Por meio da análise e estudo da influência das características do conteúdo do vídeo, das distorções de codificação e decodificação e das características do atraso de transmissão na avaliação da qualidade do vídeo, combinadas com as características visuais do olho humano e seus modelos matemáticos, foi proposta uma metodologia de avaliação de qualidade de vídeo sem referência baseada no reconhecimento de conteúdo que considera de forma abrangente as distorções de transmissão e codificação, e seu modelo matemático foi construído. Neste método, primeiramente são utilizadas características da complexidade da textura dos quadros de vídeo, contraste local da imagem, informações temporais e percepção visual para descrever o conteúdo do vídeo, construindo seu modelo de reconhecimento de conteúdo, e com isso é explorado o impacto do conteúdo e da percepção visual na qualidade do vídeo; em seguida, é explorada a relação entre a taxa de bits e a qualidade do vídeo, construído o seu modelo, estudando o impacto da taxa de bits na qualidade; depois, combinando as características do atraso de transmissão, foi construído um modelo de avaliação da degradação da qualidade do vídeo causada por distorções do atraso de transmissão; por fim, usando um método de otimização convexa que integra os três modelos, foi proposto um modelo de avaliação de qualidade de vídeo sem referência que considera conteúdo de vídeo, distorções de codificação, distorções de atraso de transmissão e características visuais. Testes e validações foram realizados utilizando dados e vídeos de várias bases de dados estabelecidas e de código aberto, e foi feita uma comparação de desempenho com 17 modelos existentes de avaliação de qualidade de vídeo; os resultados mostraram que a precisão do modelo proposto, medida pelos coeficientes de correlação de Pearson e Spearman, alcança mínimos de 0.8773 e 0.8336 e máximos de 0.9383 e 0.9438, demonstrando bom desempenho de generalização e complexidade relativamente baixa. Os parâmetros de desempenho combinados em termos de precisão, generalização e complexidade indicam que o modelo proposto é um modelo de avaliação de qualidade de vídeo com bom desempenho.

avaliação da qualidade de vídeo;características visuais humanas;conteúdo de vídeo;luminosidade e crominância;atraso de transmissão