视频质量评价方法

        视频质量评价方法可用来评价视频质量的好坏以及视频压缩传输处理方法的优劣,在视频处理和视频质量监控领域至关重要。视频质量评价方法分为两大类:主观评价方法和客观评价方法。主观质量评价方法是最可靠的评价方法,但在实际应用中将花费大量时间和费用,代价很高。因此,基于PSNR(峰值信噪比) 和MSE(均方误差)等客观评价方法仍然因其低复杂度和简单清楚的物理意义而广泛地应用在视频评价领域。但是由于它们没有充分考虑人眼视觉特性,因此会造成客观评价结果和实际视觉效果的不一致。 
  为了得到与主观评价结果一致的评价结果,目前多个研究组织已经提出了基于人眼视觉特性(HVS)仿生模型的视频质量客观算法;这些算法依据人眼的视觉特性从采集的视频文件中提取一些人眼可感知的特征,在对这些特征进行相应地计算,得出客观评价值。这些客观评价算法相对于PSNR及MSE来说,其评价结果与主观评价结果已经有了很大的接近。下面将简单的介绍视频质量客观评价常用的客观测试模型及几种与主观评价结果关联较大的客观测试算法。 
  1 视频质量客观测试模型 
  在上述视频质量客观测试模型中,客观测试系统会对输入视频及输出视频按照一定的客观算法进行相应的比较,最后给出客观的视频质量等级评价。客观测试系统在对输入/输出视频进行比较之前,需要参考输入视频对损伤视频进行时间和空间上的偏移纠正以及增益调整,每种客观测试算法都会有自己的纠正算法,通过这些纠正算法可以排除时间的前后偏移、空间的上下左右偏移、以及增益的变化对最终的计算结果的影响,以给出较可靠的客观的视频质量评价。下面我们来介绍一些目前相对来说与主观评价近似度较高的客观测试算法。 
  2 视频质量客观测试算法分析 
  目前最常用的客观评价方法就是基于统计理论的PSNR,该评价算法在数学上处理容易,物理意义比较明确,因此使用范围也最广,但是该评价方法得出的结果与主观评价的结果存在较大的偏差,因此通常视频系统的开发人员只将其作为参考信息,而不能完全替代主观评价。 
  相对于容易实现但与主观结果偏差较大的PSNR,目前有多个机构提出了与主观评价结果关联较好的客观评价算法,如美国国家电信和信息管理局(NTIA)提供的视频质量度量(VQM)算法及其模型、英国电信BT提供的全参考视频质量模型及其算法(BTFR)、巴西电信研究中心(CPQD)提供的基于分段的图像评价算法(IES),以及泰克公司和Sarnoff公司提供的PQR算法等,下面简单对其中的VQM、BTFR及PQR算法进行简单介绍及说明。 
  2.1 VQM 
  VQM是由美国国家电信和信息管理局提供的视频质量客观评价方法,其具体模型及计算过程如图2所示: 
  VQM客观评价测试方法在给出视频质量客观评价结果之前需要经过如下几个过程: 
  1)原始及处理后视频流的采样。 
  此过程负责将原始或处理后的视频由模拟/数字信号转换成含有Y、CB、CR 三种分量信号的视频格式文件,为后续进一步处理提供基础文件。 
  2)原始及处理后视频流的校准。 
  此过程比较输入/原始及输出/处理视频文件,并且依据原始/输入视频文件的图像内容移除掉输出/处理视频内容中的时间、空间偏移及增益调整,为后续处理排除掉编解码之外的干扰因素。 
  3)原始及处理后视频图像感知特征的提取。 
  负责提取原始/输入及处理/输出视频文件中的人眼可感知视频特征,这些特征主要为:空间梯度的特征信息、色度特征信息、对比度特征信息、运动量特征信息、对比度与运动量特征之间的正交信息。这些特征为后续的质量参数计算提供了翔实的数据信息。 
  4) 视频质量参数的计算。 
  此步骤负责测量视频质量由于特征值的增加和损耗所导致失真的质量参数,对步骤3提取的原始/输入和处理/输出视频特征使用比较函数进行比较计算,接着对比较计算得出的结果使用整个空间和时间的错误合并函数来模拟人们如何推导主观质量评级;最后考虑到参数值和感知质量间的非线性关系,将使用最终的时间平滑参数值进行缩放和修剪,来进一步减少参数敏感度。 
  5)VQM值计算。 
  此步骤负责将步骤4计算的各种质量参数按照一定的加权关系进行合并运算,得出视频质量客观评价值(VQM);最终计算获得的VQM值位于0到1之间,数值越小代表视频处理损伤越小。 
  2.2 BTFR 
  BTFR为英国电信提供的全参考视频质量评估模型,具体模型如图3: 
  从上述示意图可看出:BTFR算法主要包括两个阶段即检测阶段及随后的合并阶段;检测阶段负责计算参考视频与损伤视频序列中的可感知特征参数,这些参数将交给合并阶段,合并阶段再进行适当的加权得到可察觉的视频质量。检测阶段检测内容及合并阶段加权参数的选择依据目前对人眼视觉系统的时间、空间遮掩性质研究及校准实验来决定。 
  2.3 PQR 
  PQR算法为泰克公司和Sarnoff公司提供的基于JND(最小可觉差异)的客观视频质量评价方法,具体处理过程如图4: 
  PQR算法在给出视频质量评价等级之前需要经过两个过程:首先需要依据参考视频片段对经过被测系统的处理后的视频片段进行标准化处理,具体包括为时间、空间偏移调整、亮度和色度等增益的调整;之后再对参考视频及标准化后的处理视频进行JND算法,给出PQR值。 
  3 客观测试算法验证 
  之前我们说过PSNR客观测试方法与主观评价的结果偏差较大,那么VQM、BTFR及JND算法与主观评价的结果关联性又如何呢?对此,视频质量专家组VQEG与2003年8月对各研究组织提供的客观测试算法进行了一次集中测试并给出了各种客观测试方法与主观评价结果的关联性统计,具体信息如表1和下表2所示 
  上述表格中Pearson correlation 表示客观评价结果与主观评价结果的关联性,值越大关联性越好;RMS error 为像素值的均方根错误,值越小越好。据此根据表中的数据我们可看出对于两种制式(PAL制和NTSC制)来说,NTIA提供的VQM模型及其算法表现较好,两种测试情况下的关联性都位于前列。 

你可能感兴趣的:(影像测评)