CN101036399A - 视频质量客观评价设备、评价方法和程序 - Google Patents

视频质量客观评价设备、评价方法和程序 Download PDF

Info

Publication number
CN101036399A
CN101036399A CNA2005800335748A CN200580033574A CN101036399A CN 101036399 A CN101036399 A CN 101036399A CN A2005800335748 A CNA2005800335748 A CN A2005800335748A CN 200580033574 A CN200580033574 A CN 200580033574A CN 101036399 A CN101036399 A CN 101036399A
Authority
CN
China
Prior art keywords
deterioration
amount
video
space characteristics
time
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.)
Granted
Application number
CNA2005800335748A
Other languages
English (en)
Other versions
CN101036399B (zh
Inventor
冈本淳
栗田孝昭
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.)
Nippon Telegraph and Telephone Corp
Original Assignee
Nippon Telegraph and Telephone Corp
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 Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Publication of CN101036399A publication Critical patent/CN101036399A/zh
Application granted granted Critical
Publication of CN101036399B publication Critical patent/CN101036399B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H04N17/04—Diagnosis, testing or measuring for television systems or their details for receivers
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N17/00—Diagnosis, testing or measuring for television systems or their details
    • 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

Abstract

一种视频质量客观评价设备包括：时间/空间特征量推导单元(12)，所述时间/空间特征量推导单元(12)用于根据作为评价目标的劣化视频信号(PI)和作为该劣化视频信号(PI)的劣化之前的信号的参考视频信号，推导出作为劣化视频信号(PI)中出现的劣化的特征量的时间/空间特征量(PC)；以及主观质量评估单元(14)，根据事先获得的劣化视频与用户的主观评价值之间的关系，对时间/空间特征量(PC)进行加权，从而对与劣化视频信号(PI)相关的主观质量(Y)进行评估。因此，甚至在沿时间/空间方向在视频中局部出现劣化时，也可以对视频主观质量进行评估。

