CN102883180A - 一种视频质量评价方法 - Google Patents

Abstract

本发明提供一种视频质量评价方法，包括：10)将每个待测视频作为图上的一个节点来构建图，根据视频总数量确定需要添加到图上的边的数量，其中观测者成对比较视频的比较结果对应于图的一个边；20)根据所述数量将比较结果映射到图上，将该图作为霍奇分解的输入；30)根据霍奇分解获得每段视频的质量得分。本发明所提供的上述方法在没有降低视频质量评价的准确度的前提下，操作简单、省时省力；而且适合用于网络众包。

Description

一种视频质量评价方法

技术领域

本发明涉及信息工程领域，具体地，涉及图像、视频分析处理领域。

背景技术

伴随着数字化时代的到来，图像、视频等多媒体产品在人们的日常生活中扮演着越来越重要的角色。而在视频处理的各个领域：采集、显示、存储、传输、压缩等都需要进行质量评价。质量评价技术的研究已经成为信息工程中重要的基础研究课题之一，这既有其重要的理论意义，同样也有广泛的应用背景。

一般地，视频质量评价方法分为主观评价和客观评价。其中，客观评价方法主要分为三类：全参考评价、部分参考评价、无参考评价。但是，它们毕竟是客观评价的方法，是不可能完全真实地度量出观测者的主观感知的。也就是说：客观模型给出的视频质量分数和人的主观感知之间总是存在鸿沟。在主观评价中，视频的质量是由观测者给出的平均分决定的。这种方法对于评价视频的质量来说，无疑是最准确的，但也是比较耗时耗人力的。因此，传统的主观质量评价方法和客观评价方法更多地是互相补充，而不是朝着互相替代的方向发展。主观评价的结果一般作为标准来衡量客观评价模型的有效性。在众多的主观评价方法中，最常用的是平均分数法(Mean Opinion Score MOS)。在MOS测试中，观测者采用5分制给视频打分(最差-1分，较差-2分，一般-3分，较好-4分，最好-5分)，若干观测者的平均分将作为视频质量的最终得分。但是，近年来，一些研究者质疑这种评分方法存在以下缺陷：1、每个级别之间的界限难以界定；2、观测者之间存在认知差异；3、难以衡量每个观测者的专心程度。

针对以上发现，研究者们转而采用成对比较(Paired Comparison)的策略来评价视频质量。在成对比较测试里，观测者只需要在两段视频里选出质量较好的一段。直观上，在两者之间选其一比5分制的打分要容易些。但是，成对比较的方法并不是没有缺陷。最明显地就是加重了观测者的负担。比如，存在1段源视频和对应该源视频的15段失真视频，若采用MOS，完成一轮比较需要15次。但是，若采用现有的成对比较的方法，需要比较

次。这是不现实的，尤其是当待评价的视频数量比较多的时候。

由于视频评价通常涉及很多视频，在实验室测试将面临人力不足，成本高等缺点，所以近年来有研究者转而采用网络众包的方式对视频质量进行评价。实践证明：网络众包下的视频质量成本低，而且不降低视频质量评价的准确性。网络众包是一种网络外包技术。不同于传统的外包技术，传统的外包是把一项任务外包给专门的、固定的人员。网络众包是外包给不确定的互联网上的参与者，利用网络上大众的智慧和力量来共同完成一项任务。参与者从中可以得到相应的报酬。

现有的视频质量成对比较评价的方法只能处理完全图，即任何两段视频都参与了比较。但是，这在现实生活中是不可能的。在网络众包里，由于每个测试者在网络上完成测试，很难控制他们的测试流程，而且每个测试者的可用测试时间不同，不能保证任何两段视频都有观测者对其进行了比较，所以得到的拓扑图结构不一定是个完全图。

