CN108462870A - 超高清视频的无参考质量评价方法 - Google Patents

超高清视频的无参考质量评价方法 Download PDF

Info

Publication number
CN108462870A
CN108462870A CN201710094776.8A CN201710094776A CN108462870A CN 108462870 A CN108462870 A CN 108462870A CN 201710094776 A CN201710094776 A CN 201710094776A CN 108462870 A CN108462870 A CN 108462870A
Authority
CN
China
Prior art keywords
video
ultra high
quality evaluation
evaluation method
block
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.)
Pending
Application number
CN201710094776.8A
Other languages
English (en)
Inventor
许颖浩
袁政
褚灵伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
WENGUANG INTERDYANMIC TV CO Ltd SHANGHAI
Original Assignee
WENGUANG INTERDYANMIC TV CO Ltd SHANGHAI
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by WENGUANG INTERDYANMIC TV CO Ltd SHANGHAI filed Critical WENGUANG INTERDYANMIC TV CO Ltd SHANGHAI
Priority to CN201710094776.8A priority Critical patent/CN108462870A/zh
Publication of CN108462870A publication Critical patent/CN108462870A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N17/00—Diagnosis, testing or measuring for television systems or their details
    • H04N17/004—Diagnosis, testing or measuring for television systems or their details for digital television systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明公开了一种超高清视频的无参考质量评价方法，包括以下步骤：步骤1，对视频数据块进行模版平滑滤波；步骤2，对视频数据块进行特征提取，得到对应的低质量视频及其失真测度；步骤3，计算低质量视频的掩模因子；步骤4，利用偏移校准评价视频数据块的质量。本发明的超高清视频的无参考质量评价方法无参考型质量评估算法不需要任何原始图像信息作为参考，因此其实用价值最大。

