CN101715146A - 压缩视频质量评价方法及评价*** - Google Patents

Abstract

本发明公开了一种压缩视频质量评价方法及评价***。其中压缩视频质量评价方法包括：获取压缩视频码流；从压缩视频码流中提取特征参数；根据特征参数和压缩视频的主观评价值计算评价权值；根据评价权值和新压缩视频的特征参数计算新压缩视频的客观评价值。本发明的压缩视频质量评价方法及评价***，通过压缩视频特征参数及其主观评价值计算出评价权值，以对新的压缩视频质量进行客观评价，不需要对该压缩视频进行解压缩，完全在压缩视频域进行参数的提取和处理，直接对压缩视频的损伤进行评估；并且由于拟合了主观评价值，使得客观评价更为精确。

Description

压缩视频质量评价方法及评价***

技术领域

本发明涉及一种数字视频技术，尤其涉及一种压缩视频质量评价方法及评价***。

背景技术

近年来数字视频技术得到了蓬勃的发展，已经形成了H.264、MPEG-2、MPEG-4、JPEG2000、AVS等压缩编解码标准，在保持较好图像质量的前提下可以达到很高的压缩比。但在高压缩比情况下，都会引入不同程度的图像质量损伤。目前视频质量的评价方法大致分为主观评价和客观评价两个方面。

主观评价是直接利用观察者对被测编解码***质量的直接反映来确定***的评价方法。但是，主观评价方法耗时长、费用高、稳定性和可移植性差，不适合实时的视频质量的评价。

客观评价目前主流方法有：全参考帧(Full-Reference，简称FR)、半参考帧(Reduced-Reference，简称RR)和无参考帧(No-Reference，简称NR)度量模型。以上几种视频质量评价方法，大部分针对解压缩域的视频进行图像质量评价，绝大部分无法做到实时，实现的过程费时间长、复杂度高，无法做到对于视频质量的即时监控。

2005年3月16日公开的中国专利申请号为02822660.7的发明专利申请提供一种用于估计压缩视频数据客观质量的方法和***。该发明使用MPEG译码器对压缩视频进行译码，生成解压缩视频数据；判断此解压缩视频数据是否为内部编码，若是则进行DCT变换，得到相应DCT系数中的AC频带。同时，对于解压缩视频数据的每个块，提取量化矩阵以及量化尺度。此后获得转化的DCT系数方差，根据方差、量化矩阵和量化尺度确定DCT系数的平均量化误差，以此计算出峰值信噪比(PSNR)。

现有技术的主要缺点如下：

(1)在参数提取和处理之前，需要译码器对压缩视频进行解码，生成解压缩数据，以获取DCT系数，这样就变成了对解压缩域视频数据进行处理，失去了在压缩域进行质量评价的优势和意义；

(2)需要对解压缩数据进行分析，判别是否为内部编码，然后对其进行相应变换，这种方法只考虑到了内部编码宏块，而对于压缩视频中占据近半数的外部编码(即帧间编码)宏块未作分析，这样对视频质量评价的精确度有很大影响；

(3)最终计算结果为视频的峰值信噪比

其中，MSE是原图像与处理图像之间均方误差，并以此来判别视频质量；但是，峰值信噪比本身只能机械的反映图像的差别，而对于图像质量问题，两种完全不同的图像处理会产生完全相同的PSNR值，如图5a、5b和5c所示，其中图5a为叠加有块状误码的第一处理后图像，其MSE值为21.6；图5b为原始参考图像；图5c为叠加有随机噪声的第二处理后图像，MSE值为27.10。但是观察者会认为噪声图像5c的误差比块误码图像5a的误差要小。因此，PSNR方法不适合于视频图像质量的客观评价。

发明内容

本发明的目的在于，针对现有技术中需要对压缩视频进行解压缩处理且对视频评价精确度不高的的缺陷，提供一种能够精确地对压缩视频进行评价且不需要对压缩视频进行解压缩的一种压缩视频质量评价方法及评价***。

该压缩视频质量评价方法包括：获取压缩视频码流；从所述压缩视频码流中提取特征参数；根据所述特征参数和所述压缩视频的主观评价值计算评价权值；根据所述评价权值和新压缩视频的特征参数计算所述新压缩视频的客观评价值。

