KR20080031548A

KR20080031548A - Method of real-time image quality evaluation and apparatus thereof

Info

Publication number: KR20080031548A
Application number: KR1020060097527A
Authority: KR
Inventors: 심동규; 이선오; 김현오
Original assignee: 광운대학교 산학협력단
Priority date: 2006-10-04
Filing date: 2006-10-04
Publication date: 2008-04-10

Abstract

A method and an apparatus for evaluating image quality in real time are provided to calculate the image quality of the entire video by using specific parameters of a target region and the entire region extracted through an original image and a degraded image, thereby providing a point for the image quality of a video degraded through a specific channel and a system. An original image input unit(110) receives an original image, and a degraded image input unit(120) receives a degraded image. A target region detection unit extracts a target region by using a block region detection unit(130) and an edge boundary detection unit(150). A calculation unit(160,170,180) calculates specific parameters by using the visual feature of human for the target region and the entire region. A final calculation unit(190) calculates a final result value for the entire video.

Description

Method and device for real-time image quality evaluation {Method of Real-time Image Quality Evaluation and Apparatus Thereof}

도 1은 본 발명에 따른 실시간 화질 평가 방법 및 장치를 설명하기 위한 블록도이다.1 is a block diagram illustrating a method and apparatus for evaluating real-time image quality according to the present invention.

도 2는 도 1의 경계 추출 부(140)와 경계 영역 추출 부(150)를 상술하기 위한 블록도이다.FIG. 2 is a block diagram illustrating in detail the boundary extractor 140 and the boundary region extractor 150 of FIG. 1.

도 3과 도 4는 각각, 도 2의 라플라스 변환 블록(210)과 소벨 변환 블록(230)을 상술하기 위한 블록도이다.3 and 4 are block diagrams for describing the Laplace transform block 210 and the Sobel transform block 230 of FIG. 2, respectively.

도 5는 도 2의 경계 영역 추출 부(220)를 상술하기 위한 블록도이다.FIG. 5 is a block diagram illustrating the boundary region extraction unit 220 of FIG. 2.

도 6은 도 1의 블록 영역 추출 부(130)을 상술하기 위한 블록도이다.FIG. 6 is a block diagram illustrating the block region extraction unit 130 of FIG. 1 in detail.

도 7은 도 6의 블로킹 효과(Blocking Effect)여부를 판단하는 블록 영역 추출 부(630)를 상술하기 위한 도면이다.FIG. 7 is a diagram for describing the block region extraction unit 630 determining whether the blocking effect of FIG. 6 is determined.

도 8은 도 1의 영상 밝기 값 변화율 특징을 계산하는 밝기 값 변화율 특징 계산부(180)를 상술하기 위한 블록도 이다.FIG. 8 is a block diagram illustrating the brightness value change rate feature calculation unit 180 for calculating the image brightness value change rate feature of FIG. 1.

본 발명은 동영상을 전송 ? 압축 ? 처리함에 있어, 원 영상대비 열화영상의 열화정도를 실시간으로 측정할 수 있는 방법과 이를 이용한 장치에 관한 것이다.The present invention sends a video? Compression In processing, the present invention relates to a method for measuring the deterioration degree of a deteriorated image in comparison with an original image and a device using the same.

동영상을 다루는 기술의 발전과 수요에 비해 개발된 각 기술의 성능을 평가/ 검증하는 화질평가 방법이 부족하기 때문에 그 필요성이 강조되고 있다.The necessity is emphasized due to the lack of image quality evaluation methods for evaluating and verifying the performance of each developed technology compared to the development and demand of the technology for handling video.

영상에 대한 가장 유효한 화질평가방법으로 다수의 사람들에 이루어지는 주관적 화질평가 방법이 주로 수행되어 왔다. 하지만 이러한 방법은 시간, 공간, 비용 등의 여러 가지 비용 문제 때문에 이를 실시하는 데 있어 많은 제약이 따르고, 가장 수요가 많은 실시간 동영상 서비스 품질평가에 가장 필요한 실시간 처리가 불가능한 한계를 가지고 있다.As the most effective image quality evaluation method for images, a subjective image quality evaluation method which is performed by a large number of people has been mainly performed. However, these methods have many limitations in implementing them due to various cost problems such as time, space, and cost, and have a limitation in that real-time processing, which is most necessary for real-time video service quality evaluation, is most demanded.

