Métodos sem referência baseados em características espaço-temporais para avaliação objetiva de qualidade de vídeo digital

Detalhes bibliográficos
Ano de defesa: 2013
Autor(a) principal: Silva, Wyllian Bezerra da
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Tecnológica Federal do Paraná
Curitiba
Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://repositorio.utfpr.edu.br/jspui/handle/1/525
Resumo: The development of no-reference video quality assessment methods is an incipient topic in the literature and it is challenging in the sense that the results obtained by the proposed method should provide the best possible correlation with the evaluations of the Human Visual System. This thesis presents three proposals for objective no-reference video quality evaluation based on spatio-temporal features. The first approach uses a sigmoidal analytical model with leastsquares solution using the Levenberg-Marquardt method. The second and third approaches use a Single-Hidden Layer Feedforward Neural Network with learning based on the Extreme Learning Machine algorithm. Furthermore, an extended version of Extreme Learning Machine algorithm was developed which looks for the best parameters of the artificial neural network iteratively, according to a simple termination criteria, whose goal is to increase the correlation between the objective and subjective scores. The experimental results using cross-validation techniques indicate that the proposed methods are correlated to the Human Visual System scores. Therefore, they are suitable for the monitoring of video quality in broadcasting systems and over IP networks, and can be implemented in devices such as set-top boxes, ultrabooks, tablets, smartphones and Wireless Display (WiDi) devices.
id UTFPR-12_399065c90e280cd82d75184b3b43d5b2
oai_identifier_str oai:repositorio.utfpr.edu.br:1/525
network_acronym_str UTFPR-12
network_name_str Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
repository_id_str
spelling Métodos sem referência baseados em características espaço-temporais para avaliação objetiva de qualidade de vídeo digitalVídeo digitalControle de qualidadeRedes neurais (Computação)AlgorítmosSimulação (Computadores)Digital videoQuality controlNeural networks (Computer science)AlgorithmsComputer simulationThe development of no-reference video quality assessment methods is an incipient topic in the literature and it is challenging in the sense that the results obtained by the proposed method should provide the best possible correlation with the evaluations of the Human Visual System. This thesis presents three proposals for objective no-reference video quality evaluation based on spatio-temporal features. The first approach uses a sigmoidal analytical model with leastsquares solution using the Levenberg-Marquardt method. The second and third approaches use a Single-Hidden Layer Feedforward Neural Network with learning based on the Extreme Learning Machine algorithm. Furthermore, an extended version of Extreme Learning Machine algorithm was developed which looks for the best parameters of the artificial neural network iteratively, according to a simple termination criteria, whose goal is to increase the correlation between the objective and subjective scores. The experimental results using cross-validation techniques indicate that the proposed methods are correlated to the Human Visual System scores. Therefore, they are suitable for the monitoring of video quality in broadcasting systems and over IP networks, and can be implemented in devices such as set-top boxes, ultrabooks, tablets, smartphones and Wireless Display (WiDi) devices.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)O desenvolvimento de métodos sem referência para avaliação de qualidade de vídeo é um assunto incipiente na literatura e desafiador, no sentido de que os resultados obtidos pelo método proposto devem apresentar a melhor correlação possível com a percepção do Sistema Visual Humano. Esta tese apresenta três propostas para avaliação objetiva de qualidade de vídeo sem referência baseadas em características espaço-temporais. A primeira abordagem segue um modelo analítico sigmoidal com solução de mínimos quadrados que usa o método Levenberg-Marquardt e a segunda e terceira abordagens utilizam uma rede neural artificial Single-Hidden Layer Feedforward Neural Network com aprendizado baseado no algoritmo Extreme Learning Machine. Além disso, foi desenvolvida uma versão estendida desse algoritmo que busca os melhores parâmetros da rede neural artificial de forma iterativa, segundo um simples critério de parada, cujo objetivo é aumentar a correlação entre os escores objetivos e subjetivos. Os resultados experimentais, que usam técnicas de validação cruzada, indicam que os escores dos métodos propostos apresentam alta correlação com as escores do Sistema Visual Humano. Logo, eles são adequados para o monitoramento de qualidade de vídeo em sistemas de radiodifusão e em redes IP, bem como podem ser implementados em dispositivos como decodificadores, ultrabooks, tablets, smartphones e em equipamentos Wireless Display (WiDi).Universidade Tecnológica Federal do ParanáCuritibaPrograma de Pós-Graduação em Engenharia Elétrica e Informática IndustrialPohl, Alexandre de Almeida PradoSilva, Wyllian Bezerra da2013-07-04T16:04:56Z2013-07-04T16:04:56Z2013-03-13info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfSILVA, Wyllian Bezerra da. Métodos sem referência baseados em características espaço-temporais para avaliação objetiva de qualidade de vídeo digital. 2013. 189 f. Tese (Doutorado em Engenharia Elétrica e Informática Industrial) - Universidade Tecnológica Federal do Paraná, Curitiba, 2013.http://repositorio.utfpr.edu.br/jspui/handle/1/525porreponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))instname:Universidade Tecnológica Federal do Paraná (UTFPR)instacron:UTFPRinfo:eu-repo/semantics/openAccess2015-03-07T06:09:43Zoai:repositorio.utfpr.edu.br:1/525Repositório InstitucionalPUBhttp://repositorio.utfpr.edu.br:8080/oai/requestriut@utfpr.edu.br || sibi@utfpr.edu.bropendoar:2015-03-07T06:09:43Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)false