本发明的压缩视频质量评价方法，通过根据压缩视频特征参数及其主观评价值计算出评价权值，以对新的压缩视频质量进行客观评价，不需要对该压缩视频进行解压缩，完全在压缩视频域进行参数的提取和处理，直接对压缩视频的损伤进行评估；并且由于拟合了主观评价值，使得客观评价更为精确。

该压缩视频质量评价***包括：码流接收装置，用于接收压缩视频码流；参数提取装置，用于从所述压缩视频码流中提取特征参数；主观评价数据库，用于存储所述压缩视频的主观评价值；分析装置，用于根据所述特征参数和所述压缩视频的主观评价值计算评价权值；客观评价装置，用于根据所述评价权值和新压缩视频的特征参数计算所述新压缩视频的客观评价值。

本发明的压缩视频质量评价***，通过分析装置根据参数提取装置提取的压缩视频特征参数及主观评价数据库中存储的其主观评价值计算出评价权值，由客观评价装置对新的压缩视频质量进行客观评价，不需要对该压缩视频进行解压缩，完全在压缩视频域进行参数的提取和处理，直接对压缩视频的损伤进行评估；并且由于拟合了主观评价值，使得客观评价更为精确。

附图说明

图1是本发明第一实施例压缩视频质量评价方法的流程图；

图2是本发明第一实施例压缩视频质量评价方法中步骤104的流程图；

图3是本发明第一实施例压缩视频质量评价***的结构框图；

图4是本发明第一实施例压缩视频质量评价***参数提取装置的具体结构框图；

图5a是参考图像的第一处理后图像；

图5b是原始参考图象；

图5c是参考图象的的第二处理后图像。

具体实施方式

以下结合附图对本发明进行详细说明。

如图1所示，本发明第一实施例的压缩视频质量评价方法具体包括以下步骤：

步骤102，获取压缩视频码流；

步骤104，从该压缩视频码流中提取特征参数；

步骤106，根据特征参数和该压缩视频的主观评价值计算评价权值；

步骤108，从新压缩视频码流中提取特征参数；

步骤110，根据评价权值和该新压缩视频的特征参数计算新压缩视频的客观评价值。

第一实施例的压缩视频质量评价方法中，步骤104中所提取的特征参数为压缩视频的码率、交流能量值和非运动补偿宏块比率。如图2所示，第一实施例中具体提取特征参数的具体步骤包括：

步骤a，获取压缩视频码流的码率；

步骤b，判断压缩视频是否为I帧，如果是，执行步骤c；如果否，执行步骤d；

步骤c，提取所述压缩视频码流的交流能量值；

步骤d，判断压缩视频码流是否为P帧，如果是，执行步骤e；

步骤e，计算压缩视频的非运动补偿宏块比率。

步骤108中从新压缩视频码流中提取特征参数的具体步骤与步骤104相同，在此不再赘述。

上述步骤a中，码率是指视频文件在单位时间内使用的比特流量，它是视频编码中画面质量控制的重要部分。在观看压缩视频时，人眼出现的主要图像降质现象有：蚊子噪声、图像振铃、图像跳跃等。以上压缩视频图像产生的缺陷，主要由压缩编码处理中DCT系数的量化引起的，而量化步长的大小，即压缩比率的大小归根结底反映在视频码率这一参数上。同样分辨率下，视频文件的码率越大，压缩比就越小，画面质量就越高。

与基于解压缩域视频的图像质量评价方法不同，第一实施例中基于压缩域视频流的评价方法可以从码流中直接获取码率这一重要特征参数。在同一视频不同码率的主观评价中，其主观评价结果与码率严格成正比。虽然码率的增长与图像质量评价结果并不是成线性正比，但是获取码率值为视频图像质量的测量提供了大致方向。

步骤c中，交流能量值代表了一幅图像帧内的变化情况，即一幅图像的复杂程度。而当一幅图像的高频部分被削弱时，图像看起来就会显得模糊。模糊产生的原因有很多种。最常见的有运动模糊和散焦模糊。对图像进行压缩后，图像的模糊是在量化过程中高频系数，即交流能量的丢失所致。

交流能量值的计算公式为：

其中，N为一幅图像的总块数；ac_k为一个块中除直流系数之外的所有的DCT系数的平方和，具体计算公式为：

C(m，n)为DCT系数；AC_max为最大的交流能量值，是通过计算一个水平和垂直方向都是黑白交错的8×8个点的块得到的。本实施例中，计算的交流能量值AC是相对于理论上最大的交流能量值AC_max的相对值。

交流能量值反映了图像高频系数的复杂度，值越大图像细节越丰富，在量化和运动估计补偿(使用基于块匹配法的压缩算法)过程中，也越是容易出现损伤和误差。

压缩视频流采用的运动补偿技术，一般是基于宏块进行处理，即被预测宏块与参考宏块不在帧内的同一位置时，编码器将调用运动补偿技术来进行编码。当宏块没有运动补偿时，称其为非运动补偿宏块。由于运动估计中采用了块匹配的方法，运动估值的最小单位为宏块(16×16像素)，所以在压缩编码过程中很容易造成图像宏块间相关性降低。特别是高频细节较为丰富的视频序列，若图像同时存在快速运动，则很容易出现块效应损伤。步骤e中，非运动补偿宏块比率的计算公式为：

其中N_{No_MC}为非运动补偿宏块个数，N_Total为帧内总宏块个数。

第一实施例的压缩视频质量评价方法中通过对非运动补偿宏块的分析，我们可以得到，当视频内容变化不明显时，大量的宏块都与参考帧中的宏块匹配的很好，那么帧内的非运动补偿宏块的数量就会比较大。例如，体育运动的暂停期间，一般只有一些小对象的运动，而且摄像机的镜头会被固定，因此相应的非运动补偿宏块的数量会很大。另一方面，当视频内容变化很快时，很多宏块都不能很好的和它们参考帧宏块相匹配，因此，帧间编码的非运动补偿宏块数量就会很小。比率α可以很好的符合视频中运动强度的变化并且和人的感觉比较一致。比率α越高代表视频中运动强度越小，反之，则视频中运动越大。

第一实施例的压缩视频质量评价方法中，步骤b，判断接收到的压缩视频码流是否为I帧，当接收到的压缩视频码流为I帧时，再提取该压缩视频的交流能量值；如果不是I帧，则判断接收到的压缩视频码流是否为P帧，如果是P帧，再计算该压缩视频的非运动补偿宏块比率。

其中，I帧为帧内编码帧，是全帧压缩编码帧，可以从I帧中提取到评价所需的全部参数。P帧为前向预测编码帧，由于P帧的宏块中只包含帧间编码的非运动补偿宏块，因此，从P帧中提取非运动补偿宏块数量比较容易，提高了特征参数提取的效率。

压缩视频存在的主要降质类型有：块效应、模糊、蚊子噪声、图像振铃等。本发明第一实施例中，对压缩视频的码率、交流能量值及非运动补偿宏块比率三个参数进行提取，经过处理后即可较好的反应以上几种图像损伤，符合人眼的视觉观赏特性，能够以最小的代价获得比以往发明更为精确的压缩视频质量评价值。当然根据实际需要，也可以选取压缩视频的其他特征参数，如运动矢量等时间域、空间域的参数。但是根据实验证明，选取第一实施例中的三个参数为本发明较优的方案。

关于参数的提取方法，可根据不同的压缩算法(MPEG/H.26*等)所采用的不同编码器，采用相对应的码流分析程序，实现压缩视频码流的分析和参数提取。

本发明第一实施例的压缩视频质量评价方法，步骤106中采用多元线性回归分析的方法根据特征参数和该压缩视频的主观评价值计算评价权值。

现有技术中，有多种算法可以实现多元线性回归分析，第一实施例中使用LINEST函数进行多元线性回归分析，当然根据实际需要也可采用其他实现算法。

LINEST的功能为：运算结果返回一线性回归方程的参数，即当已知一组最终结果为Y的因变量序列值、N组Xi相关自变量因素的数量序列值时，函数返回回归方程的系数bi(i＝1，2...n单位变量)和常数a(固定常量)。多元回归方程模型则为：y＝b1*x1+b2*X2......+bn*Xn+a。

LINEST函数的语法为：LINEST(known_y′s，known_x′s，const，stats)

Known_y′s是关系表达式y＝mx+b中已知的y值集合。

如果数组known_y′s在单独一列中，则known_x′s的每一列被视为一个独立的变量。

如果数组known-y′s在单独一行中，则known-x′s的每一行被视为一个独立的变量。

Known_x′s是关系表达式y＝mx+b中已知的可选x值集合。

数组known_x′s可以包含一组或多组变量。如果只用到一个变量，只要known_y′s和known_x′s维数相同，它们可以是任何形状的区域。如果用到多个变量，则known_y′s必须为向量(即必须为一行或一列)。

如果省略known_x′s，则假设该数组为{1，2，3，...}，其大小与known_y′s相同。

Const为一逻辑值，用于指定是否将常量b强制设为0。

如果const为TRUE或省略，b将按正常计算。

如果const为FALSE，b将被设为0，并同时调整m值使y＝mx。

Stats为一逻辑值，指定是否返回附加回归统计值。

如果stats为TRUE，则LINEST函数返回附加回归统计值，返回数组为{mn，mn-1，...，m1，b；sen，sen-1，...，se1，seb；r2，sey；F，df；ssreg，ssresid}。

如果stats为FALSE或省略，LINEST函数只返回系数m和常量b。

在第一实施例中，最终结果Y即为视频质量客观评价结果，相关自变量因素Xi即为：码率、交流能量和平均运动矢量三组参数。最终使用函数回归计算得到：Y＝a+b1*B+b2*M+b3*A。Y根据不同的打分制，其取值范围可定为0-10，或0-100，B为码率，A为交流能量，M为非运动补偿宏块比率，a为常量，b1、b2、b3为评价权值(针对不同压缩算法、不同清晰度视频，a与b1、b2、b3相应改变)。

其中，将参数码率B、交流能量A、非运动补偿宏块比率M作归一化处理，使其处于同一数量级，使b1、b2、b3亦处于同一数量等级。

在评价过程中，将处理过的特征参数引入多元线性回归分析，模拟人眼视觉特性，使其掌握提取的特征参数与主观评价结果之间关系的一般规律，来最终确定相关系数权值，得到更加精确的客观评价结果。

根据实际需要也可以使用神经网络分析方法对特征参数进行分析，而且分析结果精度很高，但是计算的时间相对多元线性回归分析法较慢。

如图3所示，本发明第一实施例的压缩视频质量评价***具体包括：

码流接收装置21，用于接收压缩视频码流；

参数提取装置22，用于从压缩视频码流中提取特征参数；

主观评价数据库23，用于存储压缩视频的主观评价值；

分析装置24，根据特征参数和压缩视频的主观评价值计算评价权值；

客观评价装置25，用于根据评价权值和新压缩视频的特征参数计算新压缩视频的客观评价值。

其中，如图4所示，参数提取装置22具体包括：

码率计算模块222，用于计算压缩视频码流的码率；

分类模块224，判断所述压缩视频码流为I帧或P帧；当压缩视频码流为I帧时，将压缩视频码流发送至交流能量计算模块226，当压缩视频码流为P帧时，将压缩视频码流发送至非运动补偿宏块计算模块228；

交流能量计算模块226，用于计算压缩视频的交流能量值；

非运动补偿宏块计算模块228，用于计算压缩视频的非运动补偿宏块比率。

优选的，参数提取装置22还包括归一化计算模块，用于对各个特征参数进行归一化计算，使之处于同一个数量级。

第一实施例的压缩视频质量评价***中，分析装置24为多元线性回归分析装置，采用多元线性回归分析方法根据特征参数和压缩视频的主观评价值计算评价权值。当然，该分析装置24也可以是神经网络分析装置等其他装置。

以下结合具体数据对上述实施例进行描述。

如图1至图4所示，将50个压缩视频样本，如MPEG-2的ES(Elementary Stream，视频基本流)序列，经主观评价后，将得到的视频质量的主观评价值存储到主观评价数据库中。

将该50个压缩视频样本送入参数提取装置，提取相应的码率、交流能量以及非运动补偿宏块比率值并作归一化处理。

根据特征参数值及相应压缩视频样本在主观评价数据库中的主观评价值，采用多元线性回归分析进行计算，最终确定各个参数的评价权值。

得到压缩视频客观评价值的计算公式：Y＝a+b1*B+b2*M+b3*A。

其中，客观评价值Y的取值范围为1-100；B为码率，M为非运动补偿宏块比率，A为交流能量。由于B、M、A原值不是一个数量级，为计算方便，建议对其进行归一化处理，使B、M、A的取值范围在1-10之间，a为常量，b1、b2、b3为参数权值。

对某个新的原始视频压缩码流X，经过参数提取模块后获得码率、交流能量以及非运动补偿宏块比率值，将参数带入客观评价值计算公式：Y＝a+b1*B+b2*M+b3*A

例如，提取新的压缩视频的视频参数并进行归一化处理后，得到：B＝5，M＝7，A＝3。经LINEST函数计算得到的公式里的常量以及参数权值为：a＝57，b1＝1，b2＝1.5，b3＝2.5。带入上述公式计算，得到新视频序列X的客观评价值为85，而实际中X的主观评价值为86.5。

由此可见，使用本发明实施例的压缩视频质量评价方法和评价***得到的客观评价值与主观值拟合度较高，满足对压缩视频质量实时监控的技术要求。

本发明实施例的压缩视频质量评价方法和评价***具有以下优点：

(1)完全在压缩视频域进行参数的提取和处理，直接对压缩视频的损伤进行评估；

(2)在考虑内部编码宏块特征的同时，考虑到人眼视觉特征，提取出帧间编码宏块的相应参数，使评价结果准确度明显优于现有方案。

(3)以主观评价值为拟合对象，综合压缩域内部、外部编码宏块参数，最终使其与主观评价值进行线性拟合而得到计算公式，从而可推导任意压缩视频的客观评价值。

应说明的是：以上实施例仅用以说明本发明而非限制，本发明也并不仅限于上述举例，一切不脱离本发明的精神和范围的技术方案及其改进，其均应涵盖在本发明的权利要求范围中。

Claims (12)

1.一种压缩视频质量评价方法，其特征在于，包括：

获取压缩视频码流；

从所述压缩视频码流中提取特征参数；

根据所述特征参数和所述压缩视频的主观评价值计算评价权值；

根据所述评价权值和新压缩视频的特征参数计算所述新压缩视频的客观评价值。

2.根据权利要求1所述的压缩视频质量评价方法，其特征在于，所述根据所述特征参数和所述压缩视频的主观评价值计算评价权值的操作具体包括：通过多元线性回归分析或神经网络分析的方法根据所述特征参数和所述压缩视频的主观评价值计算所述评价权值。

3.根据权利要求1或2所述的压缩视频质量评价方法，其特征在于，所述特征参数包括：所述压缩视频的码率、交流能量值和非运动补偿宏块比率中的任意组合。

4.根据权利要求3所述的压缩视频质量评价方法，其特征在于，所述从所述压缩视频的码流中提取特征参数的操作具体包括：

获取所述压缩视频码流的码率；

当所述压缩视频码流为I帧时，提取所述压缩视频的交流能量值；

当所述压缩视频码流为P帧时，计算所述压缩视频的非运动补偿宏块比率。

5.根据权利要求4所述的压缩视频质量评价方法，其特征在于，所述非运动补偿宏块比率为：非运动宏块个数与所述压缩视频帧内宏块总个数的比值。

6.根据权利要求3所述的压缩视频质量评价方法，其特征在于，所述从所述压缩视频码流中提取特征参数的操作后还包括：对所述特征参数进行归一化处理。

7.一种压缩视频质量评价***，其特征在于，包括：

码流接收装置，用于接收压缩视频码流；

参数提取装置，用于从所述压缩视频码流中提取特征参数；

主观评价数据库，用于存储所述压缩视频的主观评价值；

分析装置，用于根据所述特征参数和所述压缩视频的主观评价值计算评价权值；

客观评价装置，用于根据所述评价权值和新压缩视频的特征参数计算所述新压缩视频的客观评价值。

8.根据权利要求7所述的压缩视频质量评价***，其特征在于，所述分析装置包括：多元线性回归分析模块或神经网络分析模块。

9.根据权利要求7或8所述的压缩视频质量评价***，其特征在于，所述参数提取装置包括码率计算模块、交流能量计算模块和非运动补偿宏块计算模块中至少一个：

所述码率计算模块，用于计算所述压缩视频码流的码率；

所述交流能量计算模块，用于计算所述压缩视频的交流能量值；

所述非运动补偿宏块计算模块，用于计算所述压缩视频的非运动补偿宏块比率。

10.根据权利要求9所述的压缩视频质量评价***，其特征在于，所述参数提取装置还包括：

分类模块，用于判断所述压缩视频码流为I帧或P帧；当所述压缩视频为I帧时，将所述压缩视频码流发送至所述交流能量计算模块；当所述压缩视频为P帧时，将所述压缩视频码流发送至所述非运动补偿宏块计算模块。

11.根据权利要求7或8所述的压缩视频质量评价***，其特征在于，所述分析装置为多元线性回归分析装置或神经网络分析装置。

12.根据权利要求9所述的压缩视频质量评价***，其特征在于，所述参数提取装置还包括：归一化计算模块，用于对所述特征参数进行归一化计算。

Images