본 발명의 목적은 상기 문제점을 해결하기 위한 것으로, 다수의 사람들이 평가하는 결과와 높은 연관성을 가지는 결과 값을 낼 수 있으면서, 수치적 계산과정을 통한 화질 평가 모델을 개발하고 이를 이용한 장치를 개발함으로써 큰 비용추가 없이 실시간으로 화질을 평가할 수 있게 하는 것이다.An object of the present invention is to solve the above problems, by developing a quality evaluation model through the numerical calculation process and developing a device using the same, while producing a result value having a high correlation with the results that a large number of people evaluate It is to be able to evaluate the image quality in real time without any significant cost.

상기 목적을 달성하기 위한 본 발명에 따라, 실시간 화질 평가 방법 및 장치는 동영상을 압축 , 전송 , 처리하는 특정 채널이나 시스템을 통해 생성되는 열화영상을 입력받아 인간 시각 특징에 기반을 둔 목적 영역을 추출한다. 이렇게 해서 얻어진 목적 영역 내에서 원하는 특징에 해당되는 특징 값을 얻어내고, 또한 목적 영역이 아닌 전체 프레임에 대해서 인간 시각 특징에 기반을 둔 특징들의 차이 값을 구하게 된다. According to the present invention for achieving the above object, a method and apparatus for evaluating real-time image quality extracts a target region based on human visual characteristics by receiving a deteriorated image generated through a specific channel or system for compressing, transmitting, and processing a video. do. In this way, a feature value corresponding to a desired feature is obtained in the obtained target region, and a difference value of features based on human visual features is obtained for the entire frame, not the target region.

이렇게 해서 각 프레임에 대해 얻은 특징 값들을 이용, 전체적인 화질을 평가하는 대표 화질 결과 값을 얻는다.In this way, the feature values obtained for each frame are used to obtain a representative picture quality result value for evaluating the overall picture quality.

이하에서는 첨부된 도면을 참조하면서 본 발명의 실시 예를 상세하게 설명하도록 한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명에 따른 실시간 화질평가 모델 전체 시스템 구성을 설명하기 위한 블록도 이다. 1 is a block diagram illustrating the overall system configuration of the real-time image quality evaluation model according to the present invention.

도 1을 참조하면, 본 발명에 따른 실시간 화질평가 모델은 처리하지 않은 상태의 원 영상을 입력받는 원 영상 입력 부(110), 특정 채널 및 시스템을 거쳐 손상이 진행된 열화영상을 입력받는 열화영상 입력 부(120), 최종 화질평가에 이용되는 특징 파라미터 값을 구하기 위한 목적 영역 중 블록 영역을 추출하는 블록 영역 추출 부(130), 목적 영역 중 경계 영역을 추출하는 경계 영역 추출 부(150)와 이를 위해 각 프레임에서 경계를 추출하는 경계 추출 부(140), 블록 영역 추출 부(130)로부터 넘겨받은 블록 영역에서 원영상과 열화 영상의 밝기 값의 차이를 구하는 블록 특징 계산부(160), 경계 영역 추출 부(150)부터의 경계영역에서 원영상과 열화 영상의 밝기 값의 차이를 구하는 경계 특징 계산부(170), 경계 추출 부(140)로부터 얻은 원 영상과 열화 영상의 밝기 값의 변화율을 이용하여 원 영상과 열화 영상의 밝기 값 변화율의 차이를 구하는 밝기 값 변화율 특징 계산부(180), 각 특징 계산 부로부터 특징 값을 넘겨 받아 대표 화질 값을 계산하는 대표 화질 계산부(190)로 구성된다.Referring to FIG. 1, in the real-time image quality evaluation model according to the present invention, a raw image input unit 110 receiving an unprocessed original image, a deteriorated image input receiving a deteriorated image that has undergone damage through a specific channel and system The block 120 extracts the block region from the target region for obtaining the feature parameter value used for the final image quality evaluation, the boundary region extractor 150 extracts the boundary region from the target region, and the same. The boundary feature extracting unit 140 extracting the boundary from each frame, the block feature calculating unit 160 obtaining the difference between the brightness values of the original image and the degraded image in the block region transferred from the block region extracting unit 130, and the boundary region. The brightness value of the original image and the degraded image obtained from the boundary feature calculation unit 170 and the boundary extractor 140 for obtaining the difference between the brightness values of the original image and the degraded image in the boundary region from the extractor 150. A brightness value change rate feature calculating unit 180 that calculates a difference between a brightness value change rate of an original image and a degraded image by using a change rate, and a representative picture quality calculating unit 190 which calculates a representative picture quality value by passing feature values from each feature calculating unit. It consists of.