dc.title.none.fl_str_mv Métodos sem referência baseados em características espaço-temporais para avaliação objetiva de qualidade de vídeo digital
title Métodos sem referência baseados em características espaço-temporais para avaliação objetiva de qualidade de vídeo digital
spellingShingle Métodos sem referência baseados em características espaço-temporais para avaliação objetiva de qualidade de vídeo digital
Silva, Wyllian Bezerra da
Vídeo digital
Controle de qualidade
Redes neurais (Computação)
Algorítmos
Simulação (Computadores)
Digital video
Quality control
Neural networks (Computer science)
Algorithms
Computer simulation
title_short Métodos sem referência baseados em características espaço-temporais para avaliação objetiva de qualidade de vídeo digital
title_full Métodos sem referência baseados em características espaço-temporais para avaliação objetiva de qualidade de vídeo digital
title_fullStr Métodos sem referência baseados em características espaço-temporais para avaliação objetiva de qualidade de vídeo digital
title_full_unstemmed Métodos sem referência baseados em características espaço-temporais para avaliação objetiva de qualidade de vídeo digital
title_sort Métodos sem referência baseados em características espaço-temporais para avaliação objetiva de qualidade de vídeo digital
author Silva, Wyllian Bezerra da
author_facet Silva, Wyllian Bezerra da
author_role author
dc.contributor.none.fl_str_mv Pohl, Alexandre de Almeida Prado
dc.contributor.author.fl_str_mv Silva, Wyllian Bezerra da
dc.subject.por.fl_str_mv Vídeo digital
Controle de qualidade
Redes neurais (Computação)
Algorítmos
Simulação (Computadores)
Digital video
Quality control
Neural networks (Computer science)
Algorithms
Computer simulation
topic Vídeo digital
Controle de qualidade
Redes neurais (Computação)
Algorítmos
Simulação (Computadores)
Digital video
Quality control
Neural networks (Computer science)
Algorithms
Computer simulation
description The development of no-reference video quality assessment methods is an incipient topic in the literature and it is challenging in the sense that the results obtained by the proposed method should provide the best possible correlation with the evaluations of the Human Visual System. This thesis presents three proposals for objective no-reference video quality evaluation based on spatio-temporal features. The first approach uses a sigmoidal analytical model with leastsquares solution using the Levenberg-Marquardt method. The second and third approaches use a Single-Hidden Layer Feedforward Neural Network with learning based on the Extreme Learning Machine algorithm. Furthermore, an extended version of Extreme Learning Machine algorithm was developed which looks for the best parameters of the artificial neural network iteratively, according to a simple termination criteria, whose goal is to increase the correlation between the objective and subjective scores. The experimental results using cross-validation techniques indicate that the proposed methods are correlated to the Human Visual System scores. Therefore, they are suitable for the monitoring of video quality in broadcasting systems and over IP networks, and can be implemented in devices such as set-top boxes, ultrabooks, tablets, smartphones and Wireless Display (WiDi) devices.
publishDate 2013
dc.date.none.fl_str_mv 2013-07-04T16:04:56Z
2013-07-04T16:04:56Z
2013-03-13
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv SILVA, Wyllian Bezerra da. Métodos sem referência baseados em características espaço-temporais para avaliação objetiva de qualidade de vídeo digital. 2013. 189 f. Tese (Doutorado em Engenharia Elétrica e Informática Industrial) - Universidade Tecnológica Federal do Paraná, Curitiba, 2013.
http://repositorio.utfpr.edu.br/jspui/handle/1/525
identifier_str_mv SILVA, Wyllian Bezerra da. Métodos sem referência baseados em características espaço-temporais para avaliação objetiva de qualidade de vídeo digital. 2013. 189 f. Tese (Doutorado em Engenharia Elétrica e Informática Industrial) - Universidade Tecnológica Federal do Paraná, Curitiba, 2013.
url http://repositorio.utfpr.edu.br/jspui/handle/1/525
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Tecnológica Federal do Paraná
Curitiba
Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial
publisher.none.fl_str_mv Universidade Tecnológica Federal do Paraná
Curitiba
Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial
dc.source.none.fl_str_mv reponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
instname:Universidade Tecnológica Federal do Paraná (UTFPR)
instacron:UTFPR
instname_str Universidade Tecnológica Federal do Paraná (UTFPR)
instacron_str UTFPR
institution UTFPR
reponame_str Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
collection Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
repository.name.fl_str_mv Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)
repository.mail.fl_str_mv riut@utfpr.edu.br || sibi@utfpr.edu.br
_version_ 1850498286908080128