Description

视频质量客观评价设备、评价方法和程序
技术领域
本发明涉及视频质量客观评价设备、评价方法和程序，用于根据对视频信号或视频文件的物理特征量的测量来对观察者所感知的主观质量进行评估，而不执行观察者观看视频并对其质量进行评价的任何主观评价/质量测试。
背景技术
传统的视频提供服务通过使用诸如无线电波之类使得在广播过程中的传输时具有较少差错的介质来提供视频，并通过使用诸如磁带之类的介质来提供视频。为此，已经对通过将参考视频与劣化视频进行比较，利用与主观评价等同的精度推导出视频质量的客观评价值的客观评价技术进行了研究，以主要针对编码失真来推导出适当的评价值。
因此，作为传统的客观评价技术，提出了利用与主观评价等同的精度来对主观质量进行评估的技术，其中，基于由于编码失真而导致的劣化在空间和时间上相对均匀的事实，通过使用“每个视频的修正系数”、“SN”或“基于Sobel滤波器的劣化量”，推导出整个帧的平均劣化或沿时间方向的平均劣化(例如，见日本专利公开No.2004-80177和美国专利No.5446492和6704451)。
此外，根据Jun Okamoto、Noriko Yoshimura和Akira Takahashi的“A Study on Application of Objective Video Quality Measurement”，PROCEEDINGS OF THE 2002 COMMUNICATIONS SOCIETYCONFERENCE OF IEICE以及Jun Okamoto和Takaaki Kurita“A Studyon Objective Video Quality Measurement Method ConsideringCharacteristics of Reference Video”，IEICE Technical Report，Vol.103，No.289，CQ2003-52，2003年9月，pp.61-66中公开的技术，可以利用目标精度来对主观评价值进行评估。
发明内容
发明要解决的问题
近来，使用通信网络的视频提供服务变得普及起来。在这种通信网络中，经常发生分组丢失和时延波动。这种网络质量劣化现象引起了空间上(一帧内)的局部视频劣化和时间上的程度改变的视频劣化。这种视频劣化现象极大地影响了视频质量，并且是过去没有出现过的劣化现象。这使得传统评价技术不能以高精度来评价视频质量。
为了解决上述问题而做出本发明，以及本发明具有以下目的：提供一种视频质量客观评价设备、评价方法和程序，从而即使沿时间/空间方向在视频中局部出现劣化，也可以对视频的主观质量进行评估。
解决问题的措施
本发明包括时间/空间特征量推导单元，用于根据作为评价目标的劣化视频信号、以及作为该劣化视频信号劣化之前的信号的参考视频信号，推导作为所述劣化视频信号中出现的劣化的特征量的时间/空间特征量；以及主观质量评估单元，通过基于事先获得的劣化视频与用户的主观评价值之间的关系对所述时间/空间特征量进行加权，而对与劣化视频信号相关的主观质量进行评估。
发明的效果
本发明包括时间/空间特征量推导单元，用于将时间/空间特征量推导为在作为根据劣化视频信号的评价目标的劣化视频信号以及作为劣化视频信号的劣化之前的信号的参考视频信号中出现的劣化的特征量、；以及主观质量评估单元，通过基于事先获得的劣化视频与用户获得的主观评价值之间的关系来对时间/空间特征量进行加权，来对与劣化视频信号相关的主观质量进行评估。这使得即使沿时间/空间方向，在视频中局部出现了由于例如通信网络上的分组丢失而导致的劣化，也可以对视频的主观质量进行评估。使用本发明的视频质量客观评价设备来替代传统主观评价技术将会消除主观评价所需的大量劳力和时间的必要性。
此外，根据本发明，时间/空间特征量推导单元包括第一推导装置，用于考虑到在劣化视频信号的评价目标帧中出现的劣化的空间局部性，来推导出空间特征量。这使得可以考虑到劣化的空间局部性来执行质量评价，并提高了对主观评价值进行评估的精度。
此外，根据本发明，时间/空间特征量推导单元包括第二推导装置，用于推导出在劣化视频信号的评价目标帧中出现的劣化的时间特征量；以及第三推导装置，考虑到在评价目标帧中出现的劣化的空间局部性和时间轴上的局部性，通过使用空间特征量和时间特征量，来推导出时间/空间特征量。这使得可以考虑到时间轴上的劣化的局部性来执行质量评价，并提高了对主观评价值进行评估的精度。
附图说明
图1是示出了在空间中出现局部劣化的视频示例的图示；
图2是示出了在视频帧编号与视频劣化量之间的关系的示例图示；
图3是示出了根据本发明第一实施例的视频质量客观评价设备的设置的结构框图；
图4是示出了根据本发明第一实施例的视频质量客观评价设备的操作的流程图；
图5是示出了根据本发明第一实施例，考虑了空间中的局部视频劣化而推导出空间特征量的方法的流程图；
图6是示出了根据本发明第一实施例的每个块的劣化量直方图的图示；
图7是根据本发明第一实施例的用于解释如何在时间轴上捕获局部视频劣化的图示；
图8是示出了根据本发明第一实施例的、考虑了时间轴上的局部视频劣化而推导出时间/空间特征量的方法的流程图；
图9是示出了根据本发明第一实施例，在推导时间/空间特征量中的单位测量间隔设置示例的图示；
图10是示出了根据本发明第一实施例，在推导时间/空间特征量中的单位测量间隔设置的另一示例的图示；
图11是示出了稳定状态平均劣化量、局部视频劣化的劣化变化量及持续时间的图示；
图12是示出了根据本发明第一实施例的局部劣化判别阈值的推导函数的图示；
图13是示出了根据本发明第一实施例，在劣化强度数据库中的表格设置的图示；
图14是示出了根据本发明第一实施例的用于解释劣化强度总计的方法的图示；
图15是示出了根据本发明第一实施例的第一劣化量求和表设置的图示；
图16是示出了根据本发明第一实施例的第二劣化量求和表设置的图示；
图17是示出了在空间中出现局部劣化的视频的另一示例的图示；
图18是示出了根据本发明第二实施例，考虑了空间中的局部视频劣化而推导出空间特征量的方法的流程图；
图19是用于解释运动向量的视图；
图20是根据本发明第二实施例，示出了对于局部视频劣化的移动速度的加权因子的图示；以及
图21是根据本发明第二实施例，示出了对于局部视频劣化的注意力等级的加权因子的图示。
具体实施方式
[第一实施例]
由于通信网络质量中的诸如分组丢失和时延波动之类的劣化而导致的视频劣化的特征在于，在空间中局部出现劣化、或在时间轴上局部出现劣化。
图1是示出了在空间中出现局部劣化的视频示例的图示。因为以视频移动区域为中心，局部地出现由于通信网络中的分组丢失或编码差错而导致的视频劣化，所以有必要考虑空间局部性。图1中的参考符号P1表示劣化出现部分。
因此，本发明通过将从实际劣化视频与主观评价值之间的关系中事先获得的权重施加于基于以帧为单位的参考视频与劣化视频之间差异的劣化量、以及以局部劣化出现的区域为单位的参考视频与劣化视频之间的差异的劣化量，针对空间中的局部视频劣化的主观评价值进行评估。
图2是示出了局部出现在时间轴上的视频劣化的示例、以及视频帧编号与视频劣化量之间关系的示例的图示。出现于通信网络中的分组丢失或编码差错将会引起较大的局部视频劣化，如由于丢帧而突然出现的一帧停止的劣化(图2中的J)、或者持续直至对下一I(帧内)帧进行解码的劣化(图2中的K)。
对于时间轴上的局部视频劣化，通过考虑了事先获得的主观评价特性，对没有出现局部劣化时的劣化量、和出现了局部劣化时的劣化量的增量(劣化变化量)和劣化量的持续时间进行加权，从而对主观评价值进行评估。这提高了对主观评价值进行评估的精度。