경계 추출 부(140)에서 원 영상 입력 부(110)와 열화 영상 입력 부(120)의 입력으로부터 얻어진 두 동영상을 입력 받아 각 영상의 경계를 추출하고 그 결과, 경계 이미지를 경계 영역 추출 부(150)로, 두 영상에 대한 각 프레임의 밝기 값 변화율의 평균을 밝기 값 특징 계산 부(180)로 넘겨준다.The boundary extractor 140 receives two videos obtained from the inputs of the original image input unit 110 and the deteriorated image input unit 120, extracts the boundary of each image, and as a result, extracts the boundary image from the boundary region extractor 150. ), The average of the brightness rate change rate of each frame for the two images is passed to the brightness value feature calculation unit 180.

경계 이미지를 넘겨받은 경계 영역 추출 부(150)는 경계 영역을 구해 경계 특징 계산 부(170)로 넘겨준다.The boundary region extracting unit 150 that receives the boundary image obtains the boundary region and passes the boundary region to the boundary feature calculating unit 170.

경계 영역 계산 부(170)는 원 영상(110)과 열화 영상(120)을 이용해, 넘겨받은 경계 영역에서 열화 정도를 계산하여 경계 특징 값을 계산한다.The boundary region calculator 170 calculates a boundary feature value by calculating the degree of degradation in the transferred boundary region using the original image 110 and the degraded image 120.

밝기 값 특징 계산 부(180)에서는 넘겨받은 두 밝기 값 평균의 차를 계산해서 밝기 값 변화율의 특징을 계산한다.The brightness value feature calculation unit 180 calculates a feature of a brightness value change rate by calculating a difference between two received brightness mean values.

블록 영역 추출 부(130)에서는 열화 영상을 입력 받아 열화 영상의 블로킹 현상(Blocking Effect) 여부를 검사하고 블록 영역을 추출한다. 이를 통해 구한 블록 영역은 블록 특징 값 계산 부(160)로 넘어가고, 블록 특징 값 계산 부(160)는 넘겨받은 영역에서 원 영상과 열화 영상의 밝기 값의 차이를 계산해서 블록 특징 값을 계산한다.The block region extraction unit 130 receives the deteriorated image, checks whether a blocking effect of the deteriorated image is detected, and extracts a block region. The obtained block region is passed to the block feature value calculator 160, and the block feature value calculator 160 calculates a block feature value by calculating a difference between brightness values of the original image and the degraded image in the transferred area. .

각각의 특징 값 계산 블록 (160, 170, 180)을 통해 계산 된 결과 값들은 대표 영상 화질 값 계산 부(190)로 넘겨 져, 대표 값을 구하는 데 이용 된다.The result values calculated through the feature value calculation blocks 160, 170, and 180 are passed to the representative image quality value calculation unit 190, and used to obtain a representative value.

도 2는, 도 1의 경계 영역 추출 부(150)의 실시 예를 보여준다.FIG. 2 shows an embodiment of the boundary region extraction unit 150 of FIG. 1.

도 2를 참조하면, 원 영상 신호가 두 개의 기능 부로 넘겨진다. Referring to FIG. 2, the original video signal is passed to two functional units.

하나가 라플라스 변환 부(210)로, 입력 받은 영상에 라플라스 변환을 적용하여 밝기 값의 이차 미분 결과를 얻는다. 라플라스 변환은 수학식 1 ~ 수학식 4에 명시되어 있다.One of them is the Laplace transform unit 210, and the Laplace transform is applied to the input image to obtain a second derivative of the brightness value. Laplace transforms are specified in equations (1) through (4).

x와 y는 이미지 상의 공간상 좌표이고,

와

는 수학식 2와 수학식 3으로 나타낸다. x and y are spatial coordinates on the image,

Wow

Are represented by equations (2) and (3).

