CN101312544A - 面向无线网络的视频质量自动评测***及其评测方法 - Google Patents
面向无线网络的视频质量自动评测***及其评测方法 Download PDFInfo
- Publication number
- CN101312544A CN101312544A CNA2008100712871A CN200810071287A CN101312544A CN 101312544 A CN101312544 A CN 101312544A CN A2008100712871 A CNA2008100712871 A CN A2008100712871A CN 200810071287 A CN200810071287 A CN 200810071287A CN 101312544 A CN101312544 A CN 101312544A
- Authority
- CN
- China
- Prior art keywords
- video
- activity
- behaviour area
- quality
- time domain
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
面向无线网络的视频质量自动评测***及其评测方法,涉及一种无线视频通信的评测。提供一种在保证评测性能的前提下减少评测所需的参考数据和降低计算复杂度,使得评测模型适合面向无线的评测应用的面向无线网络的视频质量自动评测***及其评测方法。对未进行视频压缩的参考视频进行内容预检测;根据各活动区的平均活动性大小将视频特征的检测划分成高低活动区特征检测,得可反映各活动区内视频段特点的空域和时域特征的检测参数;将各活动区的空域和时域特征的检测参数进行加权,构建整段视频的空域和时域特征参数,并根据事先构建的视频质量主观评价数据库实现检测参数与主观质量感受之间的映射,实现面向无线网络的视频质量的自动评测。
Description
技术领域
本发明涉及一种无线视频通信的评测,尤其是涉及一种面向无线网络的视频质量自动评测***的评测方法。
背景技术
通信网络的总体发展趋势是:“宽带化”、“无线化”和“移动化”。随着宽带无线通信技术的发展和Internet业务的普及,无线网络承载的业务形态也日趋丰富,呈现出“多媒体化”、“娱乐化”和“个性化”等发展趋势。未来若干年内,传统电信网上以话音(或小流量数据)为主的业务形态将逐步被以视频为主的多媒体业务所取代。人们将不再仅仅满足于通过无线网络传输文字和声音,还希望能通过无线网络看到生活的画面和场景,诸如手机影院、手机电视、移动网游、移动视频会议、无线多媒体邮件等视频服务将成为未来无线网络的主体业务。针对无线视频质量的自动评测是贯穿整个无线视频通信“设计”、“销售”、“应用”三大环节的重要技术,具体体现在以下三个方面:
首先,在***设计阶段,研究适合无线传输应用的视频通信体系、编解码方式、通信协议等将成为***开发设计的主要方向,如新一代视频(或图像)的编解码技术就将从传统的“面向存储”的应用向“面向传输”的应用转变。研发的新方案性能迫切需要有相关的无线视频质量评测技术以提供客观、准确、公正的评判,从而有助于研发人员进行性能的改进和优化。因此,在***设计阶段,无线视频质量评测主要体现了“优化目的”的应用需求。
其次,在***销售阶段,随着无线视频业务的日益发展,其巨大的市场份额将吸引不同厂家、不同技术、不同功能的无线视频产品大量涌入市场。要证明不同产品间的性能差异就必须提供可量化的、客观的、公正的无线视频质量评测机制,从而方便对不同产品性价比的比较和推广。提供有说服力的无线视频通信质量评测结果有利于推销自己的产品、提升自己产品的形象。因此在***销售阶段,无线视频质量评测主要体现了“选择目的”的应用需求。最后,在***应用阶段,未来无线通信的“个性化”服务的发展特点将导致分等级业务机制的出现,如用户购买较好的无线视频服务质量,就需要向服务供应商提供较高的资费。不论是服务供应商还是客户都迫切希望自己提供或购买的无线视频业务质量能得到相适合的回报。通过对无线视频质量的监控,服务供应商一方面可及时监控所提供给用户的服务是否符合当初的承诺;另一方面当用户对其支付质量提出疑议时,可提供客观、有说服力的证据以维护自身的权益。因此,在***应用阶段,无线视频质量评测主要体现了“监控目的”的需求。从理论体系角度出发,视频质量客观评测方法可划分成三大类,即全参考体系(FR,FullReference)、部分参考体系(RR,Reduced Reference)和无参考体系(NR,No Reference)。从无线应用的角度看,FR体系较适合应用在能获得完整参考素材的“离线”评测领域;而RR和NR体系较适合应用在不能获得完整参考素材的“在线”评测领域。在过去的三十多年间,研究人员一直在致力于相关评测算法的研究,并提出了不同的理论和方法(1、佟雨兵,胡薇薇.视频质量评价方法综述[J].计算机辅助设计与图形学学报,2006,18(5):735-741;2、袁飞,黄联芬,姚彦.视频质量客观评价技术研究[J].电视技术,2007,31(3):91-94),然而到目前为止其成果并不显著(3、VQEG.Final report from VQEG on the validation of objectivemodels of video quality assessment[S],2000;4、VQEG Final report from VQEG on the validationof objective models of video quality assessment,phase II[S],2003;5、VQEG.RRNR-TV GroupTest Plan Version 1.7[EB/OL].2006;6、ITU-T J.144 Objective perceptual video qualitymeasurement techniques for digital cable television in the presence of a full reference[S],2004;7、ITU-R Recommendation BT.500-8,Methodology for the subjective assessment of the quality oftelevision pictures[S],1998;8、ITU-R BT.1683 Objective perceptual video quality measurementtechniques for standard definition digital broadcast television in the presence of a full reference[S],2004)。当前在机器质量评价的问题上还没有能达成共识的解决方案,也没有所谓的首选方案。研究人员的每个算法突破事实上都是人类对自身视觉感知质量认知原理的进一步揭示。归纳起来,数字视频特别是无线视频质量自动评测的主要难点有以下三方面:
首先,数字视频特别是无线视频,由于信源压缩及信道编码等引发的质量劣化表象大大超过传统模拟方式的失真类型。不同的信源编解码方式及信道传输条件都会造成不一样的不可预期的劣化失真,因此很难对其劣化类型和表象进行完整归纳和准确预测。
其次,数字视频压缩的设计目标跟模拟算法具有本质的不同,其并非力求保持原始信号波形的完整性,而是在视觉效果上逼近原始信号;而在无线传输中,受带宽限制常需根据人的视觉特性去除视觉冗余信息。上述信源和信道所引发的质量变化如用传统的波形相似度来衡量则有失偏颇,从而传统针对模拟视频信号质量的质量评测方法并不适合数字视频特别是无线视频的评测应用。
此外,研究的最大障碍还是对人类的认知机制了解不明。这些不仅涉及到对人类视觉激励的感知和理解,还涉及他们之间相互作用的行为规律。人的视觉是一个非常复杂的生理***,其机制尚未被完全了解,且人的感觉会被种种非技术因素所左右,如环境、立场、场景及好恶等,而这些因素又很难精确测量和量化,因此虽然评价模型众多,但是结果却差强人意。
从目前技术的发展现状看,基于特征提取的压缩参考(RR,Reduced Reference)是较适合无线评测应用的评测体系。其核心测试方法是在发送端先将待测素材进行一定处理,提取所关注的重要特征信息,并将这些信息独立与视频文件传递到接收端;在接收端则用同样的处理方式提取待测素材的上述特征信息,并将提取的特征信息与传递来的特征信息进行对比,从而确定传输质量。