图3是示出了根据本发明第一实施例的视频质量客观评价设备的设置的结构框图。该设备操作的概述将在以下描述。图3中的视频质量客观评价设备使用劣化视频信号PI作为从评价目标系统(例如，编解码器)(未示出)中输出的评价目标，以及使用参考视频信号RI作为在劣化视频信号PI劣化之前事先在存储设备(未示出)中登记的信号。
在与帧显示间隔和格式匹配时，校准单元11搜索参考视频信号RI在时间上和位置上与劣化视频信号PI一致的地点，并将时间和位置一致状态下的参考视频信号RI和劣化视频信号PI输出到时间/空间特征量推导单元12。
时间/空间特征量推导单元12通过使用由校准单元11调整的参考视频信号RI和劣化视频信号PI、以及按照需要参照劣化强度数据库(以下称为劣化强度DB)13，来推导作为劣化的物理特征量的时间/空间特征量PC，并将推导出的时间/空间特征量PC传输至主观质量评估单元14。时间/空间特征量推导单元12包括第一推导装置121，用于推导出在劣化视频信号PI的评价目标帧中出现的劣化的空间特征量；以及第二推导装置122，用于推导出在劣化视频信号PI的评价目标帧中出现的劣化的时间特征量；以及第三推导装置123，通过使用空间特征量和时间特征量来推导出时间/空间特征量PC。
主观质量评估单元14通过使用从用户获得的相对于劣化视频的主观评价值与劣化视频的时间/空间特征量之间的对应关系中事先获得的客观评价值推导函数，对从时间/空间特征量推导单元12接收的时间/空间特征量PC进行加权，来推导出客观评价值。
将在以下对图3中的每个单元的操作进行详细描述。图4是示出了图3中的视频质量客观评价设备的操作的流程图。
在劣化视频信号PI的帧显示间隔和格式与参考视频信号RI的帧显示间隔和格式匹配时，校准单元11通过沿时间方向以帧为单位来检索参考视频信号RI，以搜索与劣化视频信号PI相同的帧的参考视频信号RI；通过上、下、左和右移动所找到的参考视频信号RI，来调整劣化视频信号PI和参考视频信号RI，以使它们在基于像素最为相似；并将调整过的参考视频信号RI和劣化视频信号PI传输至时间/空间特征量推导单元12(图4中的步骤S1)。
时间/空间特征量推导单元12通过对从校准单元11接收的参考视频信号RI和劣化视频信号PI执行以下处理，来推导出多个时间/空间特征量PC，并传输至主观质量评估单元(步骤S2)。
首先，将会对考虑在评价目标帧中出现的空间中的局部视频劣化来推导出空间特征量DS的方法进行详细描述。图5是示出了推导出空间特征量DS的方法的流程图。
时间/空间特征量推导单元12的第一推导装置121为通过根据从校准单元11接收的参考视频信号RI和劣化视频信号PI来划分评价目标帧所获得的每个块来计算和存储劣化量S(图5中的步骤S10)。例如，劣化量S是一参数，如PSNR(峰值信噪比)、或者由ANSI(美国国家标准协会)定义的平均边缘能量。
然后，第一推导装置121计算并存储帧平均劣化量Xave_all和局部劣化区域平均劣化量Xave_bad，其中，Xave_all是用整个评价目标帧针对每个块的所计算的劣化量S取平均而获得的值，以及Xave_bad是通过在劣化强度非常强的评价目标帧的区域内对劣化量S取平均而获得的值(步骤S11)。图6是示出了每个块的劣化量S的直方图的图示。横坐标表示劣化量S；以及纵坐标表示通过将出现了劣化量S的每个块进行累加而获得的块的个数。假设在图6中，视频劣化向右增加。局部劣化区域平均劣化量Xave_bad是通过将包括在预定劣化强度范围中的劣化量S取平均而获得的值(图6中的阴影部分)。在这种情况下，将所有块数中劣化量大的前10％的块数设定为预定的劣化强度范围。
然后，第一推导装置121通过使用由主观评价实验事先获得的系数A和B来计算以下等式，考虑了评价目标帧中的空间的局部视频劣化，来计算和存储空间特征量DS(步骤S12)
DS＝A·Xave_all+B·Xave_bad                           …(1)
其中，A是当没有在空间中出现局部视频劣化时，通过主观评价特征事先获得的系数，以及B是当在空间中出现了局部视频劣化时，通过主观评价特征事先获得的系数。
通过确定优化值的组合，能够推导出系数A和B，从而基于用户对于仅出现了编码劣化的视频(在空间中没有出现局部视频劣化的视频)的主观评价特征、以及用户对于除编码劣化之外还出现了由于分组丢失等导致的局部劣化的视频的主观评价特征，来更好地将空间特征量DS与主观评价匹配。
时间/空间特征量推导单元12根据所经过的时间为每个帧执行以上处理。应当注意，该实施例使用帧平均劣化量Xave_all和局部劣化区域平均劣化量Xave_bad来计算空间特征量DS。除了它们之外，时间/空间特征量推导单元12可以使用评价目标帧的各种劣化量分布的统计量。例如，在图6所示的评价目标帧的劣化量分布中，时间/空间特征量推导单元12可以使用各劣化量中出现频率较高的部分的面积或其中的块数来计算空间特征量DS，或者可以使用劣化量的标准偏差或分散度。此外，时间/空间特征量推导单元12可以使用帧平均劣化量Xave_all和局部劣化区域平均劣化量Xave_bad的差值。可选地，时间/空间特征量推导单元12可以通过将这些统计量进行组合来计算空间特征量DS。
接下来将对考虑时间轴上的局部视频劣化来推导时间/空间特征量PC的方法进行详细描述。当推导时间/空间特征量PC时，该方法独立地评价在时间轴上没有出现局部视频劣化时的视频劣化的影响，以及时间轴上具有局部视频劣化的影响，并考虑两种劣化的影响。即，如图7所示，该方法计算单位测量间隔ut中的平均劣化量Q2的影响、以及单位测量间隔ut中的仅局部劣化的影响，并在考虑了这两种劣化影响时推导出时间/空间特征量PC。应当注意，单位测量间隔ut和帧具有由单位测量间隔ut≥一帧间隔所表示的关系。参照图7，参考符号Q1表示局部劣化量。
图8是示出了推导出时间/空间特征量PC的方法的流程图。首先，时间/空间特征量推导单元12根据从校准单元11接收的参考视频信号RI和劣化视频信号PI，来计算并存储每个单位测量间隔ut(每个帧或以预定测量间隔)的劣化量C(图8中的步骤S20)。
第二推导装置122推导时间特征量。例如，该时间特征量是帧速率、帧跳计数(frame skip count)、由ITU-T-1RecP.910所定义的TI值、或者由ANSI所定义的特征量。可以将第二推导装置122推导出的时间特征量用作劣化量C。此外，第二推导装置122也可以使用由第一推导装置121事先推导出的空间特征量DS、或者用于推导出空间特征量DS的劣化量S来作为劣化量C。第二推导装置122虽然采用上述那样的劣化量，也可以将作为预先对每帧的主观评价值而变换推测出的值(客观评价值)用作劣化量C。
作为步骤S20处理的结果，推导出以时间连续方式计算的劣化量C。时间/空间特征量推导单元12的第三推导装置123根据每个单位测量间隔ut的劣化量C，计算并存储稳定状态的平均劣化量Dcons、局部视频劣化的劣化变化量d、以及局部视频劣化的持续时间t(图8的步骤S21)。应当注意，如图9所示，可以设置单位测量间隔ut以使ut不会重叠，或者如图10所示，可以设置单位测量间隔ut以使ut彼此重叠。
图11示出了稳定状态平均劣化量Dcons、局部视频劣化的劣化变化量d、以及持续时间t的图示。稳定状态平均劣化量Dcons是通过从单位测量间隔ut中去除局部视频劣化出现时段而获得的稳定状态时段内的劣化量C的平均值，以及为每个单位测量间隔ut计算稳定状态平均劣化量Dcons。应当注意，在单位测量间隔ut的某个中点，使用在前一单位测量间隔ut中计算的稳定状态平均劣化量Dcons。
局部视频劣化量的劣化变化量d是局部视频劣化量与稳定状态平均劣化量Dcons之间的差值。在本实施例中，当来自单位测量间隔ut中的与稳定状态平均劣化量Dcons的差值等于或大于局部劣化判别阈值，则确定出现了局部视频劣化。假设将差值等于或大于局部劣化判别阈值的第一劣化量C设置为局部视频劣化量，以及局部视频劣化量与稳定状态平均劣化量Dcons之间的差是劣化变化量d。
