的字體形態(tài)研究[D];華中師范大學;2016年

，

本文編號：2131224