然而,现有RR类方法存在两种研究局限:其一,将视频文件等效看成N帧的图像集合,分别针对视频的每帧图像进行检测,并将N个图像的质量分值求平均,作为该视频的综合质量。其二,将视频文件看成时域和空域相分离的信息体,采用机械、单一、固定的空域与时域检测方法,忽略视频内容特点(如活动性)对质量的影响特点及规律,且计算过程是独立进行,互不协调。
上述两种研究思路中,前者忽略HVS的时域频响特性,机械地将针对静止图像的检测方法引伸到视频质量检测上,其本质是静止图像质量检测在时域上的机械延伸;后者考虑了时域响应特性对视频评测的影响,但其处理方法实质上是假设视频的空域和时域信息相互独立,即在检测过程中人为地割裂了空域和时域之间的联系。
综上所述,目前针对视频质量的自动评测方法的研究现状主要存在如下特征:
其一,由于对人眼视觉***的认知机制了解不够深入,目前视频质量自动评测方法的主观相似性均无法达到令人满意的程度。因此,当前的评测技术还无法达到统一、可靠、准确的标准化阶段。
其二,视频质量的评测技术研究主要着力点还是针对静止画面的质量评价,对运动序列的评价还较初级。具体体现在忽略视频的时域特征以及割裂视频的空-时域信息间联系这两个主要研究局限。
其三,整体研究的重心还是以“面向信源”的应用为主,即以“信源编解码为主要劣化根源”为前提假设。事实上,无线视频的劣化来源不仅只是信源编解码器,更主要的来源还是变化无常的无线信道传输。因此,针对无线传输应用的视频质量自动评测研究较稀缺。
发明内容
本发明的目的是针对现有的视频质量评测技术所存在的上述3个主要缺陷(即:评测结果的主观相似性较差,对无线评测应用(离线/在线)的支持性较差以及忽略或割裂视频空-时域信息联系)提供一种在保证评测性能的前提下,减少评测所需的参考数据和降低计算复杂度,使得评测模型适合面向无线的评测应用的面向无线网络的视频质量自动评测***及其评测方法。
本发明所述的面向无线网络的视频质量的评测方法包括以下步骤:
1)对未进行视频压缩的参考视频(或称原始视频)先进行内容预检测,内容预检测是分析参考视频的时域活动性和空域活动性,采用活动性分区算法构造出参考视频的活动性分区时序,并根据参考视频的活动性分区时序将参考视频和待测视频划分成第1活动区、第2活动区、……第N活动区,且各活动区内参考视频的平均活动性大小关系是:第1活动区>第2活动区>……>第N活动区;
2)在上述预检测基础上,根据各活动区(如第1活动区,第2活动区等)的平均活动性大小将视频特征的检测划分成高活动区特征检测和低活动区特征检测,获得可反映各活动区内视频段特点的空域和时域特征的检测参数;
3)根据各活动区的平均活动性大小将各活动区的空域和时域特征的检测参数进行加权,构建整段视频的空域和时域特征参数,并根据事先构建的视频质量主观评价数据库实现检测参数与主观质量感受之间的映射,实现面向无线网络的视频质量的自动评测。
在步骤1)中,所述时域活动性采用如下公式定义:
hod(i)=imhist(|fn-fm|)
其中,fn和fm表示两帧求差分的图像,hod(i)表示两帧差分后的直方图,Npix表示一帧包含的象素个数,HOD值越大表示素材的时域活动性越高。
在步骤1)中,所述空域活动性采用梯度方法测量,公式定义为:
其中,M和N表示图像的格式,I表示图像,IAM值越大表示素材的空域活动性越高。最好N≥2。
在步骤1)中,所述活动性分区算法是根据信息熵最大化原则,在视频时域活动性较剧烈(时域活动性较大)时,采样点的分布将会比较密集;而在运动变化较缓慢(时域活动性较小)时,采样点的分布将会比较稀疏(以累计更多帧的运动信息,达到等概分布的信息熵最大化要求),采用活动性分区算法构造出参考视频的活动性分区时序包括以下步骤:
(1)计算时域活动性HoD的总能量,记为AllEg=sum(HoD),并将其进行归一化,表达为HoD=HoD/ALLEg;
(2)找到HoD上的第i大活动点(i=1,2,……,M),统一标记为MaxVAM;以MaxVAM为中心,粗略定窗宽K,即区间(MaxVAM-K,MaxVAM+K),计算区间内的局部能量,记为
(3)调整滑动窗大小,使得SubEg等于总能量的1/K(K=1,2,3……N),即可确定最大活动区的区间范围;
(4)重复步骤(1)~步骤(3)过程,依次确定第2、3、……M大活动区范围。
在步骤2)中,所述高活动区特征检测包括以下步骤:
(1)提取参考视频和待测视频的第k个活动区数据,记为SrcData(i,j,k),和HrcData(i,j,k),k为1,2……N;
(2)利用边缘检测算子(Sobel算子或roberts算子等空域边缘检测算子)提取参考视频和待测视频的边缘区数据,记边缘算子为Srcedge(i,j,k),Hrcedge(i,j,k),表达如下:
SrcDataedge(i,j,k)=SrcData(i,j,k)*Srcedge(i,j,k)
HrcDataedge(i,j,k)=HrcData(i,j,k)*Hrcedge(i,j,k)
(3)定义检测算子,实现对步骤(2)中的边缘区数据的度量,定义如下:
diffROI(i,j,k)=SrcDataedge(i,j,k)-HrcDataedge(i,j,k
其中Q(k)表示参考视频和待测视频的边缘区数据的总像素值,其中(Pixel)max表示画面最大像素值,实现高活动区特征检测。
在步骤2)中,所述低活动区特征检测包括以下步骤:
(1)提取参考视频和待测视频的第k帧画面数据,记为SrcData(i,j,k),和HrcData(i,j,k);
(2)提取参考视频空域信息的平坦区模版,记录如下:
ImgNVF(i,j,k)=NVF[SrcData(i,j,k)]
其中T为平坦区的分割门限值;
(3)提取参考视频和劣化视频,记录如下:
SrcEdgeImg(i,j,k)=SrcData(i,j,k)*SrcEdge(i,j,k)
HrcEdgeImg(i,j,k)=HrcData(i,j,k)*HrcEdge(i,j,k)
SrcFlatImg(i,j,k)=ImgFlatMap(i,j,k)*SrcData(i,j,k)
HrcFlatImg(i,j,k)=ImgFlatMap(i,j,k)*HrcData(i,j,k)
(4)根据上述的定义检测算子,分别计算边缘区和平坦区的检测算子,记FlatIQM表示针对平坦区的设计的空域检测结果;EdgeIQM表示针对边缘区设计的空域检测结果,λ1+λ2=1,λ2>λ1>0,
SI_IQM(k)=λ1*EdgeIQMROI(k)+λ2*FlatIQMROI(k)
实现低活动区特征检测。
在步骤3)中,所述构建整段视频的空域和时域特征参数是将空-时域检测参数提炼出6类主要质量影响参数,并通过6类参数的分项和综合,体现待测视频质量,所述构建整段视频的空域和时域特征参数包括以下具体步骤:
(1)定义特征参数C1,用以规范视频平均时域能量的偏差,特征参数C1定义为:
设参考视频的平均时域活动性为SrcAvgTI,待测视频的平均时域活动性为HrcAvgTI。平均时域活动性则利用以下公式:
hod(i)=imhist(|fn-fm|)
进行计算得到。AvgLR[TI]的最小值为0(即HrcAvgTI=0);最大值为1(即HrcAvgTI=SrcAvgTI),AvgLR[TI]的定义参数范围为[0-1],其中0表示性能最差,1表示性能最好。
(2)定义特征参数C2,用以规范视频丢帧发生率,特征参数C2定义为:
其中Len_of_Section为第1活动区~第N活动区中的检测段长,检测到的待测视频时域活动性为零的帧数为Num_of_ZeroTi,归一化的LR[TI]值越近似1则性能越好。
(3)定义特征参数C3,用以规范最长连续丢帧的比率,特征参数C3定义为:
其中ξ和λ为正整数,TI_Err_MaxLen表示检测到的最长持续丢帧数,归一化的MaxLR[TI]值越近似1则性能越好。
(4)定义特征参数C4,特征参数C4为:
其中MeanSrcIAM和MeanHrcIAM分别为计算得到的一段视频的空域活动性的平均值。AvgLR[SI]的最小值为0;最大值为1,其中0表示性能最差,1表示性能最好。
(5)定义特征参数C5,用于表达评价分低于某一容忍值的持续周期,特征参数C5为:
其中SI_Err_MaxLen表示低于期望分(0~1)的持续周期长度,其值分布在(0,1)之间,其中越近似1则性能越好。
(6)定义特征参数C6,用于表达综合的空域质量分,对不同活动区之间使用加权综合,并最终获得整段待测视频的空域检测指标,特征参数C6为:
IQM[SI]=ξ1*SI_IQMHigh+ξ2*SI_IQMLow
其中:ξ1+ξ2=1,SI_IQMHigh和SI_IQMLow分别表示步骤(2)中的高活动区特征检测和低活动区特征检测的结果。
(7)对步骤(1)~步骤(6)的6个特征参数再进行最后的综合,即可得到所检测视频的综合质量。综合过程将6类特征参数划分成3个权重影响优先级,即C3和C5具有最高影响等级;C2和C6具有居中影响等级;而C1和C4的影响等级相对最低,质量分满足的关系为:
VideoScore=k1*(C1、C4)+k2*(C2、C6)+k3*(C3、C5)
其中(Ci、Cj)表示影响等级,ki表示等级间的加权值,其中k1<k2<k3,且k1+k2+k3=1。
本发明所述的面向无线网络的视频质量的自动评测***设有信源获取及编码装置、劣化仿真与模拟装置和视频质量自动评测装置。
信源获取装置:用于采集摄像头摄取的图像信号和导入现有视频文件。信源获取装置设有摄像头、存储器和实时处理芯片(MCU),摄像头输出接实时处理芯片的输入端口,存储器与实时处理芯片相连,实时导入方式通过MCU驱动摄像头截取视频图像输入;文件导入则通过PC下载线将视频文件导入到本评测平台上。
劣化仿真与模拟装置:用于提供常见的视频劣化形态的仿真和模拟,通过仿真与模拟获得无线视频传输中的典型劣化特征。劣化仿真与模拟装置由实时处理芯片和***存储器组成,***存储器事先固化劣化处理模型,通过处理模型产生劣化形态,***存储器与实时处理芯片连接。
视频质量自动评测装置:视频质量自动评测装置设有处理芯片、存储器和***辅助设备,存储器跟处理芯片连接,电脑通过下载线跟处理芯片连接。
本发明包括针对离线应用和在线应用的视频质量评测功能。
信源获取装置中的实时导入方式通过MCU驱动摄像头截取视频图像输入,目前支持无线视频常用的320×240,176×144,352×288三种分辨率的视频格式。
劣化仿真与模拟装置的实时处理芯片可用信源获取装置中的芯片。劣化仿真与模拟装置中的处理模型产生劣化形态具体包括画面模糊模拟、画面加噪模拟、帧凝固模拟、帧跳跃模拟、基于报文交换方式的无线视频丢包仿真、基于电路交换方式的无线视频误码仿真以及基于无线网卡802.11b协议的点对点传输模拟。
视频质量自动评测装置的***辅助设备包括下载线、电源等可用于信源获取装置中的附件。
本发明克服了现有的视频质量评测技术所存在的上述3个主要缺陷(即:评测结果的主观相似性较差,对无线评测应用(离线/在线)的支持性较差以及忽略或割裂视频空-时域信息联系)提供了一种在保证评测性能的前提下,减少评测所需的参考数据和降低计算复杂度,使得评测模型适合面向无线的评测应用的面向无线网络的视频质量自动评测***及其评测方法。
具体实施方式
以下实施例将对本发明作进一步的说明。
首先,通过信源获取装置的输入端(PC的下载线)将参考视频文件(记为SRC)导入本评测***;其次,将该参考视频经过劣化仿真与模拟装置,获得所需的视频劣化文件(记为HRC);在上述两步的基础上,则可将SRC和HRC送入视频质量自动评测装置中进行质量评测。
以下进一步说明视频质量的自动评测装置的具体实施技术。
(1)内容预检测
按发明内容中的时域活动性检测公式计算SRC的时域活动性(记为SrcTi),并根据信息最大熵原则对时域活动性进行分区。如Suzie序列的时域活动性分布特性(前100帧),在Suzie甩头的部分活动性较高,而其他区域的活动性则相对较低。活动性分区的个数可根据实际进行调整,具体而言,本***默认的分区个数是2个(高活动区和低活动区)。采用上述活动性分区策略,开窗的大小与活动性成反比(即活动性大则开窗小,反之亦然),从而可以自动根据内容合理地调整分区的规格。
(2)时域特征检测
时域劣化的主要影响因素在于劣化的持续时间及发生的频率。生活中也常有电视转播中偶尔的短促画面凝固和跳跃,只要持续时间在所谓的“容忍”范围内并不会对主观感受造成太大影响。因此,时域劣化的质量影响程度主要受三个因素制约,即:差异程度的大小,记为TI_Error_Extent;持续时间的长短,记为TI_Error_Len;以及现象发生的频次,记为TI_Error_Freq。设由构造时序截取的目标活动分区(高活动区或低活动区)内参考视频和待测视频的时域活动性分别是SrcObjTi和HrcObjTi,则检测时域的能量差为diffTi,不同diffTi的极性表达不同的劣化特征,具体关系如下所述:
diffTI为正值,表示待测素材的时域能量低于参考素材的时域能量,说明出现了时域能量丢失现象;当diffTI为负值,表示待测素材的时域能量高于参考素材的时域能量,说明出现了时域能量增加现象;而当diffTI为近似零值,则表示二者之间能量相当,表示无劣化或者存在劣化但相抵消。对diffTi=0的情况不做讨论(通常表示时域没损伤,劣化存在且相抵销的发生概率较低)。对diffTi非零情况则需要进一步进行细化检测。
时域特征的参数表达及描述参见表1。
表1
从上述分析可知以下重要启示:①时域能量的轻微丢失会造成diffTi小幅度大于零;而时域能量大幅度丢失(除diffTi>0外,HrcObjTi≈0)则提示可能出现诸如帧凝固、帧跳跃等严重劣化形态。②上述劣化对主观质量的影响大小还取决于HrcObjTi持续低于一定门限(即逼近零或等于零)的时间长短。③此外,虽然帧凝固和帧跳跃都会出现diffTi>0,HrcObjTi≈0的现象,但帧凝固在上述现象后不存在diffTi<0的脉冲。因此,丢帧后是否出现时域能量增加可作为判断***是否恢复正常播放的标志之一。④其后出现冲击脉冲的幅度可作为判断该劣化的主观影响效果的辅助依据之一。
(3)空域特征检测
影响无线视频空域质量的主要因素是:劣化的强度,记为SI_Error_Extent;劣化的部位,记为SI_Error_Location;以及劣化的时域掩盖性,记为SI_Error_TimeMask。相关的特征说明及分析如表2所示。
表2
影响因素 | 特征分析及说明 |
强度(SI_Error_Extent) | 表现为与周围像素的差异。当与周围像素的差异超过一定阈值,提示出现了较强的空域劣化。实质是空域掩盖的指标之一。 |
空域位置(SI_Error_Location) | 表现为出现的空域位置。相同程度的劣化,在不同的空域出现位置常导致不同的视觉敏感性,从而影响主观质量。 |
时域掩盖(SI_Error_TimeMask) | 表达为劣化出现的视频帧的活动性大小。如果在较高时域活动区,通常能容忍较多的空域劣化失真。 |
上述3个影响因素从不同的理论角度定义了空域特征的性质。①SI_Error_TimeMask体现了视频的时域掩盖与时域活动性的关系,即前后帧差较大时,人眼HVS将容忍较大程度的空域劣化。因此同等强度及空域出现位置的劣化,若出现在较低的时域活动区,将比出现在较高时域活动区更易被感知,导致相应感知质量的降低。②SI_Error_Location体现视频的空域掩盖与空域活动性的关系,即细节较丰富(即空域活动性较大)时,人眼HVS将容忍较大程度的空域劣化。因此同等强度的劣化,若出现在较低的空域活动区,将比出现在较高空域活动区更易被感知,从而导致相应感知质量的降低。③SI_Error_Extent则体现了空域掩盖与亮度、对比度的关系,即:劣化处像素的背景亮度过亮或过暗,以及相应对比度较小,都会使得劣化的可察觉性降低。显然时域掩盖特性是影响权重最高的因素之一。时域掩盖的强弱取决于时域活动性的大小,因此可以通过时域特征指导空域的检测分辨率。具体而言是在高时域活动区采用较低的空域分辨率;在低时域活动区采用较高的空域分辨率。因此,对空域特征参数的设计按照不同活动区划分成高活动区的空域特征设计和低活动区的空域特征设计。
(A)高活动区的空域特征检测
时域活动性较高的区域,素材变换较快、响应时间较紧张,HVS对空域细节的分辨能力降低,因此适合采用运算量较小、响应时间较快的检测算法。通过较粗分辨率的空域检测,可节约***开销,符合HVS的空-时频响应规律;同时,使用较大的时域采样率(逐帧),以实时捕获画面的差异。此外,研究表明在较高时域活动区,HVS的空间分辨能力常仅局限在对画面轮廓信息的提取。因此,在高时域活动区的处理机制中,空域检测的侧重点将局限在对轮廓边缘劣化的检测。
高时域活动区的空域检测应重点关注边缘轮廓区的劣化失真情况。图像像素亮度的变化形成了图像的轮廓,反映了图像的内容。而图像梯度恰恰反映了图像区域像素亮度的变化。图像梯度反映了局部区域像素值变化的大小和方向。梯度的大小反映了图像像素变化的快慢。在图像边缘处的梯度值通常较大,而在图像平坦区的梯度值则较小。梯度图像突出了图像的特征及边缘信息。图像的边缘轮廓决定了图像的内容,反映了图像的空间结构。图像轮廓的失真也很好地反映了图像内容的失真程度,从而影响画面的主观质量。定义经预处理(包括亮度矫正以及高斯滤波)的图像f(x,y)梯度场为其中gx(x,y),gy(x,y)分别表示梯度在水平方向和垂直方向的分量。
设经预处理后的参考素材为SrcData(i,j,k),其中i,j表示空域坐标,k表示时序;待测素材为HrcData(i,j,k),参考素材的边缘检测模板为Srcedge(i,j,k),待测素材的边缘检测模板为Hrcedge(i,j,k),则有:
SrcDataedge(i,j,k)=SrcData(i,j,k)*Srcedge(i,j,k)
HrcDataedge(i,j,k)=HrcData(i,j,k)*Hrcedge(i,j,k)
PreDataedge(i,j,k)=HrcData(i,j,k)*Srcedge(i,j,k)
其中,SrcDataedge(i,j,k)表示参考素材的边缘像素信息;HrcDataedge(i,j,k)表示待测素材的边缘像素信息;PreDataedge(i,j,k)表示参考素材映射的待测素材信息。其中PreDataedge对参考素材的边缘信息损失较敏感;HrcDataedge则对空域信息增加较敏感。
(B)低活动区的空域特征检测
低时域活动区的空域检测应秉持边缘区与平坦区并重的劣化分析方法。边缘区检测侧重于对画面原有结构的劣化检测;而平坦区检测则侧重于检测画面易察觉区的新增劣化形态。通过二者的配合,可较好地检测影响空域质量的两种情况。
设经预处理后的参考素材为SrcData(i,j,k),其中i,j表示空域坐标,k表示时序;待测素材为HrcData(i,j,k),参考素材的边缘检测模板为SrcEdge(i,j,k),待测素材的边缘检测模板为HrcEdge(i,j,k),定义方式同上所述。记参考素材经噪声可见函数(NVF,Noise VisibilityFunction)滤波后的素材为ImgNVF(i,j,k),其中NVF[·]表示使用NVF计算方法。
ImgNVF(i,j,k)=NVF[SrcData(i,j,k)]
ImgNVF(i,j,k)中包含了参考素材画面的噪声掩盖信息,其值越大(分布在[0~1]之间)则表达该部分处于平坦区,这时的劣化形态将相对容易被察觉。以ImgNVF(i,j,k)为基础,提取画面的平坦区索引图,记为ImgFlatMap(i,j,k),表达式如下,其中T为阈值门限,用以将平坦区和边缘区分隔出来(T定义为ImgNVF的均值)。
分别以ImgFlatMap(i,j,k)为模版,对参考/待测图像SrcData(i,j,k)及HrcData(i,j,k)进行“掩模”,从而将素材内容进行粗略分割。计算这些位置的像素差异变化,即可得到相应的检测参数。由于无线视频的劣化形态大多是方块及模糊。其中模糊效应导致边缘的扩展,使素材自身的边缘信息削弱甚至丢失;方块则使素材平坦区出现易被察觉的外来劣化形态。因此,边缘区的检测参数可体现模糊效应的程度;而平坦区的检测参数则可体现外来劣化的可见性。根据上述描述,可得到四部分内容:经平坦区映射得到的参考素材/待测素材画面信息SrcFlatImg(i,j,k),HrcFlatImg(i,j,k);经边缘区映射抽取的参考/待测素材内容为SrcEdgeImg(i,j,k),HrcEdgeImg(i,j,k),相关表达式如下。
SrcEdgeImg(i,j,k)=SrcData(i,j,k)*SrcEdge(i,j,k)
HrcEdgeImg(i,j,k)=HrcData(i,j,k)*HrcEdge(i,j,k)
SrcFlatImg(i,j,k)=ImgFlatMap(i,j,k)*SrcData(i,j,k)
HrcFlatImg(i,j,k)=ImgFlatMap(i,j,k)*HrcData(i,j,k)
(C)空域特征参数化
(A)和(B)的设计目的在于获得不同活动区在关注内容上的差异。高活动区时域掩盖性较大,因此关注重点在于分析劣化是否出现在画面边缘;低活动区时域掩盖性较弱,因此关注的重点除了画面边缘,还包括易察觉劣化的平坦区。因此,(A)和(B)的设计目的在于得到所对应的关注区域数据。在此基础上,空域特征的参数化表达如下所述,其中Q(k)表示兴趣图的总像素值。其中(Pixel)max表示画面最大像素值,SI_SNRROI(k)表示第k帧活动区(高或低)的空域检测参数(db单位),SI_IQMROI(k)表示第k帧活动区(高或低)的画面质量参数(数值在0~1之间),。
diffROI(i,j,k)=SrcImg(i,j,k)-HrcImg(i,j,k)
为便于区分,记FlatIQM表示针对平坦区的设计的空域检测结果;EdgeIQM表示针对边缘区设计的空域检测结果。对于高活动区,λ1=1,λ2=0;对于低活动区,上式λ1+λ2=1,λ2>λ1>0。
SI_IQM(k)=λ1*EdgeIQMROI(k)+λ2*FlatIQMROI(k)
对不同活动区之间使用加权综合,并最终获得整段待测视频的空域检测指标,表达如下,其中:ξ1+ξ2=1,加权值可基于具体应用训练调整。ROI表示为最高活动区(High)或平坦活动区(Low)的属性,
IQM[SI]=ξ1*SI_IQMHigh+ξ2*SI_IQMLow
(4)特征的参数化设计
本实施例对“时域特征”和“空域特征”参数又根据各自特点和影响大小,提炼出以下6个类别(C1~C6)。表中,记参考视频为Src,待测视频为Hrc。C1~C6六个类别的影响参数的作用权重是不同的,且各自内的3个属性权值也有差异。为便于描述,本实施例中根据参数的层次结构,将评价参数的配置划分成3个层次,分别是:“变量层”、“属性层”和“类层”。评价参数类别一览表参见表3。
表3
类别 | 类别名称 | 定义及用途说明 |
C1 | AvgLR[TI] | Src与Hrc的时域活动性平均差;用以度量时域能量增损 |
C2 | LR[TI] | Hrc帧丢失现象的发生频率;用以度量总体丢帧率 |
C3 | MaxLR[TI] | Hrc帧丢失持续的最长周期;用以度量画面凝固的持续时间 |
C4 | AvgLR[SI] | Src与Hrc的空域活动性均差;用以度量空域能量增损 |
C5 | MaxLR[SI] | Hrc空域MOS分低于期望分的持续周期;用以度量连续劣化 |
C6 | IQM[SI] | 画面的空域质量量化值,用以度量Hrc的空域质量分 |
活动性较高区对时域类参数的综合具有较大的加权值;活动性较低区对空域类参数的综合具有较大的加权值。C1~C6类评价值虽然从6个角度表达了视频的质量特性,但这6个角度对最终的单一质量分的影响权重是存在差异的。因此,类配置原则的目的是将6个类评价值再进一步进行综合,以得到单一的评测结果。
在视频质量评价中,流畅性和清晰度是两个重要的指标。视频质量评价区别于静止图像评价的根本就在于多了对流畅性指标的关注。其中流畅性主要由时域参数体现;清晰度则主要由空域参数体现。此外,主观试验表明,通常某一待测视频的最终质量会受其中某几个最差段的影响,即最差段由于容易给人以深刻印象,因此具有更大的质量影响加权值。此外,人们会对持续超过一定时间的较低劣化具有明显的厌恶感,即如果某严重劣化持续的时间不超过一定门限,人们并不会因此而给与较低的得分。综合上述主观特性,对类合成设定了三个等级,即C3和C5具有最高影响等级;C2和C6具有居中影响等级;而C1和C4的影响等级相对最低。即最终的质量分满足如下关系,其中(Ci、Cj)表示影响等级,ki表示等级间的加权值,其中k1<k2<k3,且k1+k2+k3=1。
VideoScore=k1*(C1、C4)+k2*(C2、C6)+k3*(C3、C5)
(A)C1类特征的参数化
AvgLR[TI]定义了参考素材和待测素材在时域活动性上的平均偏离程度。通常在时域能量损失较小时,二者的平均偏离也较小(甚至重合);在时域能量损失较大时,其待测素材的平均时域活动性将低于参考素材。为描述参数化过程,设参考素材的平均时域能量为SrcAvgTI,待测素材的平均时域能量为HrcAvgTI。上述指标反映的是视频一段时间内的总时域活动特征。定义参数AvgLR[TI],用以表达时域活动性的平均偏移,表达如下:
待测素材的时域平均能量在统计层面上通常不大于参考素材,且时域能量非负,因此从上述定义可知,AvgLR[TI]的最小值为0(即HrcAvgTI=0);最大值为1(即HrcAvgTI=SrcAvgTI),AvgLR[TI]的定义参数范围为[0-1],其中0表示性能最差,1表示性能最好。
(B)C2类特征的参数化
LR[TI]定义的是待测素材时域能量为零(或低于门限)情况的发生概率。由于时域能量为零通常发生在帧丢失情况下,因此该指标描述的是待测段的帧丢失总发生比率。需要说明的是,这里的比率的分母是指最高时域活动区、次高时域活动区、平坦时域活动区三个属性之一,而非全素材。设某检测段长为Len_of_Section(可通过预检测获得的活动性分区时序定量其值),其中检测到的待测素材时域能量为零的总数为Num_of_ZeroTi,则C2类评价参数重定义为:
由于Num_of_ZeroTi范围为[0~Len_of_Section],因此LR[TI]的值分布在[0~1]之间,其中0表示待测段性能最差(全部都是丢失帧);1表示性能最好(没有出现丢失帧,Num_of_ZeroTi=0)。
(C)C3类特征的参数化
MaxLR[TI]定义的是待测素材时域能量持续为零的最长质量影响,其是上述C2类的进一步补充。即C2类检测的内容可能包括两种情况:帧凝固和帧跳跃,而C3类检测的是上述两个情况的画面凝固长度。ITU-T定义的评测素材一次长度最大300帧,每个检测段(最高活动区、次高活动区、平坦区)对帧凝固的长度亦可变,C3类参数的动态范围较大,不能直接用以质量评价。采用钟型函数对数据做拟合处理,定义表达式如下所示:
其中ξ=30,λ=900,TI_Err_MaxLen表示检测到的最长持续丢帧数。归一化的MaxLR[TI]值越近似1则性能越好。
(D)C4类特征的参数化
AvgLR[SI]定义的是空域活动性的变化(即IAM)的记录指标,IAM的变化体现了素材空域劣化特征。通常在空域劣化较小时,SrcIAM和HrcIAM的平均偏离也较小(甚至重合);在能量损失较大时,其平均能量均值将出现变化。分析SRC和HRC之间1~2帧之间的IAM关系没有太大意义,可行的方法是对其统计量进行分析。如设某段(最高活动区、次高活动区或平坦活动区)参考视频的空域活动性为SrcIAM(k),k=1,2……M;对应段待测视频的空域活动性为HrcIAM(k),k=1,2,……M。则可分析其均值MeanSrcIAM和MeanHrcIAM,定义如下:
则二者的差值将体现上述三种关系,即diffIAM=MeanSrcIAM-MeanHrcIAM。差值越接近0则质量越好,差值偏离0则表示损伤越大。以diffIAM<0为分析,其主要来源于编码器压缩(概率较大)以及较长时的模糊劣化形态(概率较小)。为便于后续评价,定义C4评价参数如下:
当MeanSrcIAM等于MeanHrcIAM时,AvgLR[SI]=1(表示基本没有损耗);当MeanSrcIAM与MeanHrcIAM差值过大时,则可设定截断使AvgLR[SI]=0。
(E)C5类特征的参数化
MaxLR[SI]定义为C5类的评价分低于某一容忍值(可根据需求外设)的持续周期,其本质是C4和C6类检测的进一步补充。C5类检测的内容是空域失真的最差可能情况。持续周期(注:不同属性的抽测周期不同,因此需折算成帧数单位)thd_Len=90帧以上定为难以接受(可调)。定义C5后表达式如下所示。其中SI_Err_MaxLen表示低于某期望分的持续周期长度。其值分布在(0,1)之间,其中越近似1则性能越好。
(F)C6类特征的参数化
IQM[SI]表示待测视频的总体空域质量分。其检测定义如(3)所示。
(G)C1~C6类参数的质量表达
本发明定义的C1~C6六类指标均表达该视频某一个层面的质量程度,通过这六个指标可全面地度量一段视频的质量。将C1~C6的6个量化指标分别对应到正六边形的六个顶点,该多边性表示理想情景下(性能最佳、最全)的期望指标。每个指标的检测结果分别映射到其对应的坐标轴上,其长短表达了检测指标与理想值的关系,其表示实际得到的检测性能的度量,内多边形顶点越靠近***顶点则性能越好。换句话说,如果检测的视频结果使得网图张得越开则质量越理想。本发明在算法的预测准确性(RMSE,PCC)、单调性(SCC)和一致性指标(OR)这四类指标上均优于PSNR方法,二者的对照关系如表4所示。
表4
测试类别/算法 | PSNR | SV_IQM |
Pearson Corr | 0.67963 | 0.85388 |
Spearman Corr | 0.71047 | 0.82403 |
RootMSE | 0.171047 | 0.10315 |
Outlier Ratio | 0.60 | 0.275 |
(5)主观评价数据库构建及映射
主观评价数据库的构建主要依据BT.500-8等主观评价标准对训练视频事先构建主观评价和测试参数之间的映射关系。为了使得数据库能尽可能涵盖主要的劣化类型,除了搜集典型内容(包括不同空/时域活动性特点)的视频外,对每个视频文件设计了不同类型以及不同程度的劣化形态,通过上述方式即可较好地构建训练素材的主观评价数据库,并用此实现其他素材的检测参数和人主观感受之间的映射。
Claims (10)
1.面向无线网络的视频质量的评测方法,其特征在于包括以下步骤:
1)对未进行视频压缩的参考视频先进行内容预检测,内容预检测是分析参考视频的时域活动性和空域活动性,采用活动性分区算法构造出参考视频的活动性分区时序,并根据参考视频的活动性分区时序将参考视频和待测视频划分成第1活动区、第2活动区、……第N活动区,且各活动区内参考视频的平均活动性大小关系是:第1活动区>第2活动区>……>第N活动区;
2)在上述预检测基础上,根据各活动区的平均活动性大小将视频特征的检测划分成高活动区特征检测和低活动区特征检测,获得可反映各活动区内视频段特点的空域和时域特征的检测参数;
3)根据各活动区的平均活动性大小将各活动区的空域和时域特征的检测参数进行加权,构建整段视频的空域和时域特征参数,并根据事先构建的视频质量主观评价数据库实现检测参数与主观质量感受之间的映射,实现面向无线网络的视频质量的自动评测。
2.如权利要求1所述的面向无线网络的视频质量的评测方法,其特征在于在步骤1)中,所述时域活动性采用如下公式定义:
hod(i)=imhist(|fn-fm|)
其中,fn和fm表示两帧求差分的图像,hod(i)表示两帧差分后的直方图,Npix表示一帧包含的象素个数,HOD值越大表示素材的时域活动性越高。
3.如权利要求1所述的面向无线网络的视频质量的评测方法,其特征在于在步骤1)中,所述空域活动性采用梯度方法测量,公式定义为:
其中,M和N表示图像的格式,I表示图像,IAM值越大表示素材的空域活动性越高。
4.如权利要求1所述的面向无线网络的视频质量的评测方法,其特征在于在步骤1)中,所述活动性分区算法是根据信息熵最大化原则,在视频时域活动性较剧烈,即时域活动性较大时,采样点的分布将会比较密集;而在运动变化较缓慢,即时域活动性较小时,采样点的分布将会比较稀疏,采用活动性分区算法构造出参考视频的活动性分区时序包括以下步骤:
(1)计算时域活动性HoD的总能量,记为AllEg=sum(HoD),并将其进行归一化,表达为HoD=HoD/ALLEg;
(2)找到HoD上的第i大活动点(i=1,2,……,M),统一标记为MaxVAM;以MaxVAM为中心,粗略定窗宽K,即区间(MaxVAM-K,MaxVAM+K),计算区间内的局部能量,记为
(3)调整滑动窗大小,使得SubEg等于总能量的1/K(K=1,2,3……N),即可确定最大活动区的区间范围;
(4)重复步骤(1)~步骤(3)过程,依次确定第2、3、……M大活动区范围。
5.如权利要求1所述的面向无线网络的视频质量的评测方法,其特征在于在步骤2)中,所述高活动区特征检测包括以下步骤:
(1)提取参考视频和待测视频的第k个活动区数据,记为SrcData(i,j,k),和HrcData(i,j,k),k为1,2……N;
(2)利用边缘检测算子(Sobel算子或roberts算子等空域边缘检测算子)提取参考视频和待测视频的边缘区数据,记边缘算子为Srcedge(i,j,k),Hrcedge(i,j,k),表达如下:
SrcDataedge(i,j,k)=SrcData(i,j,k)*Srcedge(i,j,k)
HrcDataedge(i,j,k)=HrcData(i,j,k)*Hrcedge(i,j,k);
(3)定义检测算子,实现对步骤(2)中的边缘区数据的度量,定义如下:
diffROI(i,j,k)=SrcDataedge(i,j,k)-HrcDataedge(i,j,k
其中Q(k)表示参考视频和待测视频的边缘区数据的总像素值,其中(Pixel)max表示画面最大像素值,实现高活动区特征检测。
6.如权利要求1所述的面向无线网络的视频质量的评测方法,其特征在于在步骤2)中,所述低活动区特征检测包括以下步骤:
(1)提取参考视频和待测视频的第k帧画面数据,记为SrcData(i,j,k),和HrcData(i,j,k);
(2)提取参考视频空域信息的平坦区模版,记录如下:
ImgNVF(i,j,k)=NVF[SrcData(i,j,k)]
其中T为平坦区的分割门限值;
(3)提取参考视频和劣化视频,记录如下:
SrcEdgeImg(i,j,k)=SrcData(i,j,k)*SrcEdge(i,j,k)
HrcEdgeImg(i,j,k)=HrcData(i,j,k)*HrcEdge(i,j,k)
SrcFlatImg(i,j,k)=ImgFlatMap(i,j,k)*SrcData(i,j,k)
HrcFlatImg(i,j,k)=ImgFlatMap(i,j,k)*HrcData(i,j,k);
(4)根据上述的定义检测算子,分别计算边缘区和平坦区的检测算子,记FlatIQM表示针对平坦区的设计的空域检测结果;EdgeIQM表示针对边缘区设计的空域检测结果,λ1+λ2=1,λ2>λ1>0,
SI_IQM(k)=λ1*EdgeIQMROI(k)+λ2*FlatIQMROI(k)实现低活动区特征检测。
7.如权利要求1所述的面向无线网络的视频质量的评测方法,其特征在于在步骤3)中,所述构建整段视频的空域和时域特征参数是将空-时域检测参数提炼出6类主要质量影响参数,并通过6类参数的分项和综合,体现待测视频质量,所述构建整段视频的空域和时域特征参数包括以下具体步骤:
(1)定义特征参数C1,用以规范视频平均时域能量的偏差,特征参数C1定义为:
设参考视频的平均时域活动性为SrcAvgTI,待测视频的平均时域活动性为HrcAvgTI,平均时域活动性则利用以下公式:
hod(i)=imhist(|fn-fm|)
进行计算得到,AvgLR[TI]的最小值为0,即HrcAvgTI=0;最大值为1,即HrcAvgTI=SrcAvgTI,AvgLR[TI]的定义参数范围为[0-1],其中0表示性能最差,1表示性能最好;
(2)定义特征参数C2,用以规范视频丢帧发生率,特征参数C2定义为:
其中Len_of_Section为第1活动区~第N活动区中的检测段长,检测到的待测视频时域活动性为零的帧数为Num_of_ZeroTi,归一化的LR[TI]值越近似1则性能越好;
(3)定义特征参数C3,用以规范最长连续丢帧的比率,特征参数C3定义为:
其中ξ和λ为正整数,TI_Err_MaxLen表示检测到的最长持续丢帧数,归一化的MaxLR[TI]值越近似1则性能越好;
(4)定义特征参数C4,特征参数C4为:
其中MeanSrcIAM和MeanHrcIAM分别为计算得到的一段视频的空域活动性的平均值。AvgLR[SI]的最小值为0;最大值为1,其中0表示性能最差,1表示性能最好;
(5)定义特征参数C5,用于表达评价分低于某一容忍值的持续周期,特征参数C5为:
其中SI_Err_MaxLen表示低于期望分(0~1)的持续周期长度,其值分布在(0,1)之间,其中越近似1则性能越好;
(6)定义特征参数C6,用于表达综合的空域质量分,对不同活动区之间使用加权综合,并最终获得整段待测视频的空域检测指标,特征参数C6为:
IQM[SI]=ξ1*SI_IQMHigh+ξ2*SI_IQMLow
其中:ξ1+ξ2=1,SI_IQMHigh和SI_IQMLow分别表示步骤(2)中的高活动区特征检测和低活动区特征检测的结果;
(7)对步骤(1)~步骤(6)的6个特征参数再进行最后的综合,即可得到所检测视频的综合质量。综合过程将6类特征参数划分成3个权重影响优先级,即C3和C5具有最高影响等级;C2和C6具有居中影响等级;而C1和C4的影响等级相对最低,质量分满足的关系为:
VideoScore=k1*(C1、C4)+k2*(C2、C6)+k3*(C3、C5)
其中(Ci、Cj)表示影响等级,ki表示等级间的加权值,其中k1<k2<k3,且k1+k2+k3=1。
8.面向无线网络的视频质量的自动评测***,其特征在于设有信源获取及编码装置、劣化仿真与模拟装置和视频质量自动评测装置;
信源获取装置用于采集摄像头摄取的图像信号和导入现有视频文件,信源获取装置设有摄像头、存储器和实时处理芯片,摄像头输出接实时处理芯片的输入端口,存储器与实时处理芯片相连,实时导入方式通过MCU驱动摄像头截取视频图像输入;文件导入则通过PC下载线将视频文件导入到评测平台上;
劣化仿真与模拟装置用于提供常见的视频劣化形态的仿真和模拟,通过仿真与模拟获得无线视频传输中的典型劣化特征,劣化仿真与模拟装置由实时处理芯片和***存储器组成,***存储器事先固化劣化处理模型,通过处理模型产生劣化形态,***存储器与实时处理芯片连接;
视频质量自动评测装置设有处理芯片、存储器和***辅助设备,存储器跟处理芯片连接,电脑通过下载线跟处理芯片连接。
9.如权利要求8所述的面向无线网络的视频质量的自动评测***,其特征在于信源获取装置中的实时导入方式通过MCU驱动摄像头截取视频图像输入,目前支持无线视频常用的320×240,176×144,352×288三种分辨率的视频格式;
劣化仿真与模拟装置的实时处理芯片可用信源获取装置中的芯片,劣化仿真与模拟装置中的处理模型产生劣化形态具体包括画面模糊模拟、画面加噪模拟、帧凝固模拟、帧跳跃模拟、基于报文交换方式的无线视频丢包仿真、基于电路交换方式的无线视频误码仿真以及基于无线网卡802.11b协议的点对点传输模拟。
10.如权利要求8所述的面向无线网络的视频质量的自动评测***,其特征在于视频质量自动评测装置设有***辅助设备,***辅助设备包括下载线、电源用于信源获取装置中的附件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810071287A CN100584047C (zh) | 2008-06-25 | 2008-06-25 | 面向无线网络的视频质量自动评测***及其评测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810071287A CN100584047C (zh) | 2008-06-25 | 2008-06-25 | 面向无线网络的视频质量自动评测***及其评测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101312544A true CN101312544A (zh) | 2008-11-26 |
CN100584047C CN100584047C (zh) | 2010-01-20 |
Family
ID=40100935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200810071287A Expired - Fee Related CN100584047C (zh) | 2008-06-25 | 2008-06-25 | 面向无线网络的视频质量自动评测***及其评测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100584047C (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101783961A (zh) * | 2010-03-05 | 2010-07-21 | 厦门大学 | 基于感知质量的水下视频图像传输控制方法 |
WO2011020442A1 (zh) * | 2009-08-21 | 2011-02-24 | 华为技术有限公司 | 视频质量参数获取方法和装置及电子设备 |
CN102014296A (zh) * | 2010-12-10 | 2011-04-13 | 北京中科大洋科技发展股份有限公司 | 一种基于自适应边缘匹配及局部流处理算法的视频一致性监测技术 |
CN102075784A (zh) * | 2011-02-18 | 2011-05-25 | 中国传媒大学 | 一种联合考虑压缩和丢包损伤条件下的视频质量评价方法 |
CN102202227A (zh) * | 2011-06-21 | 2011-09-28 | 珠海世纪鼎利通信科技股份有限公司 | 一种无参考视频质量客观评估方法 |
CN102223262A (zh) * | 2011-05-20 | 2011-10-19 | 同济大学 | 基于QoS的视频体验质量评测平台及评测方法 |
CN102227127A (zh) * | 2011-06-21 | 2011-10-26 | 天津理工大学 | 全自动多媒体素材缺陷检测及质量分析方法 |
CN102349296A (zh) * | 2009-03-13 | 2012-02-08 | 瑞典爱立信有限公司 | 用于处理编码比特流的方法和装置 |
CN102572501A (zh) * | 2010-12-23 | 2012-07-11 | 华东师范大学 | 考虑网络性能及视频本身特征的视频质量评估方法及装置 |
CN101790107B (zh) * | 2009-01-22 | 2012-10-17 | 华为技术有限公司 | 一种测量视频质量的方法、装置及*** |
WO2012174740A1 (en) * | 2011-06-24 | 2012-12-27 | Technicolor (China) Technology Co., Ltd. | Method and device for assessing packet defect caused degradation in packet coded video |
CN103024713A (zh) * | 2012-12-19 | 2013-04-03 | 华中师范大学 | 基于媒体分析的数字媒体内容服务网关*** |
CN103391450A (zh) * | 2013-07-12 | 2013-11-13 | 福州大学 | 一种时空联合的无参考视频质量检测方法 |
CN105100789A (zh) * | 2015-07-22 | 2015-11-25 | 天津科技大学 | 一种视频质量评价方法 |
CN105763876A (zh) * | 2015-12-21 | 2016-07-13 | 中国计量学院 | 一种基于时域失真波动和感兴趣区域的视频质量评价方法 |
CN106874306A (zh) * | 2015-12-14 | 2017-06-20 | 公安部户政管理研究中心 | 人口信息人像比对***关键性能指标评测方法 |
CN107152995A (zh) * | 2017-04-24 | 2017-09-12 | 中国汽车技术研究中心 | 一种汽车碰撞试验中试验重复性的量化评价方法 |
CN107371029A (zh) * | 2017-06-28 | 2017-11-21 | 上海大学 | 基于内容的视频包优先级分配方法 |
CN108494994A (zh) * | 2018-03-16 | 2018-09-04 | 北京华夏电通科技有限公司 | 提升图像分析算法准确率的方法及装置 |
CN108712645A (zh) * | 2018-04-28 | 2018-10-26 | 广州华多网络科技有限公司 | 视频质量参数获取方法、装置、设备、***及存储介质 |
CN109117815A (zh) * | 2018-08-28 | 2019-01-01 | 朱如兴 | 现场噪声幅值分析*** |
CN110049313A (zh) * | 2019-04-17 | 2019-07-23 | 微梦创科网络科技(中国)有限公司 | 一种视频测试方法及*** |
CN110971891A (zh) * | 2018-09-30 | 2020-04-07 | 北京奇虎科技有限公司 | 视频质量评估方法、装置及电子设备 |
CN111193923A (zh) * | 2019-09-24 | 2020-05-22 | 腾讯科技(深圳)有限公司 | 视频质量评估方法、装置、电子设备及计算机存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103281554B (zh) * | 2013-04-23 | 2015-04-29 | 宁波大学 | 一种基于人眼视觉特性的视频客观质量评价方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100566431C (zh) * | 2005-06-29 | 2009-12-02 | 株式会社Ntt都科摩 | 影像评价装置、方法 |
-
2008
- 2008-06-25 CN CN200810071287A patent/CN100584047C/zh not_active Expired - Fee Related
Cited By (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101790107B (zh) * | 2009-01-22 | 2012-10-17 | 华为技术有限公司 | 一种测量视频质量的方法、装置及*** |
CN102349296B (zh) * | 2009-03-13 | 2016-03-09 | 瑞典爱立信有限公司 | 用于处理编码比特流的方法和装置 |
CN102349296A (zh) * | 2009-03-13 | 2012-02-08 | 瑞典爱立信有限公司 | 用于处理编码比特流的方法和装置 |
WO2011020442A1 (zh) * | 2009-08-21 | 2011-02-24 | 华为技术有限公司 | 视频质量参数获取方法和装置及电子设备 |
CN101998137A (zh) * | 2009-08-21 | 2011-03-30 | 华为技术有限公司 | 视频质量参数获取方法和装置及电子设备 |
CN101998137B (zh) * | 2009-08-21 | 2016-09-07 | 华为技术有限公司 | 视频质量参数获取方法和装置及电子设备 |
US8908047B2 (en) | 2009-08-21 | 2014-12-09 | Huawei Technologies Co., Ltd. | Method and apparatus for obtaining video quality parameter, and electronic device |
US8749639B2 (en) | 2009-08-21 | 2014-06-10 | Huawei Technologies Co., Ltd. | Method and apparatus for obtaining video quality parameter, and electronic device |
CN101783961A (zh) * | 2010-03-05 | 2010-07-21 | 厦门大学 | 基于感知质量的水下视频图像传输控制方法 |
CN102014296B (zh) * | 2010-12-10 | 2012-12-26 | 北京中科大洋科技发展股份有限公司 | 一种基于自适应边缘匹配及局部流处理算法的视频一致性监测方法 |
CN102014296A (zh) * | 2010-12-10 | 2011-04-13 | 北京中科大洋科技发展股份有限公司 | 一种基于自适应边缘匹配及局部流处理算法的视频一致性监测技术 |
CN102572501A (zh) * | 2010-12-23 | 2012-07-11 | 华东师范大学 | 考虑网络性能及视频本身特征的视频质量评估方法及装置 |
CN102075784B (zh) * | 2011-02-18 | 2012-11-28 | 中国传媒大学 | 一种联合考虑压缩和丢包损伤条件下的视频质量评价方法 |
CN102075784A (zh) * | 2011-02-18 | 2011-05-25 | 中国传媒大学 | 一种联合考虑压缩和丢包损伤条件下的视频质量评价方法 |
CN102223262B (zh) * | 2011-05-20 | 2013-08-14 | 同济大学 | 基于QoS的视频体验质量评测平台及评测方法 |
CN102223262A (zh) * | 2011-05-20 | 2011-10-19 | 同济大学 | 基于QoS的视频体验质量评测平台及评测方法 |
CN102227127A (zh) * | 2011-06-21 | 2011-10-26 | 天津理工大学 | 全自动多媒体素材缺陷检测及质量分析方法 |
CN102202227A (zh) * | 2011-06-21 | 2011-09-28 | 珠海世纪鼎利通信科技股份有限公司 | 一种无参考视频质量客观评估方法 |
WO2012174740A1 (en) * | 2011-06-24 | 2012-12-27 | Technicolor (China) Technology Co., Ltd. | Method and device for assessing packet defect caused degradation in packet coded video |
CN103024713A (zh) * | 2012-12-19 | 2013-04-03 | 华中师范大学 | 基于媒体分析的数字媒体内容服务网关*** |
CN103024713B (zh) * | 2012-12-19 | 2015-07-15 | 华中师范大学 | 基于媒体分析的数字媒体内容服务网关*** |
CN103391450A (zh) * | 2013-07-12 | 2013-11-13 | 福州大学 | 一种时空联合的无参考视频质量检测方法 |
CN105100789A (zh) * | 2015-07-22 | 2015-11-25 | 天津科技大学 | 一种视频质量评价方法 |
CN105100789B (zh) * | 2015-07-22 | 2018-05-15 | 天津科技大学 | 一种视频质量评价方法 |
CN106874306A (zh) * | 2015-12-14 | 2017-06-20 | 公安部户政管理研究中心 | 人口信息人像比对***关键性能指标评测方法 |
CN106874306B (zh) * | 2015-12-14 | 2020-10-09 | 公安部户政管理研究中心 | 人口信息人像比对***关键性能指标评测方法 |
CN105763876A (zh) * | 2015-12-21 | 2016-07-13 | 中国计量学院 | 一种基于时域失真波动和感兴趣区域的视频质量评价方法 |
CN107152995A (zh) * | 2017-04-24 | 2017-09-12 | 中国汽车技术研究中心 | 一种汽车碰撞试验中试验重复性的量化评价方法 |
CN107371029A (zh) * | 2017-06-28 | 2017-11-21 | 上海大学 | 基于内容的视频包优先级分配方法 |
CN107371029B (zh) * | 2017-06-28 | 2020-10-30 | 上海大学 | 基于内容的视频包优先级分配方法 |
CN108494994A (zh) * | 2018-03-16 | 2018-09-04 | 北京华夏电通科技有限公司 | 提升图像分析算法准确率的方法及装置 |
CN108494994B (zh) * | 2018-03-16 | 2020-12-11 | 北京华夏电通科技股份有限公司 | 提升图像分析算法准确率的方法及装置 |
CN108712645A (zh) * | 2018-04-28 | 2018-10-26 | 广州华多网络科技有限公司 | 视频质量参数获取方法、装置、设备、***及存储介质 |
CN109117815A (zh) * | 2018-08-28 | 2019-01-01 | 朱如兴 | 现场噪声幅值分析*** |
CN110971891A (zh) * | 2018-09-30 | 2020-04-07 | 北京奇虎科技有限公司 | 视频质量评估方法、装置及电子设备 |
CN110049313A (zh) * | 2019-04-17 | 2019-07-23 | 微梦创科网络科技(中国)有限公司 | 一种视频测试方法及*** |
CN111193923A (zh) * | 2019-09-24 | 2020-05-22 | 腾讯科技(深圳)有限公司 | 视频质量评估方法、装置、电子设备及计算机存储介质 |
CN114584849A (zh) * | 2019-09-24 | 2022-06-03 | 腾讯科技(深圳)有限公司 | 视频质量评估方法、装置、电子设备及计算机存储介质 |
CN114584849B (zh) * | 2019-09-24 | 2023-05-05 | 腾讯科技(深圳)有限公司 | 视频质量评估方法、装置、电子设备及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN100584047C (zh) | 2010-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100584047C (zh) | 面向无线网络的视频质量自动评测***及其评测方法 | |
CN101742355B (zh) | 基于空时域特征提取的无线视频部分参考测评方法 | |
CN107483920B (zh) | 一种基于多层级质量因子的全景视频评估方法及*** | |
CN100559881C (zh) | 一种基于人工神经网络的视频质量评价方法 | |
CN107027023B (zh) | 基于神经网络的VoIP无参考视频通信质量客观评价方法 | |
CN100559880C (zh) | 一种基于自适应st区的高清视频图像质量评价方法及装置 | |
CN104079925B (zh) | 基于视觉感知特性的超高清视频图像质量客观评价方法 | |
CN104243973B (zh) | 基于感兴趣区域的视频感知质量无参考客观评价方法 | |
CN102421007B (zh) | 基于多尺度结构相似度加权综合的图像质量评价方法 | |
CN109978854B (zh) | 一种基于边缘与结构特征的屏幕内容图像质量评估方法 | |
Tian et al. | A multi-order derivative feature-based quality assessment model for light field image | |
CN109451303B (zh) | 一种针对VR视频中用户体验质量QoE的建模方法 | |
CN101562675B (zh) | 基于Contourlet变换的无参考型图像质量评测方法 | |
CN101482973B (zh) | 基于早期视觉的部分参考图像质量评价方法 | |
CN104023229B (zh) | 非接触式影像***性能检测方法及*** | |
CN104202594B (zh) | 一种基于三维小波变换的视频质量评价方法 | |
CN106127234B (zh) | 基于特征字典的无参考图像质量评价方法 | |
CN102984540A (zh) | 一种基于宏块域失真度估计的视频质量评价方法 | |
CN108109145A (zh) | 图像质量检测方法、装置、存储介质和电子装置 | |
CN103281554A (zh) | 一种基于人眼视觉特性的视频客观质量评价方法 | |
CN102722888A (zh) | 基于生理与心理立体视觉的立体图像客观质量评价方法 | |
CN105894507B (zh) | 基于图像信息量自然场景统计特征的图像质量评价方法 | |
CN107040776B (zh) | 一种基于高动态范围的视频质量评估方法 | |
CN101426148A (zh) | 一种视频客观质量评价方法 | |
CN114915777A (zh) | 一种基于深度强化学习的无参考超高清视频质量客观评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100120 Termination date: 20140625 |
|
EXPY | Termination of patent right or utility model |