局部视频劣化的持续时间t是出现局部视频劣化期间的时间，劣化量C与稳定状态平均劣化量Dcons之间的差值落在(d-Δv)以上和(d+Δv)以下的范围内，其中，Δv是预定可允许变化范围。作为确定是否发生局部视频劣化的局部劣化判别阈值，根据类似于图12中示出的局部劣化判别阈值推导函数，来确定与当前的稳定状态平均劣化量Dcons相对应的值。
为了事先准备局部劣化判别阈值推导函数，只要通过在改变稳定状态平均劣化量Dcons的同时检查用户针对出现局部视频劣化的视频的主观评价特性，从而确定局部劣化判别阈值推导函数，并使第三推导装置123存储该函数即可，以便适当地将用户主观执行的局部视频劣化的判别与基于局部劣化判别阈值的局部视频劣化的判别相匹配。应当注意，由于有时在单位测量间隔ut中出现多次局部视频劣化，所以在每次出现局部视频劣化时获得并保持劣化变化量d和持续时间t的组合。
然后，第三推导装置123基于在步骤S21中计算的劣化变化量d和持续时间t来参考劣化强度DB 13，考虑了单位测量间隔ut中的劣化变化量d和持续时间t对于用户主观评价的影响，以获得并存储劣化强度D(图8中的步骤S22)。如图13所示，劣化强度DB13为每个劣化变化量d事先存储了持续时间劣化强度表130，其中登记了表示在持续时间t与劣化强度D之间的关系的持续时间劣化强度曲线。
第三推导装置123通过参照劣化强度DB 13，将劣化变化量d和持续时间t的组合转换为劣化强度D。只要通过在改变劣化变化量d和持续时间t的同时，检查用户针对出现局部视频劣化的视频的主观评价特性，从而确定持续时间劣化强度曲线即可，以便适当地将用户的主观评价与劣化强度D相匹配。如果在单位测量间隔ut内获得了劣化变化量d和持续时间t的多个组合，则第三推导装置123对于每个组合来执行步骤S22中的处理。
然后，第三推导装置123将每个单位测量间隔ut的劣化强度D进行总计，并存储总值(图8中的步骤S23)。为了对劣化强度D进行总计，可以将在劣化量中推导出来的劣化强度D(S22)简单地相加。然而，在这种情况下，考虑与用户的主观特性相匹配的以下几点。即，如果视频包括强局部劣化和弱局部劣化，则用户的主观评价受到具有高劣化强度的局部劣化的影响。此外，如果出现了具有相似强度的多个局部劣化，则用户的主观评价受到劣化总值的影响。
考虑以上几点，如图14所示，对在单位测量间隔ut中出现的多个局部劣化的劣化强度D1、D2、D3、...、DN-1和DN进行降序排列，以及第三推导装置123通过参照如在图15中示出的第一劣化量求和表124，以升序将劣化强度相加。第一劣化量求和表124对应地存储劣化强度Da和Db、以及总劣化强度Dsum，并事先在第三劣化装置123中准备该表124。
在图14的步骤201中，令D′1、D′2、D′3、...、D′N-1和D′N作为对劣化强度D1、D2、D3、...、DN-1和DN进行重新的降序排列所获得的劣化强度，如步骤202所指示(步骤203)，通过在劣化强度Da和Db的基础上参照第一劣化量求和表124，第一加和操作获得了与劣化强度Da和Db相对应的总劣化强度Dsum，其中，最低劣化强度D′1是Da，以及下一最低劣化强度D′2是Db。
通过参照第一劣化量求和表124，第二或后续的加和操作获得了与劣化强度Da和Db相对应的总劣化强度Dsum(步骤205)，其中，如步骤204所示，先前推导出来的总劣化强度Dsum是Da，以及还未经加和或处理的劣化强度的最低劣化强度是Db。第三推导装置123重复在步骤204和205中的处理，直至劣化强度D’N。第三推导装置123将最后获得的总劣化强度Dsum作为单位测量间隔ut中的劣化强度的总值Dpart进行存储。
通过检查对于在改变了两个劣化强度Da和Db时出现局部视频劣化的视频的用户主观评价特性，确定了第一劣化量求和表124将用户的主观评价与总劣化强度Dsum适当地相匹配。根据第一劣化量求和表124，当劣化强度Db大于劣化强度Da时，总劣化强度Dsum接近劣化强度Db。当劣化强度Da和Db几乎彼此相等时，总劣化强度Dsum接近劣化强度Da和Db之和。这使得可以将劣化强度D的总值与用户的主观特征相匹配。
第三推导装置123通过基于在单位测量间隔ut中的劣化强度的总值Dpart和稳定状态平均劣化量Dcons，参照如图16所示的第二劣化量求和表125，考虑了时间轴上的局部视频劣化来获取和存储时间/空间特征量PC(图8中的步骤S24)。
第二劣化量求和表125对应地存储劣化强度的总值Dpart、稳定状态平均劣化量Dcons、以及时间/空间特征量PC，并事先在第三劣化装置123中准备该表125。该第二劣化量求和表125通过在改变了总值Dpart和稳定状态平均劣化量Dcons的同时检查用户针对出现局部视频劣化的视频的主观评价特性，从而确定为用户的主观评价与时间/空间特征量PC适当地相匹配。
利用以上操作，完成了时间/空间特征量推导单元12的处理。应当注意，在步骤S20中获得的劣化量C包括多种类型，例如，帧速率和帧跳计数。时间/空间特征量推导单元12在步骤S20中获得多个劣化量C时，对于每种类型的劣化量C执行步骤S21至S24的处理。因此，在每个单位测量间隔ut内获得多个时间/空间特征量PC。
然后，主观质量评估单元14基于从时间/空间特征量推导单元12接收的多个时间/空间特征量PC，通过执行由下式表示的加权操作来计算客观评价值(图4中的步骤S3)。
Y＝F(X1，X2，...，Xn)                               …(2)
其中，Y是客观评价值，X1，X2，....，Xn是时间/空间特征量PC，以及F是客观评价值推导函数。
当时间/空间特征量PC是两个量X1和X2时，例如，由下式表示客观评价值推导函数F：
Y＝F(X1，X2)＝αX1+βX2+γ                          …(3)
其中，X1是在例如空间特征量DS用作劣化量C时，通过在步骤S21至S24的处理，从空间特征量DS中获得的时间/空间特征量PC；以及X2是在例如帧速率用作劣化量C时，从帧速率中获得的时间/空间特征量PC。
在以上等式中，α、β和γ是预定系数。为了推导出系数α、β和γ，通过检查对于在改变劣化量时出现局部视频劣化的视频的用户主观评价特性，能够确定优化值的组合，从而将用户的主观评价与客观评价值Y适当地相匹配。
[第二实施例]
接下来将对本发明的第二实施例进行描述。图17是示出了在空间中出现局部劣化的视频的另一示例的图示。图17示出了一段视频，其中，背景由于摄像机正在跟踪作为目标的车辆170的运动而以高速从右向左移动。考虑空间中的局部视频劣化。在这种情况下，即使局部视频劣化171在快速移动的部分中出现但不能由眼睛来跟随，该视频劣化也几乎不会影响用户的主观评价。即，用户的主观评价依据视频的移动速度而改变。此外，出现于对象区域中的局部视频劣化172对于用户主观评价的影响大于出现于背景区域中的局部视频劣化171对它的影响。即，用户的主观评价依据用户对于视频的注意力等级(注意程度)而改变。
因此，本实施例通过考虑依据视频移动速度的主观评价的变化执行加权，提高了主观评价值的评估精度，即，劣化是否易于检测取决于视频的移动速度。本实施例还通过考虑依据用户对于视频的注意力等级的变化执行加权，提高了主观评价值的评估精度，即，出现局部视频劣化的区域是要注意的区域，如对象。
本实施例的视频质量客观评价设备的设置和处理过程与第一实施例中的相同。因此，将通过使用图3和4中的参考符号来描述本实施例。本实施例与第一实施例的不同之处在于：通过在图4的步骤S2的过程中使用时间/空间特征量推导单元12的第一推导装置121来推导出空间特征量DS的方法。以下将会对考虑出现在评价目标帧中的空间中的局部视频劣化而推导出空间特征量DS的方法进行描述。图18是示出了根据本实施例的推导出空间特征量DS的方法的流程图。
