基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
Q-STAR模型是现有的客观视频质量评价中最接近主观得分的模型,但是在解码端难以从丢包解码后的YUV视频序列中提取与编码端相一致的运动矢量信息,从而影响模型参数的预测.针对该问题,提出了基于视敏度信息的模型参数预测方法,从YUV视频序列中提取时间域和空间域视敏度特征,并结合Q-STAR模型中提取的特征进行预测.通过实验发现,使用视敏度信息代替原有的运动矢量信息进行预测,所得模型参数值与Q-STAR基本相符,并且计算更为简单.
推荐文章
基于MA(q)模型的动态电源管理预测策略
嵌入式系统
动态电源管理
预测策略
MA(q)模型
基于预测状态表示的Q学习算法
不确定环境规划
预测状态表示
Q学习算法
奶酪迷宫
基于半参数的MGM(1,N)模型变形预测
MGM(1,N)模型
半参数
变形预测
正则化矩阵R
平滑因子α
基于神经网络预测模型输入参数配置方法的实现
数据挖掘
关联算法
神经网络
纱线断头率
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于视敏度的Q-STAR模型参数预测
来源期刊 微型机与应用 学科 工学
关键词 视频传输质量保障 主观感知 参数预测 视敏度信息
年,卷(期) 2017,(1) 所属期刊栏目 图像与多媒体
研究方向 页码范围 40-43
页数 4页 分类号 TN919.85
字数 3173字 语种 中文
DOI 10.19358/j.issn.1674-7720.2017.01.013
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张磊 中国人民解放军理工大学通信工程学院 277 1260 15.0 26.0
2 吴泽民 中国人民解放军理工大学通信工程学院 18 48 3.0 6.0
3 胡磊 中国人民解放军理工大学通信工程学院 15 17 3.0 3.0
4 田畅 中国人民解放军理工大学通信工程学院 7 8 2.0 2.0
5 杜麟 中国人民解放军理工大学通信工程学院 7 6 2.0 2.0
6 张兆丰 中国人民解放军理工大学通信工程学院 7 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (49)
共引文献  (7)
参考文献  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(7)
  • 参考文献(0)
  • 二级参考文献(7)
2011(17)
  • 参考文献(2)
  • 二级参考文献(15)
2012(4)
  • 参考文献(2)
  • 二级参考文献(2)
2013(3)
  • 参考文献(2)
  • 二级参考文献(1)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
视频传输质量保障
主观感知
参数预测
视敏度信息
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信息技术与网络安全
月刊
2096-5133
10-1543/TP
大16开
北京市海淀区清华东路25号(北京927信箱)
82-417
1982
chi
出版文献量(篇)
10909
总下载数(次)
33
总被引数(次)
35987
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导