Description

超高清视频的无参考质量评价方法
技术领域
本发明涉及视频质量评价方法，更具体地说，涉及一种超高清视频的无参考质量评价方法。
背景技术
如今超高清视频的视频编码还是普遍采用H.264标准，新出炉的H.265标准还未普及，因此超高清视频的体积非常巨大，在传输、存储过程中都需要对其进行一定的压缩，而在压缩和传输的过程中会对视频质量产生影响，而影响最大的就是块效应和模糊。
视频序列的相关性以及人眼的视觉特性，使得视频信息存在大量冗余，如空间冗余、时间冗余、视觉冗余等。由于人眼对冗余的敏感性有限，因此可以通过压缩编码去除部分冗余信息来减少表示视频的数据量。一般视频***通常采用有损压缩算法来提高压缩效率。但是，有损压缩算法会产生编码失真，影响解码后视频的主客观质量。同时，在超高清视频通信中，由于传输量大以及信道噪声的存在使得传输中会出现信道误码等，从而导致接收端视频质量的下降。因此，这也是目前引起超高清视频质量下降的主要原因。
由于人眼对视频帧中、低频信号的误差更为敏感，而时域或空域中高频信号的细节通常不易被察觉，因此大部分视频压缩***通常首先对视频序列进行某种正交变换，然后对变换系数中的高频信息进行粗量化，在保证一定恢复图像质量的条件下尽量减少非零系数的个数，以达到压缩视频的目的。由此可知，视频压缩的过程中导致视频质量下降的根本原因是量化。
由压缩算法引起的块效应(Blocking Artifacts)是指经过基于块的压缩编码后，重构视频帧相邻块边界出现的不连续性，这种不连续性是由相邻块在编码中相互独立的系数量化过程造成的。块边界不连续程度反映了块效应失真程度。
由于人们目前对人类视觉***和相应的大脑认知过程的认识不足，无参考型视频质量客观评价的研究遇到极大的挑战。这些难点主要表现在以下几个方面：
(1)视频图像特征难以定义和提取：由于对视频图像视觉特征与人眼视觉感受之间的关系认识不足，人们尚不清楚哪些特征影响人眼对视频质量的评价。因此视频图像特征的合理定义和有效提取是质量评价的难点。
(2)视觉特性难以建模和描述：由于对人眼视觉感知机理认识不足，难以利用合理的模型和知识来描述视频图像特征与视觉质量之间的作用关系，从而制约了视频客观质量评价方法的研究。
(3)人眼感知难以形式化表示：由于人类感性认识的能力很难通过具体的模型来描述，比如，审美观、认知关联等因素都会导致人类观察者的感知变化，使得无参考型客观质量评价的问题变得更加复杂。
发明内容
本发明的目的是提供一种超高清视频的无参考质量评价方法，解决现有技术中无参考视频质量评价的难点。
为实现上述目的，本发明采用如下技术方案：
一种超高清视频的无参考质量评价方法，包括以下步骤：步骤1，对视频数据块进行模版平滑滤波；步骤2，对视频数据块进行特征提取，得到对应的低质量视频及其失真测度；步骤3，计算低质量视频的掩模因子；步骤4，利用偏移校准评价视频数据块的质量。
进一步地，步骤2的计算方法为：步骤2.1，通过块边缘的平均差异来估计块失真；步骤2.2，接着计算块内的绝对平均差异；步骤2.3，过零点特征计算；步骤2.4，利用特征综合的方法得到最终的块失真测度。
进一步地，步骤2.1的计算方法为：令x(m,n)表示视频图像帧，m∈[1,M]，n∈[1,N]，沿水平方向的差分信号是：dh(m,n)＝x(m,n+1)-x(m,n),n∈[1,N-1]。
进一步地，步骤2.2的计算方法为：
进一步地，步骤2.3的计算方法为：令n∈[1,N-2]，其中，m,n为图像帧水平和垂直方向的像素数；水平过零点率是：
进一步地，步骤2.4的计算方法为：其中，B为块失真，Bh为水平方向失真，Bv是垂直方向失真，Ah为水平方向平均差异，Av为垂直方向平均差异，ZRh为水平方向过零点率，ZRv为垂直方向过零点率。视频数据块的失真测度S为：其中α,β,γ1,γ2,γ3为模型参数。
进一步地，步骤4的计算方法为：视频质量值Q为：Q＝S-V，其中，V为位移量。
在上述技术方案中，本发明的超高清视频的无参考质量评价方法无参考型质量评估算法不需要任何原始图像信息作为参考，因此其实用价值最大。
附图说明
图1是本发明超高清视频的无参考质量评价方法的流程图。
具体实施方式
下面结合附图和实施例进一步说明本发明的技术方案。
基于场景掩模和位移校准的部分参考视频质量评价方法利用纹理因子、场景因子和运动因子综合出最终的掩模分析因子，并用来校准这种客观方法的评价结果。而对于无参考的视频质量评价，同样也存在由于视频内容的不同而引起的掩模效应，导致客观评价方法的可靠性降低。所以本发明提出采用场景掩模和移位校准的方法来设计超高清视频的无参考质量评价。
在部分参考的评价算法设计中，各种掩模因子的提取对象是原始参考图像，所以各种不同失真程度的视频都有相同的掩模因子和位移。这是合理的也是潜在要求的，因为在该算法中需要视频以整组为单位移位才能达到重合各组视频的目的，从而提高客观算法的评价结果。
但是，在无参考中，没有原始视频作为参考，所以如果采用场景掩模和位移校准的算法，首先必须解决的问题就是找到掩模因子的提取对象。
基于上述特点，如图1所示，本发明公开一种超高清视频的无参考质量评价方法，其包括以下的主要步骤：
S1：对视频数据块进行模版平滑滤波。
S2：对视频数据块进行特征提取，得到对应的低质量视频及其失真测度。
S3：计算低质量视频的掩模因子。
S4：利用偏移校准评价视频数据块的质量。
本发明的解决办法就是对各种超高清视频首先进行模板平滑滤波，得到低质量的视频，这时同一组的超高清视频都具有基本相同的失真程度，那么计算出的掩模因子和位移也就基本相同。
这里，本发明主要以视频的块效应为切入点来研究无参考的超高清视频质量评价，S2的主要过程如下：
S2.1：首先，通过块边缘的平均差异来估计块失真。
令x(m,n)表示视频图像帧，m∈[1,M]，n∈[1,N]，沿水平方向的差分信号是：
dh(m,n)＝x(m,n+1)-x(m,n),n∈[1,N-1]。
S2.2：接着计算块内的绝对平均差异。
S2.3：过零点(Zero-crossing，ZC)特征计算。
令n∈[1,N-2]，m,n为图像帧水平和垂直方向的像素数。
水平过零点率是：可以计算出垂直方向的Bv,Av,ZRv。
S2.4：利用特征综合的方法得到最终的块失真测度。
最终的特征是：其中，B为块失真，Bh为水平方向失真，Bv是垂直方向失真，Ah为水平方向平均差异，Av为垂直方向平均差异，ZRh为水平方向过零点率，ZRv为垂直方向过零点率。
利用特征综合的方法，得到视频数据块的失真测度S为：
其中α,β,γ1,γ2,γ3为模型参数。
S3：计算低质量视频的掩模因子。
每一个进行质量评价的失真视频，首先用平滑模板对其每帧视频图像进行滤波，得到的再提取掩模因子。通过对视频图像进行空域小波变换，空域Sobel滤波及运动矢量的估计，得到纹理因子T、场景因子F和运动因子M、再综合得到位移量V。
S4：利用偏移校准评价视频数据块的质量。
经过校准的视频质量值Q为：Q＝S-V，其中，V为位移量。
本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。

Claims (7)