因此，迫切需要一种有效、省时省力且适合网络众包测试的视频质量评价方法。

发明内容

本发明致力于解决现有技术中基于成对比较(Partial PairedComparison)的视频质量评价方法中费时费力的问题。

根据本发明的一个方面，提供了一种视频质量评价方法，包括：

10)将每个待测视频作为图上的一个节点来构建图，根据视频总数量确定需要添加到图上的边的数量，其中观测者成对比较视频的比较结果对应于图的一个边；

20)根据所述数量将比较结果映射到图上，将该图作为霍奇分解的输入；

30)根据霍奇分解获得每段视频的质量得分。

上述方法中，所述步骤10)中所述根据视频总数量确定需要添加到图上的边的数量是利用一致同源性理论实现。

上述方法中，所述步骤10)还包括利用随机图理论预估需要添加到图上的边的数量。

上述方法中，所述步骤10)的所述预估包括：根据p＞logn/n和p＝n^α来确定图内视频对比较结果占总视频对比较结果的比例p，并根据该比例确定需要添加到图上的边的数量，其中n为视频总数量，α＜-1或α＞-1/2。

上述方法中，所述步骤10)中所述根据视频总数量确定需要添加到图上的边的数量是利用随机图理论实现。

本发明所提供的上述方法在没有降低视频质量评价的准确度的前提下，操作简单、省时省力；而且适合用于网络众包。

附图说明

图1是霍奇分解(Hodge decomposition)的示意图；

图2是向图中依次加入边和三角形的过程示意图；

图3是总视频数量和需要比较的次数占完全次数的比例之间的关系示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对根据本发明一个实施例的视频质量评价方法进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提出一种基于随机图和统计拓扑的有效的视频质量评价方法。本发明所提供的方法并不要求观测者做完全次数的比较，也即并不需要任意两个视频都比较一次；相反地，希望他们只做部分次比较即可提供逼近完全比较的评价结果，从而达到省时省力的目的，尤其是对于待比较视频数量比较多的情况。但是，期望这种不完全成对比较的方法提供的结果能够逼近完全比较的评价结果。下面根据本发明的优选实施例，详细描述本发明的视频质量评价方法所包括的具体步骤。

由于在本发明中，期望观测者只比较部分视频即可给出令人满意的质量评价，所以，这涉及不完全数据的问题。对于确定的不完全数据的设计(deterministic incomplete block design)目前已经存在不少研究成果，但是这些方法都不适合随机性较强的网络众包(Crowdsourcing)。因为，在网络众包里，观测者是分散在互联网上的，很难控制他们的测试过程，并且每个观测者自身可用于测试的时间也不同。针对这个特点，本发明采用随机图的策略来处理待比较视频对。

随机图具有的特殊拓扑结构，具体而言：其不是个完全图，而且具有不平衡性，每个结点所连边的个数是不一样的。而霍奇分解是一种处理不完全、不均衡数据的统计排序方法。根据本发明的优选实施例，采用霍奇分解来处理该随机图的拓扑结构下的成对比较结果。关于霍奇分解的内容，参见2010年X.Y.Jiang、L-H.Lim、Y.Yao和Y.Y.Ye在MathematicalProgramming上发表的Statistical ranking and combinatorial Hodge theory一文，其通过引用全部包含于此。

将一系列成对比较的结果作为霍奇分解的输入。首先建立由每个视频作为图上一个节点的图，并把观测者成对比较视频的比较结果映射到一个图上，其中每对视频的比较结果对应于图的一个边，然后，将该图作为霍奇分解的输入。上述过程中，观测者是随机地选择要比较的视频，由此使得同样随机地向图中加边。随机地往图里加边这种简单地随机性操作非常适合网络众包，让不确定的人群来对随机的对象(视频片段)进行评价，有效地杜绝了评测过程中测试者作弊的可能性。

输入成对比较结果后，根据霍奇分解理论，该图被分解为两部分正交分解的形式：梯度流(Gradient flow)和散度流(Divergence flow)，如图1所示。梯度流代表视频质量的全局质量排序。散度流代表质量排序的可信程度(不一致性)。散度流越大代表排序越不可信，散度流又可以分解为两部分：局部不一致流(Curl flow)和全局不一致流(Harmonic flow)，分别表征不一致性是由局部引起还是由全局引起的。

一般地，若全局不一致性的值很小或者为0，即全局不一致流很少或者消失时，则认为这个排序是可信的。当图结构里不含大于等于4的多边形时，全局不一致流会消失，其中大于等于4的多边形简称为洞。因此，可以通过控制图的拓扑结构来控制全局不一致流所占的比例。