时间/空间特征量推导单元12的第一推导装置121计算并存储每个块的运动向量，所述运动向量通过将根据校准单元11接收的参考视频信号RI来划分评价目标帧而获得(图18中的步骤S30)。图19是用于解释运动向量的图示。运动向量是指示帧间例如8×8像素块的移动量(方向和距离)的向量。通过找到显示了当前帧与上一帧之间的最小差值的块，能够获得块的移动量。例如，图19示出了球190移动至最下方的场景。在这种情况下，前一帧fN的块E移动至当前帧fN+1中的E′。在这种情况下，由图19中的V表示运动向量。第一推导装置121对于参考视频信号RI的一帧来计算每个块的运动向量的量，并计算每个块的方向和长度(标准)。
然后，第一推导装置121根据在步骤S30中计算的参考视频信号RI的运动向量分布特性，推导出为了推导出每个块的注意力等级所需的每个评价目标帧的注意力等级阈值(步骤S31)。如果存在包括具有相同运动向量的多个块的区域，以及预定个数或更多的块属于该区域，则第一推导装置121推导出用于将区域分为两种区域的阈值，所述两种区域即，背景区域(注意力等级2)和对象区域(注意力等级1)，在背景区域中，存在具有相同运动向量的多个块，并且预定个数或更多的块属于该区域；也可以使用两个或多个注意力等级。
当要确定用户对于视频的注意力等级时，可以预期以下两种情况，在这两种情况中，若考虑根据对象的移动进行的摄像机的工作，则移动背景。
在第一情况下，摄像机根据对象的移动来上、下、左和右(摇摆与倾斜)移动。当摄像机根据对象的移动来上、下、左和右移动时，背景区域沿与摄像机的移动方向相反的方向移动。因此，当存在包括多个块的区域，块的运动向量在方向和长度上相同、并且预定个数或更多的块属于该区域时，第一推导装置121将该区域设置为背景区域。应当注意，根据该注意力等级确定方法，即使对象不移动，也将这种区域确定为背景区域。
在第二情况下，摄像机对于对象执行缩放操作(放大或缩小操作)。当要放大对象时，从对象位置(例如，视频的中心位置)至外围部分以全向放射状地出现运动向量。相反地，当要缩小对象时，从外围部分至对象位置出现运动向量。此外，当要放大或缩小对象时，外围部分的背景区域内的运动向量大于位于视频中心部分附近的对象的运动向量。
因此，当存在包括运动向量沿各个方向均匀分布，以及其运动向量具有等于或大于阈值的长度的多个块的区域时，第一推导装置121将该区域设置为背景区域。尽管第一推导装置121可以将预定常数值用作该阈值，但是第一推导装置121可以按照以下方式根据运动向量分布来获得阈值。当根据运动向量分布获得阈值时，第一推导装置121获得运动向量直方图，其中，横坐标表示运动向量的长度，以及纵坐标表示运动向量的出现频率(块计数)。然后，第一推导装置121确定直方图横坐标上的任意边界值，并获得比边界值长的运动向量的出现频率。例如，当出现频率达到总块数的80％或更多时，第一推导装置121将该边界值设置为阈值。
然后，第一推导装置121计算每个块的劣化量S，并存储帧中的每个位置处的值(步骤32)，其中，所述劣化量S通过将根据参考视频信号RI和劣化视频信号PI来划分评价目标帧而获得。例如，劣化量S是一参数，如，PSNR、或者由ANSI定义的平均边缘能量。
最后，如下式所指示，第一推导装置121通过使用在步骤S30至S32中获得的结果，考虑了空间中的局部视频劣化来计算并存储空间特征量DS(步骤S33)。
DS＝(1/N)×∑(F1i×F2i×Si)                      …(4)
其中，N是目标块数，F1i是依据块i(i是从1至N的自然数)的运动向量的方向和长度的加权因子，F2i是依据块i的注意力等级的加权因子，以及Si是块i的劣化量。等式(4)指示通过每个块的加权因子F1和F2来对劣化量S进行加权，以及将整个评价目标帧通过对各个块所获得的结果进行平均所获得的值设置为空间特征量DS。
以下是推导出两个加权因子F1和F2的特定方法。
该方法根据事先获得的劣化视频的运动向量的长度与加权因子F1之间的关系，对于每个块的运动向量的长度，推导出等式(4)的每个目标块的加权因子F1(每次递增i)。如图20所示，当视频无运动(运动向量很短)或视频的运动过快而难以跟随(运动向量很长)时，使加权因子F1递减，以及当视频的移动速度适中时，使加权因子F1递增。应当注意，该方法通过将特定局部劣化加至包括不同运动向量长度的区域而获得的主观评价特性(空间特征量DS的平均值)，推导出劣化视频的运动向量长度与加权因子F1之间的对应关系。
该方法根据在步骤S31中从每个块的运动向量的长度和方向中获得的阈值来确定注意力等级，并根据事先获得的注意力等级与加权因子F2之间的关系来推导出等式(4)(每次递增i)的每个目标块的加权因子F2。如图21所示，对于显示出高注意力等级的区域(例如，对象区域)来增加加权因子F2，以及对于显示出低注意力等级的区域(例如，背景区域)来减小加权因子F2。应当注意，作为注意力等级与加权因子F2之间的关系，该方法根据通过将特定局部劣化添加至事先分类的注意力等级的视频(按照以上方式，通过使用运动向量，根据匹配主题移动的摄像机工作进行分类)而获得的主观评价特性(空间特征量DS的平均值)，考虑了加权因子F1的影响，推导出最佳关系。
可以根据在步骤30而不是步骤33中的每个块的运动向量，事先获得表格形式的加权因子F1；还可以在推导出根据步骤31中的一帧中的运动向量判别注意力等级的阈值之后，提取获得每个块的表格形式的加权因子F2；以及通过在步骤33中等式(4)的计算时参照表格来计算加权因子。
以这种方式，完成了空间特征量DS的推导。时间/空间特征量推导单元12的第一推导装置121根据所经过的时间来为每个帧执行以上过程。除了推导出空间特征量DS的过程之外，步骤S2中的过程、以及步骤S1和S3中的过程与第一实施例中的那些过程相同。
本实施例通过考虑由于视频的移动速度而导致的主观评价的差异来执行加权、以及考虑由于用户对于视频的注意力等级而导致的主观评价中的差异来执行加权，可以提高主观评价值的评估精度。
在要在固定位置(背景固定的环境)中提供的视频通信服务中，由于可以仅对于对象部分来执行步骤S31和S32中的过程，所以可以预期获得帧间差异而非运动向量，并在将具有帧间差异的区域视为对象区域、以及将没有任何帧间差异的区域视为背景区域的同时，来执行简单的计算。
[第三实施例]
接下来将对本发明的第三实施例进行描述。设计本实施例以将已在第一实施例中描述的推导出空间特征量DS的方法和已在第二实施例中描述的推导出空间特征量DS的方法进行组合。
即，时间/空间特征量推导单元12的第一推导装置121考虑运动向量，基于第二实施例中的步骤S30至S32，来计算每个块的劣化量。然后，第一推导装置121考虑整个帧的评价劣化量和具有高劣化强度的区域中的平均劣化量，基于第一实施例中的步骤S11和S12，根据等式(1)来计算空间特征量DS。这使得可以将根据第一和第二实施例的推导方法进行组合。
应当注意，根据第一和第三实施例的视频质量客观评价设备中的每个可以通过包括CPU、存储设备和与外部的接口的计算机、以及控制这些硬件资源的程序来实现。在记录在诸如软盘、CD-ROM、DVD-ROM或存储卡之类的记录介质上时，提供了使这种计算机实现本发明的视频质量客观评价方法的视频质量客观评价程序。CPU将从记录介质中读取的程序写入存储设备中，并根据程序来执行在第一至第三实施例中描述的过程。
实用性
本发明可以应用于根据视频信号的物理特征量的测量来评估主观质量的视频质量客观评价技术。