수학식 4는 수학식 1을 이미지에 적용하기 위해 표현 방법을 바꾼 것으로, 이는 도 3이 표현한다.Equation 4 is a change in the expression method to apply the equation 1 to the image, which is represented by FIG.

도 3을 참조하면, 디지털 이미지의 가로방향을 x축, 세로 방향을 y축이라 하고, 픽셀 1칸의 크기를 1이라 하면, 수학식 1과 수학식 4를 적용하는 것은 도 3이 보여주는 마스크를 순차적으로 적용하는 것과 같다.Referring to FIG. 3, when the horizontal direction of the digital image is referred to as the x-axis and the vertical direction is referred to as the y-axis, and the size of one pixel is 1, the application of Equation 1 and Equation 4 shows a mask shown in FIG. 3. It is the same as applying sequentially.

나머지 하나는 소벨 변환 부(230)로, 입력 받은 영상에 소벨 알고리즘을 적용하여 일차 미분 값을 얻는다. 소벨 알고리즘은 수학식 5 - 수학식 7에 명시되어 있다.The other is the Sobel transform unit 230, and obtains a first derivative by applying a Sobel algorithm to an input image. The Sobel algorithm is specified in Equations 5-7.

x와 y는 공간 영역상의 좌표이고, g_x와 g_y는 수학식 6과 수학식 7로 나타낸다.x and y are coordinates on the spatial domain, and g _x and g _y are represented by Equations 6 and 7.

수학식 6과 수학식 7은 도 4를 이미지에 적용하는 것과 같다.Equations 6 and 7 are equivalent to applying FIG. 4 to an image.

하나의 픽셀에 대해 수학식 5로 인한 영상 밝기 값 변화율

을 구하고 나면, 이미지 내의 전체 픽셀에 대해 동일한 방법으로 적용할 수 있다. 한 프레임에 대한 영상 밝기 값 변화율

의 평균인 Gradient(240)를 구할 수 있다. Rate of change of image brightness value due to Equation 5 for one pixel

Once we have, we can apply the same for all pixels in the image. Rate of change of image brightness value for one frame

The average of Gradient (240) can be obtained.

경계 영역 추출 부(220)에서는, 라플라스 변환 부(210)로부터 받은 밝기 값 의 이차 미분 영상과 소벨 변환 부(230)로부터 받은 Gradient(240)를 이용하여 경계 영역을 결정하는 데, 이는 밝기 값의 미분 영상에 Gradient(240)의 상수 배를 하여 이를 문턱치 값

(threshold value)을 얻고, 이를 이용하여 이차 미분 영상에서 각 픽셀에 경계 여부를 결정하는 과정을 적용하여 이루어진다.The boundary region extraction unit 220 determines the boundary region using the second derivative image of the brightness value received from the Laplace transform unit 210 and the Gradient 240 received from the Sobel transform unit 230. The threshold value of Gradient (240) is multiplied to the differential image

(threshold value) is obtained by using the process of determining whether each pixel in the second differential image is bounded.

문턱치 값

는 수학식 8에 의해 구해진다.Threshold value

Is obtained by equation (8).

Gradiendt는 영상 밝기 변화율의 평균(214)이고,

는 상수 값이다.

는 0, 1, 2, 3과 같은 정수 일 수도 있고, 1.5, 2.3과 같은 소수일 수도 있다. Gradiendt is the average (214) of the rate of change of image brightness,

Is a constant value.

May be an integer such as 0, 1, 2, 3, or a decimal such as 1.5, 2.3.

또한, 각기 다른

값을 두어 하나 이상의

(218)를 계산하여, 구간을 정하고 Gradiendt값을 구간에 따라 나눌 수 있고, 각 구간에 해당하는 이차미분영상에 해당하는 이미지를 구할 수도 있다. Also, different

One or more values

By calculating (218), the section may be determined, the Gradiendt value may be divided according to the section, and the image corresponding to the second differential image corresponding to each section may be obtained.

상기 방법으로 구해진 문턱치 값을 이용하여 경계 여부가 결정된 경계 영상은 형태학적 방법을 거쳐 확장되고, 확장된 이미지에서 기존 경계 영상을 배제시키면 최종 목적 경계영역을 구한다.The boundary image determined whether the boundary is determined using the threshold value obtained by the above method is expanded through a morphological method, and the final target boundary area is obtained by excluding the existing boundary image from the expanded image.

경계영역을 구하는 방법은 형태학적인(morphological) 과정(process)에 해당 하는 확장(dilation)처리 이다. 도 5는 확장(dilation)과정을 보여준다.The method of finding the boundary region is the dilation process corresponding to the morphological process. 5 shows a dilation process.

도 5를 살펴보면, 눈금으로 표시된 작은 사각형은 픽셀 하나를 나타낸다. <가>에서 ○ 표시한 픽셀들은 상기 과정을 통해 얻어진 경계영상에 해당된다. 이를 형태학적인 확장을 통해 영역을 넓힌 것이 <나>에서 볼 수 있는 × 표시한 부분이 된다. <나> 이미지에서 <가> 즉, 경계영상을 뺀 결과인 최종 경계 영역은 <다>에서 × 표시한 픽셀들의 합집합이 된다. 즉 <다> 이미지에서 × 표시한 부분이 도 2의 최종 결과인 목적 경계 영역(215)이 되고, 이는

로 표시하고 목적 경계 영역에 포함된 픽셀들을 원소로 하는 집합을 나타낸다.Referring to FIG. 5, the small squares marked with scales represent one pixel. Pixels marked in ○ correspond to the boundary image obtained through the above process. Expanding the area through morphological expansion becomes the × marked part shown in <B>. In the <b> image, <a>, that is, the final border area resulting from subtraction of the border image, is the union of the pixels marked with x in <d>. In other words, the portion indicated by x in the <multi> image becomes the target boundary region 215 which is the final result of FIG.

Denotes a set whose elements are the pixels contained in the target boundary region.

이상 도 2의 경계영역 추출 부(150)에 대한 상술을 마친다.This completes the description of the boundary region extraction unit 150 of FIG. 2.

이하에서는 도 1의 블록영역 추출 부(130)에 대한 실시 예를 도 6과 도 7을 이용하여 상세하게 설명한다.Hereinafter, an embodiment of the block region extraction unit 130 of FIG. 1 will be described in detail with reference to FIGS. 6 and 7.

도 6은 도 1의 블록 영역 추출 부(130)를 자세히 나타내는 블록도이다.6 is a block diagram illustrating in detail the block region extraction unit 130 of FIG. 1.

블록 분할 부(620)는 입력 받은 열화 영상(610)을 M× N 크기의 블록들로 나눈다. 이를 통해 나누어진 각 블록은 순차적으로 블록 영역 판정을 받는데 이는 블록 영역 추출 부(630)를 통해 이루어진다. 블록 영역 추출 부(630)에서 특정 블록이 블록 영역으로 채택되면, 해당 되는 영역을 저장하고, 이때마다 블록 영역에 해당하는 블록 수를 체크하는 N_block 에 1씩 더하고, 한 프레임에 대한 과정이 다 끝나면 해당 블록 영역과 N_block 을 출력한다(640). 이때 해당 블록 영역을 로 표현하고, 이는 해당 블록 영역에 포함되는 픽셀들을 원소로 하는 집합을 나타낸다.The block dividing unit 620 divides the received deteriorated image 610 into blocks of size M × N. Each of the divided blocks is sequentially subjected to block region determination, which is performed by the block region extraction unit 630. If a particular block is adopted as a block area in the block area extraction unit 630, the corresponding area is stored, and each time, a _block is added to N _block for checking the number of blocks corresponding to the block area, and the process for one frame is performed. After that, the block area and N _block are output (640). In this case, the block area is expressed as, and this represents a set including elements of pixels included in the block area.

도 7을 살펴보면, M× N블록 중, 4× 4 블록을 예를 들어 설명한다. 4× 4 블록과 그 주변 영역에 해당하는 1 열과 1 행을 나타내고 있다. 해당 블록이 블록 영역에 해당되는지 여부를 판단하는 기준은, 해당 블록의 블로킹 효과 (Blocking Effect)에 있다. 블로킹 효과가 나타나는지 여부를 판단하는 방법은 이하와 같다. 그림 7을 살펴보면, 4× 4 블록을 두고, a, b, c, d 픽셀과 e, f, g, h 픽셀이 경계를 이루고 있다. (i, j, k, l, m, n, o, p, q, r, s, t)의 평균값, (a, b, c, d)의 평균값, (e, f, g, h)의 평균값을 이용한다. a, b, c, d, e, f, g, h 가 블록 영역인지를 판단하는 기준은 수학식 9에 나타난다. Referring to FIG. 7, a 4x4 block among MxN blocks will be described as an example. One column and one row corresponding to a 4x4 block and its surrounding area are shown. A criterion for determining whether a corresponding block corresponds to a block area is based on a blocking effect of the corresponding block. The method for determining whether or not the blocking effect is present is as follows. In Figure 7, we have a 4x4 block, with a, b, c, d pixels bounded by e, f, g, and h pixels. mean value of (i, j, k, l, m, n, o, p, q, r, s, t), mean value of (a, b, c, d), (e, f, g, h) Use the average value. A criterion for determining whether a, b, c, d, e, f, g, and h are block areas is shown in Equation (9).

a~t는 그림 7에 표시한 각 픽셀들이다. 는 1, 2, 3 과 같은 정수일 수도, 1.5, 2.3과 같은 소수일 수도 있다. 위 조건을 만족하는 경우, a~h를 블록 영역에 포함시킨다. 이 경우, 회색 부분에 해당하는 영역의 픽셀은 상기 제시된 경우 12개 의 픽셀이지만, (i, j, k, l, m ,n, o, p)의 8개 픽셀 혹은, (i, j, k, l)의 4개 픽셀을 사용할 수도 있다.a to t are each of the pixels shown in Figure 7. May be an integer such as 1, 2, or 3, or a decimal number such as 1.5 or 2.3. If the above conditions are satisfied, a to h are included in the block area. In this case, the pixel of the area corresponding to the gray portion is 12 pixels in the above case, but 8 pixels of (i, j, k, l, m, n, o, p) or (i, j, k , 4 pixels of l) may be used.

상기 과정은 8× 8 블록이나 16× 16 블록 등 자연수 M, N 에 대하여 모든 M× N 블록에 대해서 적용 가능하다.The above process is applicable to all M × N blocks for natural numbers M and N, such as 8 × 8 blocks or 16 × 16 blocks.

이상 블록 영역 추출(130)에 대한 설명을 마친다.This concludes the description of the block region extraction 130.

상기 과정을 통해 얻은 결과는 블록 특징 값 계산 부(160)로 넘겨지고, 이를 이용하여, 해당 영역에서의 원 영상과 열화 영상의 밝기 값의 차를 통한 블록 특징 값 계산이 이루어진다.The result obtained through the above process is passed to the block feature value calculator 160, and the block feature value is calculated by using the difference between the brightness values of the original image and the degraded image in the corresponding region.

경계 특징 값 계산부(180)와 블록 특징 값 계산부(160)에서 이루어지는 계산 과정은 수학식 10에 설명한다.The calculation process performed by the boundary feature value calculator 180 and the block feature value calculator 160 will be described in Equation 10. FIG.

EA , BA는 순서대로, 목적 경계 영역과 목적 블록 영역과 대응하는 집합이다. EA , BA are , in order, a set corresponding to the destination boundary area and the destination block area.

N은 각 목적영역에 해당하는 픽셀의 수를 나타낸다. 해당 목적영역 내에서 원영상과 열화영상의 차이 값을 이용하는 것이다. 이 경우 최종 결과에 이용되는 각 파라미터인

과

는 수학식 11이나, 수학식 12과 같이 구할 수도 있다.N represents the number of pixels corresponding to each target region. The difference value between the original image and the deteriorated image is used in the target area. In this case, each parameter used in the final result

and

May be obtained as in Equation 11 or Equation 12.

이하에서는 도 1의 마지막 과정인 대표 화질 값 도출 부(190)에서는 비디오 전체의 화질을 평가하는 최종 결과 값을 구한다.Hereinafter, the representative image quality value deriving unit 190, which is the final process of FIG. 1, obtains a final result value for evaluating the image quality of the entire video.

최종 결과 값을 도출하는 과정은 수학식 13와 같다.The process of deriving the final result value is shown in Equation 13.

은 본 발명에 따른 동영상 화질 평가 모델과 그에 따른 화질측정 시스템을 통해 구하는 최종 결과 값이다.

,

, 는 각각 경계 특징 계산부, 블록 특징 계산부, 밝기 값 변화율 특징 계산부로부터 얻는다. α,β,γ는 상수이다.

은 수학식 14에 나타난 대로 구할 수 있다.

,

는 다항함수, 지수함수, 로그함수 등 다양한 함수를 사용할 수 있다.

Is the final result obtained through the video quality evaluation model and the image quality measurement system according to the present invention.

,

Are obtained from the boundary feature calculator, the block feature calculator, and the brightness value change rate feature calculator, respectively. α, β, γ are constants.

Can be obtained as shown in Equation 14.

,

Can use various functions such as polynomial, exponential, and logarithmic functions.

이상에서 상술한 바와 같이, 본 발명에 따른 실시간 화질 평가 모델 및 측정 시스템에 의하면, 원 영상과 열화 영상을 통해 추출한 목적 영역 및 전체 영역에 대한 특징 파라미터 값을 이용한 최종 계산과정으로, 특정 채널 및 시스템을 통해 왜곡된 동영상의 화질에 대한 점수를 실시간으로 제공할 수 있다.As described above, according to the real-time image quality evaluation model and the measurement system according to the present invention, the final calculation process using the feature parameter values for the target region and the entire region extracted through the original image and the degraded image, specific channels and systems Through this, the score of the distorted video quality may be provided in real time.

Claims

In the method and apparatus using the same to measure the degree of degradation of the image generated in the transmission, compression, processing of the image in real time,

The raw image input unit and the deteriorated image input unit which receives the original image and the degraded image, the target region extracting unit extracting the target region using the same, and calculates the feature parameter values using the human visual features for the target region and the entire region. And a calculation unit configured to calculate a final result value for the entire video (video), and the module.

The method of claim 1, wherein the object region extractor comprises a block region extractor and a boundary region extractor.

The method of claim 1, wherein in calculating a feature parameter value, the block feature calculator is configured to calculate a block region feature value by using a brightness value around the block region, by using a brightness value of an original image and a degraded image in a boundary region. And a feature parameter calculator comprising a boundary region feature calculation unit for calculating a feature value of a boundary region, and a brightness change rate feature calculator for calculating a feature of a change rate of brightness based on a change rate of brightness for each frame of two images, and a method and apparatus based thereon. .

The method of claim 1, wherein the representative image quality calculating unit calculates the image quality representative value using the obtained one or more feature parameter values.

The method of claim 2, wherein the boundary image is obtained by using the original image, and the boundary area is obtained based on the same.

The method and apparatus using the method of claim 2, wherein the block area is obtained using a deteriorated image.

4. The block feature value calculator of claim 3, wherein the block feature value calculator calculates a block feature value using a difference between brightness values of an original image and a degraded image in a block region.

The boundary feature value calculator and a method and apparatus using the same as claimed in claim 3, wherein the boundary feature value is calculated using the difference between the brightness values of the original image and the degraded image in the boundary region.

The method of claim 5, wherein the boundary region extraction unit,

Constant over gradient as a way of determining threshold values,

A method of dividing a quadratic differential image into a plurality of regions by dividing the quadratic differential image into multiple intervals, with multiple result values multiplied by a threshold value,

Method to use boundary region feature value as target region through region divided into multiple regions

It includes.

The method of claim 6, wherein the block region extraction unit,

A method of determining whether or not a block area is obtained by using a difference between an inner block area and a remaining area inside the block, and a difference between an inner block area and an outer block area;

A method for determining whether or not a block region is obtained by using a difference between a block inner boundary region and a specific portion of the block inner boundary region, and a difference value between a block inner boundary region and a block outer boundary region;

Using the total sum as a value representing each of the regions,

How to use the average value as a value representing each area

It includes.

The method of claim 7, wherein the difference between the brightness values of the original image and the degraded image is used.

Adding the absolute value of the difference of the brightness values over the whole frame,

Add the square of the difference of the brightness values over the whole frame,

How to average the absolute value of the difference of the brightness values or the squares over the whole frame,

Using the mean of the squares of the differences of the brightness values (where is the mean of the squares of the differences of the brightness values)

It includes.

The method of claim 8, wherein the difference between the brightness values of the original image and the degraded image is used.

Add the square of the difference of the brightness values over the whole frame,

Using the mean of the square of the difference of the brightness values

(

Is the average of the squares of the differences of the brightness values)

It includes.