由此，随机图的生成要满足以下2个条件：

1.生成的图是连通图，这样才能进行统计排序；

2.生成的图里没有洞，这样才能保证排序的可信程度。

根据近期拓扑学领域兴起的一致同源性(persistent homology)理论来确定满足上述两个条件需要加边的比例。如图2所示，往图里依次加入边和三角形，随着图中边数量的逐渐增加，连通子图的个数在逐渐减小，最终变为1个，而洞的个数则首先由0增加最后减小至0。一致同源性会返回当前状态的拓扑结构里连通子图的个数和洞的个数，因此，可以采用一致同源性理论来分析视频总数量和需要比较的次数占完全次数的比例之间的关系。

图3示出了根据一致同源性计算的视频总数量和需要比较的次数占完全次数的比例之间的关系，其中β₀代表连通子图的个数，β₁代表洞的个数。如图3的(a)中所示，对于视频总数量为16的情况，当随机加边超过70％的时候，就基本能满足整个图变成一个连通图并且里面没有洞存在这两个条件。图3的(a)图、(b)图和(c)图示出视频数量越多越大，需要比较的次数占完全次数的比例就越小。

上面给出了利用一致同源性确定视频总数量和需要比较的次数占完全次数的比例之间的关系的一个实施例。但是本领域普通技术人员可以理解，还可以采用其他方法确定。

下面给出另一个实施例，其利用随机图理论来确定视频总数量和需要比较的次数占完全次数的比例之间的关系。对于条件1，按照随机图理论，如果p＞logn/n，其中，p为随机图内视频对比较结果占总视频对比较结果的比例，n为待评价视频的数量，则该图在很大概率上是连通的，反之，该图是不连通的。对于条件2，如果p＝n^α，其中，p为随机图内视频对比较结果占总视频对比较结果的比例，n为待评价的视频的数量，且当α＜-1或α＞-1/2时，可以很大概率地保证该图里几乎没有洞存在。同时满足上述两个公式的最小p值即是期望的结果。该方法对于n非常大时尤为准确；对于n较小的情况，得出的结果不是十分理想。但是，对于后者，可以先用该方法进行p值的预估，然后再利用一致同源性进行确定。

最后，根据包括所确定数量的边的随机图，采用霍奇分解来获得每段待评价视频的质量得分、局部不一致程度值和全局不一致程度值。

对于总共16段视频的情况，按照图3(a)的启示，随机加入超过70％的边即可保证满足上述两个条件。为了保险起见，在本发明的具体实施例中选取了75％。也就是说，分别加边75％和100％进行实验，实验结果表明加75％的边给出的视频质量统计排序结果和完全次数给出的排序结果相关系数高达95％以上。而且，视频数量越多越大，需要比较的次数占完全次数的比例就越小。本发明的效果越明显。

应该注意到并理解，在不脱离后附的权利要求所要求的本发明的精神和范围的情况下，能够对上述详细描述的本发明做出各种修改和改进。因此，要求保护的技术方案的范围不受所给出的任何特定示范教导的限制。

Claims (6)

1.一种视频质量评价方法，包括：

10)将每个待测视频作为图上的一个节点来构建图，根据视频总数量确定需要添加到图上的边的数量，其中观测者成对比较视频的比较结果对应于图的一个边；

20)根据所述数量将比较结果映射到图上，将该图作为霍奇分解的输入；

30)根据霍奇分解获得每段视频的质量得分。

2.根据权利要求1所述的方法，其特征在于，所述步骤10)中所述根据视频总数量确定需要添加到图上的边的数量是利用一致同源性理论实现。

3.根据权利要求2所述的方法，其特征在于，所述步骤10)还包括利用随机图理论预估需要添加到图上的边的数量。

4.根据权利要求3所述的方法，其特征在于，所述步骤10)的所述预估包括：

根据p＞logn/n和p＝n^α来确定图内视频对比较结果占总视频对比较结果的比例p，并根据该比例确定需要添加到图上的边的数量，其中n为视频总数量，α＜-1或α＞-1/2。

5.根据权利要求1所述的方法，其特征在于，所述步骤10)中所述根据视频总数量确定需要添加到图上的边的数量是利用随机图理论实现。

6.根据权利要求5所述的方法，其特征在于，所述步骤10)包括：

根据p＞logn/n和p＝n^α来确定图内视频对比较结果占总视频对比较结果的比例p，并根据该比例确定需要添加到图上的边的数量，其中n为视频总数量，α＜-1或α＞-1/2。

Images