Claims (14)

1、一种视频质量客观评价设备，其特征在于，包括：
时间/空间特征量推导单元，所述时间/空间特征量推导单元根据作为评价目标的劣化视频信号和作为该劣化视频信号的劣化之前的信号的参考视频信号，推导出作为在所述劣化视频信号中出现的劣化的特征量的时间/空间特征量；以及
主观质量评估单元，通过基于事先获得的劣化视频与用户的主观评价值之间的关系对所述时间/空间特征量进行加权，来对与所述劣化视频信号相关的主观质量进行评估。
2、如权利要求1所述的视频质量客观评价设备，其特征在于，所述时间/空间特征量推导单元包括第一推导装置，所述第一推导装置用于考虑到在所述劣化视频信号的评价目标帧中出现的劣化的空间局部性，来推导出所述空间特征量。
3、如权利要求2所述的视频质量客观评价设备，其特征在于，所述时间/空间特征量推导单元的所述第一推导装置基于评价所述目标帧中的空间劣化量分布的统计量、事先获得的所述统计量与用户的主观评价值之间的关系来获得所述空间特征量。
4、如权利要求3所述的视频质量客观评价设备，其特征在于，以下的一个或任意组合用作所述劣化量分布的统计量：作为用整个评价目标帧针对劣化量进行平均所获得的值的帧平均劣化量；出现包括在预定劣化强度范围内的劣化的所述评价目标帧区域的大小；作为通过对属于所述区域的劣化量进行平均所获得的值的局部劣化区域平均劣化量；以及所述帧平均劣化量与所述局部劣化区域平均劣化量之间的差值。
5、如权利要求2所述的视频质量客观评价设备，其特征在于，所述时间/空间特征量推导单元包括：
第二推导装置，所述第二推导装置用于推导出在所述劣化视频信号的评价目标帧中出现的劣化的时间特征量；以及
第三推导装置，考虑到在所述评价目标帧中出现的劣化的空间局部性和时间轴上的局部性，通过使用所述空间特征量和时间特征量，来推导出所述时间/空间特征量。
6、如权利要求5所述的视频质量客观评价设备，其特征在于，所述时间/空间特征量推导单元的所述第三推导装置将空间特征量和时间特征量中的每个设置为劣化量；以及基于时间轴上的局部劣化量、在时间轴上没有任何局部劣化时的平均劣化量和事先获得的劣化量与用户的主观评价值之间的关系，来推导出对于所述空间特征量和时间特征量中的每个的所述时间/空间特征量。
7、如权利要求6所述的视频质量客观评价设备，其特征在于，所述时间/空间特征量推导单元的所述第三推导装置基于事先获得的劣化量与用户的主观评价值之间的关系来确定局部劣化判别阈值，以及在当前时间点处的劣化量与直至当前时间点的平均劣化量之间的差值不小于局部劣化判别阈值时，确定出现局部劣化。
8、如权利要求7所述的视频质量客观评价设备，其特征在于，所述设备包括劣化强度数据库，所述劣化强度数据库用于存储局部劣化的变化量以及持续时间与劣化强度的关系，其中，考虑了局部劣化相对于平均劣化量的的变化量以及持续时间对用户的主观评价的影响来确定所述局部劣化的变化量和持续时间与劣化强度的所述关系，在每次发生所述局部劣化时，所述时间/空间特征量推导单元的所述第三推导装置由所述劣化强度数据库，获得与局部劣化量的变化量和持续时间相对应的劣化强度。
9、如权利要求8所述的视频质量客观评价设备，其特征在于，所述设备包括：第一表，用于存储基于劣化量与主观评价值之间的关系所确定的劣化强度的总值；以及第二表，用于存储时间/空间特征量和基于劣化量与用户的主观评价值之间的关系所确定的劣化强度总值之间的关系，其中，所述时间/空间特征量推导单元的所述第三推导装置基于所述第一表，对每个单位测量间隔内的从所述劣化强度数据库中获得的劣化强度进行总计，并基于所述第二表，根据劣化强度的总值来推导出所述时间/空间特征量。
10、如权利要求2所述的视频质量客观评价设备，其特征在于，所述时间/空间特征量推导单元的所述第一推导装置基于划分帧所获得的每个块的帧间差值，来检测每个块的所述参考视频信号中的视频的运动；并通过基于在所述参考视频信号的相应块中检测到的视频的运动以及事先获得的劣化视频的移动速度与用户的主观评价值之间的关系，按每个块对所述劣化视频信号的块的劣化量进行加权，以获得所述空间特征量。
11、如权利要求2所述的视频质量客观评价设备，其特征在于，所述时间/空间特征量推导单元的所述第一推导装置基于通过划分帧所获得的每个块的运动向量，来检测在每个块的所述参考视频信号中的视频的运动；并通过基于在所述参考视频信号的相应块中检测到的视频的运动以及事先获得的劣化视频的移动速度与用户的主观评价值之间的关系，按每块对所述劣化视频信号的块的劣化量进行加权，以获得所述空间特征量。
12、如权利要求2所述的视频质量客观评价设备，其特征在于，所述时间/空间特征量推导单元的所述第一推导装置基于通过划分帧所获得的每个块的运动向量，来推导出用户对于每个块的所述参考视频信号的注意程度；并通过基于从所述参考视频信号的相应块中推导出的注意程度以及用户对于事先获得的劣化视频的注意程度与用户对于劣化视频所获得的主观评价值之间的关系，按每块对所述劣化视频信号的块的劣化量进行加权，以所述获得空间特征量。
13、一种视频质量客观评价方法，其特征在于，所述方法包括：
时间/空间特征量推导步骤，用于根据作为评价目标的劣化视频信号和作为该劣化视频信号的劣化之前的信号的参考视频信号，推导出作为所述劣化视频信号中出现的劣化的特征量的时间/空间特征量；以及
主观质量评估步骤，通过基于事先获得的劣化视频与用户的主观评价值之间的关系对所述时间/空间特征量进行加权，来对与所述劣化视频信号相关的主观质量进行评估。
14、一种视频质量客观评价程序，其特征在于，所述程序使计算机实现以下步骤：
时间/空间特征量推导步骤，用于根据作为评价目标的劣化视频信号和作为该劣化视频信号的劣化之前的信号的参考视频信号，推导出作为所述劣化视频信号中出现的劣化的特征量的时间/空间特征量；以及
主观质量评估步骤，通过基于事先获得的劣化视频与用户的主观评价值之间的关系对所述时间/空间特征量进行加权，来对与所述劣化视频信号相关的主观质量进行评估。
CN2005800335748A 2004-10-18 2005-10-17 视频质量客观评价设备及评价方法 Active CN101036399B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
JP303204/2004 2004-10-18
JP2004303204 2004-10-18
JP2005201916 2005-07-11
JP201916/2005 2005-07-11
PCT/JP2005/019019 WO2006043500A1 (ja) 2004-10-18 2005-10-17 映像品質客観評価装置、評価方法およびプログラム