1.一种超高清视频的无参考质量评价方法，其特征在于，包括以下步骤：
步骤1，对视频数据块进行模版平滑滤波；
步骤2，对视频数据块进行特征提取，得到对应的低质量视频及其失真测度；
步骤3，计算低质量视频的掩模因子；
步骤4，利用偏移校准评价视频数据块的质量。
2.如权利要求1所述的超高清视频的无参考质量评价方法，其特征在于，步骤2的计算方法为：
步骤2.1，通过块边缘的平均差异来估计块失真；
步骤2.2，接着计算块内的绝对平均差异；
步骤2.3，过零点特征计算；
步骤2.4，利用特征综合的方法得到最终的块失真测度。
3.如权利要求2所述的超高清视频的无参考质量评价方法，其特征在于，步骤2.1的计算方法为：
块失真
其中，令x(m,n)表示视频图像帧，m∈[1,M]，n∈[1,N]，沿水平方向的差分信号dh(m,n)＝x(m,n+1)-x(m,n),n∈[1,N-1]。
4.如权利要求3所述的超高清视频的无参考质量评价方法，其特征在于，步骤2.2的计算方法为：
平均差异
5.如权利要求4所述的超高清视频的无参考质量评价方法，其特征在于，步骤2.3的计算方法为：
令n∈[1,N-2]，过零点特征
其中，m,n为图像帧水平和垂直方向的像素数；
水平过零点率
6.如权利要求5所述的超高清视频的无参考质量评价方法，其特征在于，步骤2.4的计算方法为：
其中，B为块失真，Bh为水平方向失真，Bv是垂直方向失真，Ah为水平方向平均差异，Av为垂直方向平均差异，ZRh为水平方向过零点率，ZRv为垂直方向过零点率；
视频数据块的失真测度S为：
其中α,β,γ1,γ2,γ3为模型参数。
7.如权利要求6所述的超高清视频的无参考质量评价方法，其特征在于，步骤4的计算方法为：
视频质量值Q为：Q＝S-V，其中，V为位移量。
CN201710094776.8A 2017-02-22 2017-02-22 超高清视频的无参考质量评价方法 Pending CN108462870A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710094776.8A CN108462870A (zh) 2017-02-22 2017-02-22 超高清视频的无参考质量评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710094776.8A CN108462870A (zh) 2017-02-22 2017-02-22 超高清视频的无参考质量评价方法

Publications (1)

Publication Number Publication Date
CN108462870A true CN108462870A (zh) 2018-08-28

Family

ID=63222125

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710094776.8A Pending CN108462870A (zh) 2017-02-22 2017-02-22 超高清视频的无参考质量评价方法

Country Status (1)

Country Link
CN (1) CN108462870A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111385567A (zh) * 2020-03-12 2020-07-07 上海交通大学 一种超高清视频质量评价方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111385567A (zh) * 2020-03-12 2020-07-07 上海交通大学 一种超高清视频质量评价方法及装置

Similar Documents

Publication Publication Date Title
US10825140B1 (en) Apparatus and method for performing artificial intelligence encoding and artificial intelligence decoding on image
Saad et al. DCT statistics model-based blind image quality assessment
CN101755461B (zh) 图像处理设备、图像处理方法
Ma et al. Reduced-reference video quality assessment of compressed video sequences
CN103139577B (zh) 一种深度图像滤波方法、获取深度图像滤波阈值的方法和装置
US20110243470A1 (en) Apparatus, process, and program for image encoding
CN103200421B (zh) 一种基于Curvelet变换和相位一致的无参考图像质量评价方法
CN102271254B (zh) 一种深度图像的预处理方法
US8401280B2 (en) Device for improving stereo matching results, method of improving stereo matching results using the device, and system for receiving stereo matching results
US8885969B2 (en) Method and apparatus for detecting coding artifacts in an image
JPH07203435A (ja) 歪んだ図形情報の強調方法及び装置
CN104378636B (zh) 一种视频图像编码方法及装置
CN106550244A (zh) 视频图像的画质增强方法及装置
CN103037217A (zh) 检测内插图像中的图像损坏
US10129565B2 (en) Method for processing high dynamic range video in order to improve perceived visual quality of encoded content
CN105554040B (zh) 远程视频监控方法和***
Thakur et al. Texture analysis and synthesis using steerable pyramid decomposition for video coding
CN108462870A (zh) 超高清视频的无参考质量评价方法
CN105635715A (zh) 视频格式识别方法及装置
WO2024073515A1 (en) Techniques for predicting video quality across different viewing parameters
CN112584153A (zh) 基于恰可察觉失真模型的视频压缩方法及装置
CN110838120A (zh) 一种基于时空信息的非对称失真三维视频的加权质量评价方法
Zhang et al. Quality assessment methods for perceptual video compression
CN111311584A (zh) 视频质量评估方法及装置、电子设备、可读介质
CN101765026B (zh) 一种图像质量评价值的修正方法和修正***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180828

WD01 Invention patent application deemed withdrawn after publication