伴随着LTE逐渐商业化,大数据时代正一步步接近,带给移动通信产业前所未有的挑战和机遇。在未来大数据模式下,视频业务将是移动通信的主要业务之一。视频在传输处理过程中可能会引入不同类型的失真,从而造成视频质量的损伤。为了保障视频业务的服务质量,首先需要有完备的视频质量用户体验评估体系,能满足视频QoE准确迅速预测或评估的要求。本文主要针对基于人眼视觉特性的无线视频QoE评估的相关技术进行研究。首先,本文研究了无线网络中视频序列的空域和时域特征,建模分析了视频序列特征度量方法,并结合人眼视觉系统的特性总结了视觉注意机制的原理；其次,深入研究了视频序列中的视觉信息分布,提出了基于信号变换和特征融合的视觉信息提取模型,同时建模分析了视觉显著度映射模型；第三,探索了时频变换在图像处理中的应用,提出了基于时频变换的图像视觉信息提取模型；最后,在视觉注意机制的研究基础上,提出了基于视觉信息的无线视频QoE评价模型,包括图像质量的空域加权模型和视频帧级别质量的时域聚合模型。本文研究的视觉注意机制是基于人眼视觉系统对视频特征激励的响应的。首先对视频序列的特征度量进行了建模分析,采用视觉信息量作为视频特征的度量单位。根据人眼视觉系统特性提出了视觉感知激励响应模型,通过该模型视频信息可以映射为视觉显著度分布,作为一种视觉注意分布的直观表示。仿真结果表明,本文提出的基于视觉信息的视觉注意提取模型能较准确的提取感兴趣区域,同时降低了算法复杂度。基于视觉信息的无线视频QoE评价模型分为两个步骤,视频质量的空域加权和时域加权。空域加权是指在视觉注意分布的基础上,将每帧视频进行图像视频质量评估结果以视觉注意水平为权值进行合并,即可获得视频帧级别质量。时域加权是指根据视觉敏感性和迟滞性,将所有帧的帧级别视频质量进行合并,从而得到视频整体QoE评估结果。仿真结果表明,本文提出的方法与主观评估结果有较高的一致性,即对人眼视觉特性的研究提高了视频QoE评估的准确性和单调性。