Publications (2)

Publication Number Publication Date
CN101036399A true CN101036399A (zh) 2007-09-12
CN101036399B CN101036399B (zh) 2010-05-05

Family

ID=36202916

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2005800335748A Active CN101036399B (zh) 2004-10-18 2005-10-17 视频质量客观评价设备及评价方法

Country Status (7)

Country Link
US (1) US8130274B2 (zh)
EP (1) EP1804519A4 (zh)
JP (1) JP4733049B2 (zh)
KR (1) KR100858999B1 (zh)
CN (1) CN101036399B (zh)
CA (1) CA2582531C (zh)
WO (1) WO2006043500A1 (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101572830A (zh) * 2008-04-30 2009-11-04 汤姆森许可贸易公司 用于对帧序列的失真版本的质量进行评估的方法
WO2009155814A1 (zh) * 2008-06-25 2009-12-30 华为技术有限公司 一种视频质量评价方法、装置和系统
WO2010003338A1 (zh) * 2008-07-10 2010-01-14 华为技术有限公司 一种视频码流的质量评估方法、装置及系统
WO2011134110A1 (en) * 2010-04-30 2011-11-03 Thomson Licensing Method and apparatus for measuring video quality using at least one semi -supervised learning regressor for mean observer score prediction
CN102292724A (zh) * 2009-01-23 2011-12-21 日本电气株式会社 匹配加权信息提取装置
CN101827280B (zh) * 2010-02-04 2012-03-21 深圳市同洲电子股份有限公司 视频输出质量的检测方法和装置
CN103283239A (zh) * 2010-12-10 2013-09-04 德国电信股份有限公司 基于数据包丢失可见度的连续估计的目标视频质量评估方法和设备
CN103281555A (zh) * 2013-04-24 2013-09-04 北京邮电大学 基于半参考评估的视频流业务QoE客观评估方法
CN104463339A (zh) * 2014-12-23 2015-03-25 合一网络技术(北京)有限公司 多媒体资源制作者的评估方法及其装置

Families Citing this family (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100811835B1 (ko) 2006-10-25 2008-03-10 주식회사 에스원 동영상 특징량 추출방법 및 이를 이용한 내용 기반 동영상검색방법
US7920758B2 (en) * 2006-11-22 2011-04-05 Tektronix, Inc. Measurement apparatus and method of measurement of video spatial scale, offset and cropping
KR100893609B1 (ko) 2007-06-05 2009-04-20 주식회사 케이티 인간 시각 특성을 이용한 영상 품질 측정 장치 및 방법
US20090097546A1 (en) * 2007-10-10 2009-04-16 Chang-Hyun Lee System and method for enhanced video communication using real-time scene-change detection for control of moving-picture encoding data rate
WO2009091530A1 (en) * 2008-01-18 2009-07-23 Thomson Licensing Method for assessing perceptual quality
JP2009260941A (ja) * 2008-03-21 2009-11-05 Nippon Telegr & Teleph Corp <Ntt> 映像品質客観評価方法、映像品質客観評価装置、及びプログラム
JP2009260940A (ja) * 2008-03-21 2009-11-05 Nippon Telegr & Teleph Corp <Ntt> 映像品質客観評価方法、映像品質客観評価装置、およびプログラム
US8699818B2 (en) 2008-04-30 2014-04-15 Nec Corporation Method, system, and program for determining image quality based on pixel changes between image frames
US8422795B2 (en) 2009-02-12 2013-04-16 Dolby Laboratories Licensing Corporation Quality evaluation of sequences of images
US8185334B2 (en) * 2009-03-05 2012-05-22 Tektronix, Inc. Methods and systems for filtering a digital signal
FR2947069A1 (fr) * 2009-06-19 2010-12-24 Thomson Licensing Procede de selection de versions d'un document parmi une pluralite de versions recues a la suite d'une recherche, et recepteur associe
JP5221459B2 (ja) * 2009-07-01 2013-06-26 日本電信電話株式会社 映像品質推定装置、システム、方法およびプログラム
CN102223565B (zh) * 2010-04-15 2013-03-20 上海未来宽带技术股份有限公司 一种基于视频内容特征的流媒体视频质量评估方法
CN102209257B (zh) * 2011-06-17 2013-11-20 宁波大学 一种立体图像质量客观评价方法
CN103609069B (zh) * 2011-06-21 2018-07-24 汤姆逊许可公司 用于评估媒体数据质量的用户终端设备、服务器设备、系统及方法
CN102271279B (zh) * 2011-07-22 2013-09-11 宁波大学 一种立体图像的最小可察觉变化步长的客观分析方法
EP2745518B1 (en) * 2011-09-26 2017-06-14 Telefonaktiebolaget LM Ericsson (publ) Estimating user-perceived quality of an encoded video stream
US9203708B2 (en) 2011-09-26 2015-12-01 Telefonaktiebolaget L M Ericsson (Publ) Estimating user-perceived quality of an encoded stream
FR2982449A1 (fr) * 2011-11-07 2013-05-10 France Telecom Procede d'evaluation d'au moins un defaut de qualite dans un signal de donnees, dispositif et programme d'ordinateurs associes
KR20140101745A (ko) * 2011-11-28 2014-08-20 톰슨 라이센싱 다수 아티팩트를 고려한 비디오 품질 측정
CN103379358B (zh) * 2012-04-23 2015-03-18 华为技术有限公司 评估多媒体质量的方法和装置
CN103634577B (zh) 2012-08-22 2014-12-31 华为技术有限公司 多媒体质量的监控方法和设备
CN103152599A (zh) * 2013-02-01 2013-06-12 浙江大学 基于有序回归的移动视频业务用户体验质量评估方法
US10346680B2 (en) * 2013-04-12 2019-07-09 Samsung Electronics Co., Ltd. Imaging apparatus and control method for determining a posture of an object
US10674180B2 (en) * 2015-02-13 2020-06-02 Netflix, Inc. Techniques for identifying errors introduced during encoding
DE102016201987A1 (de) * 2015-02-16 2016-08-18 Robert Bosch Engineering and Business Solutions Ltd. Ein Verfahren zum Testen einer durch eine Displayeinrichtung angezeigten Grafik
CN105163106B (zh) * 2015-07-22 2017-04-12 天津科技大学 一种多重数据处理的视频质量评价系统
CN106341683A (zh) * 2016-08-24 2017-01-18 乐视控股（北京）有限公司 全景视频质量判断方法及系统
US10834406B2 (en) 2016-12-12 2020-11-10 Netflix, Inc. Device-consistent techniques for predicting absolute perceptual video quality
KR101899070B1 (ko) 2017-07-19 2018-09-14 국방과학연구소 랜덤신호에 대한 강건성 정량화를 통한 단독 영상 품질 평가 방법 및 장치
CN109255389B (zh) * 2018-09-28 2022-03-25 中国科学院长春光学精密机械与物理研究所 一种装备评价方法、装置、设备及可读存储介质
KR102192017B1 (ko) * 2019-07-16 2020-12-16 연세대학교 산학협력단 인간의 시각 특성을 반영한 비디오의 화질 평가 장치 및 방법
CN113473117B (zh) * 2021-07-19 2022-09-02 上海交通大学 一种基于门控循环神经网络的无参考音视频质量评价方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2565983B2 (ja) * 1988-05-27 1996-12-18 日本電信電話株式会社 画像誤差評価方法
JPH0690468A (ja) * 1992-09-09 1994-03-29 Nippon Telegr & Teleph Corp <Ntt> 伝送路バースト符号誤り評価装置
US5446492A (en) 1993-01-19 1995-08-29 Wolf; Stephen Perception-based video quality measurement system
JP3458600B2 (ja) 1996-05-10 2003-10-20 Ｋｄｄｉ株式会社 ディジタル画像品質評価装置
JP3458581B2 (ja) * 1996-01-11 2003-10-20 Ｋｄｄｉ株式会社 ディジタル画像品質評価装置
US6239834B1 (en) 1996-01-11 2001-05-29 Kokusai Denshin Denwa Co., Ltd. Apparatus for evaluating digital picture quality
DE69803830T2 (de) 1998-03-02 2002-09-12 Koninkl Kpn Nv Verfahren, Vorrichtung, ASIC und deren Benutzung zur objektiven Videoqualitätbewertung
US7010159B2 (en) * 2001-04-25 2006-03-07 Koninklijke Philips Electronics N.V. Apparatus and method for combining random set of video features in a non-linear scheme to best describe perceptual quality of video sequences using heuristic search methodology
US6822675B2 (en) * 2001-07-03 2004-11-23 Koninklijke Philips Electronics N.V. Method of measuring digital video quality
CN1157059C (zh) * 2002-01-29 2004-07-07 北京工业大学 一种结合运动特征的视频质量评价方法
US7038710B2 (en) * 2002-07-17 2006-05-02 Koninklijke Philips Electronics, N.V. Method and apparatus for measuring the quality of video data
JP2004080177A (ja) * 2002-08-13 2004-03-11 Nippon Telegr & Teleph Corp <Ntt> 映像品質評価装置、映像品質評価方法、映像品質評価プログラム及びそのプログラムを記録した記録媒体
JP2004172753A (ja) * 2002-11-18 2004-06-17 Nippon Telegr & Teleph Corp <Ntt> 映像・音声品質客観評価方法及び装置
EP1445958A1 (en) * 2003-02-05 2004-08-11 STMicroelectronics S.r.l. Quantization method and system, for instance for video MPEG applications, and computer program product therefor
US7558320B2 (en) * 2003-06-13 2009-07-07 Microsoft Corporation Quality control in frame interpolation with motion analysis
GB0314162D0 (en) * 2003-06-18 2003-07-23 British Telecomm Edge analysis in video quality assessment

