9、视频序列与图像的多维度分析：综合指标与变换方法

视频序列与图像的多维度分析：综合指标与变换方法

在图像和视频处理领域，如何准确评估视频质量以及对图像进行有效的时频分析一直是重要的研究方向。下面将为大家详细介绍综合图像相似度指标在视频序列中的应用，以及基于 Stockwell 变换的图像时频分析方法。

综合视频质量指标的提出与优化

在视频质量评估方面，大多数指标的原始分数与平均意见得分（MOS）或差分平均意见得分（DMOS）之间的皮尔逊相关系数（PCC）值并不总是很高，因此常需使用非线性拟合来提高相关性。基于此，有人提出了一种基于多个指标非线性组合的新方法。

• 早期组合指标尝试 ：最初的组合指标想法是将多尺度结构相似性指数（MS - SSIM）、视觉信息保真度（VIF）和基于奇异值分解的 R - SVD 指标相结合，在 TID2008 数据集上实现了 PCC = 0.86。
• 视频序列的组合指标改进 ：针对视频序列，提出了组合视频质量指标（CVQM），它采用逐帧方法，将结构相似性指数（SSIM）、MS - SSIM 和 VIF 指标进行组合。不过，其加权系数的优化是基于现已不可用的 LIVE 无线视频质量评估数据库。
• 综合图像相似度指标（CISI） ：进一步扩展后提出了 CISI，它结合了 MS - SSIM、VIF 和 FSIMc 指标，在 TID2008 数据库上的 PCC 达到了 0.8752。

在新开发的 EFPL - PoliMI 视频数据库上对 CVQM 和 CISI 指标进行实验验证，结果显示它们的相关性优于单一指标，但