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101572830A (zh) * 2008-04-30 2009-11-04 汤姆森许可贸易公司 用于对帧序列的失真版本的质量进行评估的方法
CN101572830B (zh) * 2008-04-30 2014-11-26 汤姆森许可贸易公司 用于对帧序列的失真版本的质量进行评估的方法
WO2009155814A1 (zh) * 2008-06-25 2009-12-30 华为技术有限公司 一种视频质量评价方法、装置和系统
US8576921B2 (en) 2008-07-10 2013-11-05 Huawei Technologies Co., Ltd. Method, apparatus and system for evaluating quality of video streams
WO2010003338A1 (zh) * 2008-07-10 2010-01-14 华为技术有限公司 一种视频码流的质量评估方法、装置及系统
US9438913B2 (en) 2008-07-10 2016-09-06 Snaptrack, Inc. Method, apparatus and system for evaluating quality of video streams
CN102292724A (zh) * 2009-01-23 2011-12-21 日本电气株式会社 匹配加权信息提取装置
US8873799B2 (en) 2009-01-23 2014-10-28 Nec Corporation Matching weight information extraction device
CN102292724B (zh) * 2009-01-23 2015-06-17 日本电气株式会社 匹配加权信息提取装置
CN101827280B (zh) * 2010-02-04 2012-03-21 深圳市同洲电子股份有限公司 视频输出质量的检测方法和装置
US8824783B2 (en) 2010-04-30 2014-09-02 Thomson Licensing Method and apparatus for measuring video quality using at least one semi-supervised learning regressor for mean observer score prediction
WO2011134110A1 (en) * 2010-04-30 2011-11-03 Thomson Licensing Method and apparatus for measuring video quality using at least one semi -supervised learning regressor for mean observer score prediction
CN103283239A (zh) * 2010-12-10 2013-09-04 德国电信股份有限公司 基于数据包丢失可见度的连续估计的目标视频质量评估方法和设备
CN103283239B (zh) * 2010-12-10 2016-10-05 德国电信股份有限公司 基于数据包丢失可见度的连续估计的目标视频质量评估方法和设备
CN103281555A (zh) * 2013-04-24 2013-09-04 北京邮电大学 基于半参考评估的视频流业务QoE客观评估方法
CN104463339A (zh) * 2014-12-23 2015-03-25 合一网络技术(北京)有限公司 多媒体资源制作者的评估方法及其装置

Also Published As

Publication number Publication date
KR100858999B1 (ko) 2008-09-18
JP4733049B2 (ja) 2011-07-27
US8130274B2 (en) 2012-03-06
KR20070061855A (ko) 2007-06-14
EP1804519A4 (en) 2010-01-06
JPWO2006043500A1 (ja) 2008-05-22
WO2006043500A1 (ja) 2006-04-27
US20080143837A1 (en) 2008-06-19
CA2582531A1 (en) 2006-04-27
EP1804519A1 (en) 2007-07-04
CN101036399B (zh) 2010-05-05
CA2582531C (en) 2013-03-12

Similar Documents

Publication Publication Date Title
CN101036399A (zh) 视频质量客观评价设备、评价方法和程序
CN1203677C (zh) 视觉注意模式
CN102656886B (zh) 知晓对象的视频编码策略
JP5270572B2 (ja) 自動的な視覚的なアーチファクトの分析及び視覚的なアーチファクトの低減の方法及び装置
CN1711556A (zh) 检测均匀色片段的方法和系统
CN101047858A (zh) 块噪声检测方法和设备以及块噪声降低方法和设备
CN1820512A (zh) 消除块效应的方法、介质和滤波器
CN1816149A (zh) 去除视频图像中块效应的滤波方法及环路滤波器
JP2006507775A (ja) 基準なしで圧縮ビデオシーケンスの品質を測定する方法及び装置
CN1723711A (zh) 用于数字视频处理的一元化量度(umdvp)
CN1956547A (zh) 运动矢量检测装置及运动矢量检测方法
CN101039434A (zh) 视频编码装置
CN1695378A (zh) 处理媒体系统上的媒体信号
CN1622638A (zh) 一种视频监控系统中的图像亮度修正方法
US20140328550A1 (en) Blur measurement
CN1266945C (zh) 数字图象处理方法
CN101064785A (zh) 检测32剧场还原序列的检测装置和检测方法
CN1545812A (zh) 估计噪声电平的装置及方法、噪声减少系统及编码系统
CN1622630A (zh) 用于估算用于数字视频代码转换的运动矢量的系统和方法
CN1885746A (zh) 多普勒频率检测器和多普勒频率估计方法
CN1607833A (zh) 用于视频信号降噪的设备和方法
CN1344112A (zh) 视频编码方法和视频编码设备
CN1754382A (zh) 镜头切变检测
CN102036074A (zh) 基于嵌入式设备的码率控制方法及装置
US20050053138A1 (en) Method for setting motion vector of digital video

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant