CN101448173B - 网络视频质量评估方法、装置与系统 - Google Patents
网络视频质量评估方法、装置与系统 Download PDFInfo
- Publication number
- CN101448173B CN101448173B CN 200810170760 CN200810170760A CN101448173B CN 101448173 B CN101448173 B CN 101448173B CN 200810170760 CN200810170760 CN 200810170760 CN 200810170760 A CN200810170760 A CN 200810170760A CN 101448173 B CN101448173 B CN 101448173B
- Authority
- CN
- China
- Prior art keywords
- video
- video quality
- damage
- image
- continuously
- 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.)
- Expired - Fee Related
Links
Images
Abstract
本发明实施例公开了一种网络视频质量评估方法、装置与系统,属于视频质量评估技术领域。该方法包括:对视频信号进行编码压缩;把编码压缩后的封包视频流作为参考图像,把编码压缩后并经过网络传输到达目的地的的封包视频流作为目标图像;分别对所述参考图像和目标图像进行解码并将它们进行比较,测量各项视频质量基本参数;根据所述各项视频质量基本参数计算视频质量度量指标。该系统包括:编码压缩模块、解码测量模块和客观视频评估模块。该装置包括:解码测量模块和客观视频评估模块。本发明实施例通过将考查的对象从图像序列转换成网络承载的码流报文,关注影响视频质量的网络传输因素,适合于网络级评估。
Description
技术领域
本发明涉及视频技术领域,特别涉及网络视频质量评估方法、装置与系统。
背景技术
视频是有时序关系的静态图像的组合,包含空间域与时间域双重信息。视频质量是视频展示期间所呈现的画面品质。当前主流的对视频质量的评估方法主要是客观测量方法。
客观测量的方法是基于人眼视觉模型的原理对视频质量进行客观评估,给出客观评价分。现有技术提出了一种相对评估的客观测量模型,将未经编码的源视频流(作为参考视频源)以及经过解码的视频流(相应的被测视频流)输入到测量设备中,在测量设备中对它们进行比较,并给出视频质量的参考值,以此定量评估视频系统的视频质量。
评估时所依据的视频质量指标包括:峰值信噪比(PSNR,Peak Signal-to-Noise Ratio)、均方误差(MSE,Mean Square Error),它们的定义如下:
其中,PSNR基于图像象素灰度值进行统计和平均计算,是常用的衡量信号失真的指标。ai,j和分别为原始图像与重建图像中对应的像素值,M乘以N为图像中的总像素数。其中amax=2K-1,K是表示一个像素点用的2进制位数,常取K=8,所以amax=255。
在对现有技术进行分析后,发明人发现现有技术至少具有如下缺点:
(1)该模型的参考源是未经编码的视频序列,被测流是经过解码的视频序列,整个方法需要专门的测试序列,数据量庞大,获取、存储、计算的难度非常大,不利于实时实地地监控与比较。另外,参考源是未经编码的视频序列也增大了视频源对网络视讯的视频质量的影响。
(2)PSNR和MSE都是基于像素灰度值进行统计和平均计算,忽视了图像内容对人眼的影响,因而不能完整反映出图像的质量。
(3)PSNR与MSE参数属于图像质量评估参数,是从空间域对静态图像损伤的评估。视频是空间域与时间域信息的结合。将静态图像与时序关系的评估分开来处理,只能片面地反映视频的质量。静态图像的质量是瞬时效应,是视频质量在某一时刻的表现,但并不能代表整个视频质量,视频质量是静态图像质量的非线性累积结果。由于人眼的视觉滞留原因,视频某一帧图像出现丢失、模糊、马赛克、噪声等质量问题时,并不会影响视频的总体效果。
发明内容
为了减小视频源对网络视讯的视频质量的影响,并且关注网络传输对于视频质量造成影响的情况,本发明实施例提供了一种网络视频质量评估方法、装置与系统。所述技术方案如下:
一种网络视频质量评估系统,包括:
编码压缩模块,用于对输入的视频信号进行编码压缩;
解码测量模块,用于所述编码压缩模块压缩后的封包视频流作为参考图像,把所述编码压缩模块压缩后并经过网络传输到达目的地的封包视频流作为目标图像,分别对所述参考图像和目标图像进行解码,对解码后的所述参考图像和目标图像进行比较,测量至少一项视频质量基本参数;
客观视频评估模块,用于根据解码测量模块输出的至少一项视频质量基本参数计算视频质量度量指标;
所述解码测量模块测量的各项视频质量基本参数包括:
图像损伤面积DA,用于描述与参考图像相比,目标图像像素损伤的数目;
图像损伤程度DD,用于描述一帧中图像损伤面积在该帧中所占的比例,计算公式为:
第k次连续损伤程度Sk,用于描述第k次连续损伤总的损伤程度,计算公式为:
Sk=∑DDi(i=1,2,3...,nk),其中连续损伤指:一段邻接图像帧序列中每一帧都出现损伤的情况,nk为第k次连续损伤的图像帧序列的帧数目,DDi为第k次连续损伤的帧序列中第i帧图像的图像损伤程度;
第k次连续损伤发生的概率Pk,用于描述第k次连续损伤在全视频损伤中所引起视频质量下降的概率,计算公式为:
损伤信息熵H,用于描述视频流受到的连续损伤的分布状况,计算公式为:
H=-∑Pk log2Pk(k=1,2,3...,N)。
一种网络视频质量评估方法,包括:
对输入视频信号进行编码压缩;
把编码压缩后的封包视频流作为参考图像,把编码压缩后并经过网络传输到达目的地的封包视频流作为目标图像;分别对所述参考图像和目标图像进行解码,对解码后的所述参考图像和目标图像进行比较,测量至少一项视频质量基本参数;
根据所述至少一项视频质量基本参数计算视频质量度量指标;
所述至少一项视频质量基本参数包括:
图像损伤面积DA,用于描述与参考图像相比,目标图像像素损伤的数目;
图像损伤程度DD,用于描述一帧中图像损伤面积在帧中所占的比例,计算公式为:
第k次连续损伤程度Sk,用于描述第k次连续损伤总的损伤程度,计算公式为:
Sk=∑DDi(i=1,2,3...,nk),其中连续损伤指,一段邻接图像帧序列中每一帧都出现损伤的情况,nk为第k次连续损伤的图像帧序列的帧数目,DDi为第k次连续损伤的帧序列中第i帧图像的图像损伤程度;
第k次连续损伤发生的概率Pk,用于描述第k次连续损伤在所有视频损伤中所引起视频质量下降的概率,计算公式为:
损伤信息熵H,用于描述视频流受到的连续损伤的分布状况,计算公式为:
H=-∑Pk log2Pk(k=1,2,3...,N)。
一种网络视频质量评估装置,包括:
解码测量模块,用于以编码压缩后的封包视频流作为参考图像,以经过网络传输并到达目的地的所述编码压缩后的封包视频流作为目标图像,分别对所述参考图像和目标图像进行解码,对解码后的所述参考图像和目标图像进行比较,测量至少一项视频质量基本参数;
客观视频评估模块,用于根据解码测量模块输出的各项视频质量基本参数计算视频质量度量指标;
所述解码测量模块测量的至少一项视频质量基本参数包括:
图像损伤面积DA,用于描述与参考图像相比,目标图像像素损伤的数目;
图像损伤程度DD,用于描述一帧中图像损伤面积在帧中所占的比例,计算公式为:
第k次连续损伤程度Sk,用于描述第k次连续损伤总的损伤程度,计算公式为:
Sk=∑DDi(i=1,2,3...,nk),其中连续损伤指,一段邻接图像帧序列中每一帧都出现损伤的情况,nk为第k次连续损伤的图像帧序列的帧数目,DDi为第k次连续损伤的帧序列中第i帧图像的图像损伤程度;
第k次连续损伤发生的概率Pk,用于描述第k次连续损伤在全视频损伤中所引起视频质量下降的概率,计算公式为:
损伤信息熵H,用于描述视频流受到的连续损伤的分布状况,计算公式为:
H=-∑Pk log2Pk(k=1,2,3...,N)。
本发明实施例提供的技术方案的有益效果是:
通过将考查的对象从图像序列转换成网络承载的码流报文,从而主要关注影响视频质量的网络传输因素,适合于网络级评估。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的网络视频质量评估系统示意图;
图2是本发明实施例二提供的网络视频质量评估系统示意图;
图3是本发明实施例三提供的网络视频质量评估方法流程图;
图4是本发明实施例五提供的网络视频质量评估装置示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在以下实施例中,网络类型可以是移动网络、固定网络、移动固定移动融合网络等,可以是局域网、城域网、广域网,可以是接入网、核心网、传输网,可以是点对点网络(P2P)、客户机/服务器架构的网络(C/S)等。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
实施例一
本发明实施例提供了一种网络视频质量评估系统,通过将考查的对象从图像序列转换成网络承载的码流报文,从而适合于网络级评估,如图1所示,该系统可以包括:
编码压缩模块101,用于对输入的视频信号进行编码压缩;
解码测量模块102,用于所述编码压缩模块压缩后的封包视频流作为参考图像,把所述编码压缩模块压缩后并经过网络传输到达目的地的的封包视频流作为目标图像,分别对所述参考图像和目标图像进行解码,对解码后的所述参考图像和目标图像进行比较,测量至少一项视频质量基本参数;
客观视频评估模块103,用于根据解码测量模块输出的至少一项视频质量基本参数计算视频质量度量指标。
本发明实施例的网络视频质量评估系统的各个模块可以分离部署,也可以根据需要将其中若干个模块集成为一体,该系统各个模块可以部署在路由器、交换机、防火墙、可视电话、网关、基站、机顶盒、手机、电视机、个人电脑、服务器等设备中。
本发明实施例的网络视频质量评估系统可以应用于网络视讯业务、网络视频发布、传输等。
在网络视频业务中,视频质量的优劣对于该业务的推广和运营商提高服务质量有重要意义。而网络视频质量评估是一种网络级评估,关注的是网络传输对于视频质量的影响。本发明实施例将考查的对象从图像序列转换成网络承载的码流报文,主要关注影响视频质量的网络传输因素,适合于网络级评估;同时由于采用编码压缩后的视频流为参考视频源,因此尽可能降低了视频源对网络视频质量的影响,投入成本低。
实施例二
本发明实施例在实施例一的基础上,提供了一种网络视频质量评估系统,参见图2,该系统可以包括:
编码压缩模块201,用于对输入的视频信号进行编码压缩;
解码测量模块202,用于把输入的所述编码压缩模块201压缩后的封包视频流作为参考图像,把输入的所述编码压缩模块201压缩后并经过网络传输到达目的地的的封包视频流作为目标图像,分别对所述参考图像和目标图像进行解码,对解码后的所述参考图像和目标图像进行比较,测量各项视频质量基本参数;
客观视频评估模块203,用于根据解码测量模块202输出的各项视频质量基本参数计算视频质量度量指标。
输入的视频信号首先经过编码压缩模块201,编码压缩后的封包视频流一路作为参考图像,直接输入解码测量模块202;另一路经由网络传输到达目的地后作为网络视频质量评估的目标图像,输入解码测量模块202。解码测量模块202对上述参考图像和目标图像先进行解码,然后解码后的参考图像和目标图像进行比较,测量计算各项视频质量基本参数。本发明实施例的参考图像和目标图像经过了同样的解码算法来解码,因而可以忽略解码算法对视频质量评估造成的影响。本实施例的编码和解码算法所测量计算的参数包括:
(1)图像损伤面积DA。用于描述与参考图像相比,目标图像像素损伤的数目;其中,像素损伤是指:当参考图像与目标图像相应位置象素值的差值绝对值大于等于预设阈值时,认为该象素已损伤,其损伤值即为差值绝对值。公式可以为:
|p-p′|≥σ,
其中,p与p′分别为参考图像与目标图像相应位置的象素值,σ为预设阈值,取值范围为大于等于0的整数。σ越小代表网络视频质量评估越严格,本实施例取0。
(2)图像损伤程度DD。用于描述一帧中,图像损伤面积在该帧图像中所占的比例,计算公式可以为:
(3)第k次连续损伤程度Sk。用于描述第k次连续损伤总的损伤程度,计算公式为:
Sk=∑DDi(i=1,2,3...,nk),其中连续损伤指,一段邻接图像帧序列中每一帧都出现损伤的情况,nk为第k次连续损伤的图像帧序列的帧数目,DDi为第k次连续损伤的帧序列中第i帧图像的图像损伤程度。对于视频播放设备来说,解码播放该视频流的一帧的时间是固定的,故nk属于时间域的参数。
(4)第k次连续损伤发生的概率Pk。用于描述第k次连续损伤在所有视频损伤中所引起视频质量下降的概率,计算公式可以为:
(5)损伤信息熵H。用于描述视频流受到的连续损伤的分布状况,计算公式可以为:
H=-∑pk log2pk(k=1,2,3...,N),此参数描述了对连续损伤的分布状况的客观评价。H越大,分布越均匀,视频质量越差。
以上参数用于评估视频质量。
客观视频评估模块203,用于根据解码测量模块输出的各项视频质量基本参数计算视频质量度量指标。客观视频评估模块具体用于计算视频质量度量指标,计算公式可以为:
其中,VQS为视频质量度量,TN为解码测量模块解码后的整个视频的总帧数,α,β为待训练参数。VQS越大,说明网络视讯的视频质量越好。本实施例中可以取α=0.2,β=-10。
本发明实施例的网络视频质量评估系统可以应用于网络视讯业务、网络视频发布、传输等。
在网络视讯业务中,视频质量的优劣对于该业务的推广和运营商提高服务质量有重要意义。而网络视频质量评估是一种网络级评估,关注的是网络传输对于视频质量的影响。本发明实施例将考查的对象从图像序列转换成网络承载的码流报文,主要关注影响视讯业务视频质量的网络传输因素,适合于网络级评估;同时由于采用编码压缩后的视频流为参考视频源,因此尽可能降低了视频源对网络视讯的视频质量的影响,投入成本低。本发明实施例的视频质量度量指标综合了空间域与时间域的信息,更能全面地对视频质量进行评估,准确性高,为网络视讯应用的推广和运营商提高服务质量奠定基础。
实施例三
参见图3,本发明实施例提供了一种网络视频质量评估方法,可以包括以下步骤:
310:对输入视频信号进行编码压缩;
320:把编码压缩后的封包视频流作为参考图像,把编码压缩后并经过网络传输到达目的地的的封包视频流作为目标图像;分别对参考图像和目标图像进行解码,对解码后的参考图像和目标图像进行比较,测量至少一项视频质量基本参数;
330:根据至少一项视频质量基本参数计算视频质量度量指标。
本发明实施例的网络视频质量评估方法可以应用于网络视讯业务、网络视频发布、传输等。
在网络视频业务中,视频质量的优劣对于该业务的推广和运营商提高服务质量有重要意义。而网络视频质量评估是一种网络级评估,关注的是网络传输对于视频质量的影响。本发明实施例将考查的对象从图像序列转换成网络承载的码流报文,主要关注影响视频质量的网络传输因素,适合于网络级评估;同时由于采用编码压缩后的视频流为参考视频源,因此尽可能降低了视频源对网络视频质量的影响,投入成本低。
实施例四
本发明实施例在实施例三的基础上进一步作详细描述。一种网络视频质量评估方法,如图3所示,可以包括以下步骤:
310:对输入视频信号进行编码压缩。
320:把编码压缩后的封包视频流作为参考图像,把编码压缩后并经过网络传输到达目的地的的封包视频流作为目标图像;分别对参考图像和目标图像进行解码,对解码后的参考图像和目标图像进行比较,测量各项视频质量基本参数。
视频信号经过编码压缩后,就形成了码流报文,也就是封包形式的视频数据流。然后以进入网络传输前的封包视频流为参考视频源,以经过网络传输后到达目的地封包视频流作为被测视频流,将它们输入相应的解码测量设备,在该设备中对它们进行比较,并给出各项视频质量基本参数,以此用于定量评估视频系统的视频质量。本发明实施例的参考图像和目标图像经过了同样的解码算法来解码,因而可以忽略解码算法对视频质量评估造成的影响。
上述各项视频质量基本参数可以包括:
(1)图像损伤面积DA。用于描述与参考图像相比,目标图像像素损伤的数目;其中,像素损伤是指:当参考图像与目标图像相应位置象素值的差值绝对值大于等于预设阈值时,认为该象素已损伤,其损伤值即为差值绝对值。公式可以为:
|p-p′|≥σ,
其中,p与p′分别为参考图像与目标图像相应位置的象素值,σ为预设阈值,取值范围为大于等于0的整数。σ越小代表网络视频质量评估越严格,本实施例取0。
(2)图像损伤程度DD。用于描述一帧中,图像损伤面积在该帧图像中所占的比例,计算公式可以为:
(3)第k次连续损伤程度Sk。用于描述第k次连续损伤总的损伤程度,计算公式可以为:
Sk=∑DDi(i=1,2,3...,nk),其中连续损伤指,一段邻接图像帧序列中每一帧都出现损伤的情况,nk为第k次连续损伤的图像帧序列的帧数目,DDi为第k次连续损伤的帧序列中第i帧图像的图像损伤程度。对于视频播放设备来说,解码播放该视频流的一帧的时间是固定的,故nk属于时间域的参数。
(4)第k次连续损伤发生的概率Pk。用于描述第k次连续损伤在所有视频损伤中所引起视频质量下降的概率,计算公式可以为:
(5)损伤信息熵H。用于描述视频流受到的连续损伤的分布状况,计算公式可以为:
H=-∑pk log2pk(k=1,2,3...,N),此参数描述了对连续损伤的分布状况的客观评价。H越大,分布越均匀,视频质量越差。
以上参数用于评估视频质量。
330:根据各项视频质量基本参数计算视频质量度量指标。
根据上述视频质量基本参数计算视频质量度量(VQS,Video Quality Scale)指标。VQS的具体计算公式可以为:
其中,TN为解码测量模块解码后的整个视频的总帧数,α,β为待训练参数。本实施例中可以取α=0.2,β=-10。
VQS越大,说明网络视讯的视频质量越好。
本发明实施例的网络视频质量评估方法可以应用于网络视讯业务、网络视频发布、传输等。
在网络视频业务中,视频质量的优劣对于该业务的推广和运营商提高服务质量有重要意义。而网络视频质量评估是一种网络级评估,关注的是网络传输对于视频质量的影响。本发明实施例将考查的对象从图像序列转换成网络承载的码流报文,主要关注影响视频质量的网络传输因素,适合于网络级评估;同时由于采用编码压缩后的视频流为参考视频源,因此尽可能降低了视频源对网络视频质量的影响,投入成本低。本发明实施例的视频质量度量指标综合了空间域与时间域的信息,更能全面地对视频质量进行评估,准确性高,为网络视频应用的推广和运营商提高服务质量奠定基础。
实施例五
本发明实施例提供了一种网络视频质量评估装置,参见图4,可以包括:
解码测量模块401,用于以编码压缩后的封包视频流作为参考图像,以经过网络传输并到达目的地的所述编码压缩后的封包视频流作为目标图像,分别对参考图像和目标图像进行解码,对解码后的参考图像和目标图像进行比较,测量至少一项视频质量基本参数。
客观视频评估模块402,用于根据解码测量模块401输出的至少一项视频质量基本参数计算视频质量度量指标。
进一步地,解码测量模块401测量的视频质量基本参数可以包括:
图像损伤面积DA,用于描述与参考图像相比,目标图像像素损伤的数目。
其中,p与p′分别为参考图像与目标图像相应位置的象素值,σ为预设阈值,取值范围为大于等于0的整数。σ越小代表网络视频质量评估越严格,本实施例取0。
图像损伤程度DD,用于描述一帧中图像损伤面积在帧中所占的比例,计算公式为:
第k次连续损伤程度Sk,用于描述第k次连续损伤总的损伤程度,计算公式为:
Sk=∑DDi(i=1,2,3...,nk),其中连续损伤指,一段邻接图像帧序列中每一帧都出现损伤的情况,nk为第k次连续损伤的图像帧序列的帧数目,DDi为第k次连续损伤的帧序列中第i帧图像的图像损伤程度。
第k次连续损伤发生的概率Pk,用于描述第k次连续损伤在全视频损伤中所引起视频质量下降的概率,计算公式为:
损伤信息熵H,用于描述视频流受到的连续损伤的分布状况,计算公式为:
H=-∑pk log2pk(k=1,2,3...,N),此参数描述了对连续损伤的分布状况的客观评价。H越大,分布越均匀,视频质量越差。
以上参数用于评估视频质量。
客观视频评估模块402具体用于计算视频质量度量指标,计算公式为:
其中,VQS为视频质量度量,TN为解码测量模块解码后的整个视频的总帧数,α,β为待训练参数。本实施例中可以取α=0.2,β=-10。VQS越大,说明网络视讯的视频质量越好。
进一步讲,本实施例装置还可以包括:
编码压缩模块403,用于对输入的视频信号进行编码压缩。
本发明实施例的网络视频质量评估装置可以应用于网络视讯业务、网络视频发布、传输等。本发明实施例的网络视频质量评估装置可以集成在路由器、交换机、可视电话、防火墙、网关、基站、机顶盒、手机、电视机、个人电脑、服务器等设备中。
在网络视频业务中,视频质量的优劣对于该业务的推广和运营商提高服务质量有重要意义。而网络视频质量评估是一种网络级评估,关注的是网络传输对于视频质量的影响。本发明实施例将考查的对象从图像序列转换成网络承载的码流报文,主要关注影响视频质量的网络传输因素,适合于网络级评估;同时由于采用编码压缩后的视频流为参考视频源,因此尽可能降低了视频源对网络视频质量的影响,投入成本低。本发明实施例的视频质量度量指标综合了空间域与时间域的信息,更能全面地对视频质量进行评估,准确性高,为网络视频应用的推广和运营商提高服务质量奠定基础。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明实施例可以通过硬件实现,也可以可借助软件加必要的通用硬件平台的方式来实现。基于这样的理解,本发明实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种网络视频质量评估系统,其特征在于,包括:
编码压缩模块,用于对输入的视频信号进行编码压缩;
解码测量模块,用于所述编码压缩模块压缩后的封包视频流作为参考图像,把所述编码压缩模块压缩后并经过网络传输到达目的地的封包视频流作为目标图像,分别对所述参考图像和目标图像进行解码,对解码后的所述参考图像和目标图像进行比较,测量至少一项视频质量基本参数;
客观视频评估模块,用于根据解码测量模块输出的至少一项视频质量基本参数计算视频质量度量指标;
所述解码测量模块测量的各项视频质量基本参数包括:
图像损伤面积DA,用于描述与参考图像相比,目标图像像素损伤的数目;
图像损伤程度DD,用于描述一帧中图像损伤面积在该帧中所占的比例,计算公式为:
第k次连续损伤程度Sk,用于描述第k次连续损伤总的损伤程度,计算公式为:
Sk=∑DDi(i=1,2,3...,nk),其中连续损伤指:一段邻接图像帧序列中每一帧都出现损伤的情况,nk为第k次连续损伤的图像帧序列的帧数目,DDi为第k次连续损伤的帧序列中第i帧图像的图像损伤程度;
第k次连续损伤发生的概率Pk,用于描述第k次连续损伤在全视频损伤中所引起视频质量下降的概率,计算公式为:
损伤信息熵H,用于描述视频流受到的连续损伤的分布状况,计算公式为:
H=-∑Pk log2Pk(k=1,2,3...,N)。
2.如权利要求1所述的网络视频质量评估系统,其特征在于,所述客观视频评估模块用于计算视频质量度量指标,计算公式为:
其中,VQS为视频质量度量,TN为解码测量模块解码后的整个视频的总帧数,α,β为待训练参数。
3.一种网络视频质量评估方法,其特征在于,包括:
对输入视频信号进行编码压缩;
把编码压缩后的封包视频流作为参考图像,把编码压缩后并经过网络传输到达目的地的封包视频流作为目标图像;分别对所述参考图像和目标图像进行解码,对解码后的所述参考图像和目标图像进行比较,测量至少一项视频质量基本参数;
根据所述至少一项视频质量基本参数计算视频质量度量指标;
所述至少一项视频质量基本参数包括:
图像损伤面积DA,用于描述与参考图像相比,目标图像像素损伤的数目;
图像损伤程度DD,用于描述一帧中图像损伤面积在帧中所占的比例,计算公式为:
第k次连续损伤程度Sk,用于描述第k次连续损伤总的损伤程度,计算公式为:
Sk=∑DDi(i=1,2,3...,nk),其中连续损伤指,一段邻接图像帧序列中每一帧都出现损伤的情况,nk为第k次连续损伤的图像帧序列的帧数目,DDi为第k次连续损伤的帧序列中第i帧图像的图像损伤程度;
第k次连续损伤发生的概率Pk,用于描述第k次连续损伤在所有视频损伤中所引起视频质量下降的概率,计算公式为:
损伤信息熵H,用于描述视频流受到的连续损伤的分布状况,计算公式为:
H=-∑Pk log2Pk(k=1,2,3...,N)。
4.如权利要求3所述的网络视频质量评估方法,其特征在于,所述计算视频质量度量指标的计算公式为:
其中,VQS为视频质量度量,TN为解码后的整个视频的总帧数,α,β为待训练参数。
5.一种网络视频质量评估装置,其特征在于,包括:
解码测量模块,用于以编码压缩后的封包视频流作为参考图像,以经过网络传输并到达目的地的编码压缩后的封包视频流作为目标图像,分别对所述参考图像和目标图像进行解码,对解码后的所述参考图像和目标图像进行比较,测量至少一项视频质量基本参数;
客观视频评估模块,用于根据解码测量模块输出的至少一项视频质量基本参数计算视频质量度量指标;
所述解码测量模块测量的至少一项视频质量基本参数包括:
图像损伤面积DA,用于描述与参考图像相比,目标图像像素损伤的数目;
图像损伤程度DD,用于描述一帧中图像损伤面积在帧中所占的比例,计算公式为:
其中FB指图像分辨率;
第k次连续损伤程度Sk,用于描述第k次连续损伤总的损伤程度,计算公式为:
Sk=∑DDi(i=1,2,3...,nk),其中连续损伤指,一段邻接图像帧序列中每一帧都出现损伤的情况,nk为第k次连续损伤的图像帧序列的帧数目,DDi为第k次连续损伤的帧序列中第i帧图像的图像损伤程度;
第k次连续损伤发生的概率Pk,用于描述第k次连续损伤在全视频损伤中所引起视频质量下降的概率,计算公式为:
损伤信息熵H,用于描述视频流受到的连续损伤的分布状况,计算公式为:
H=-∑Pk log2Pk(k=1,2,3...,N)。
6.如权利要求5所述的网络视频质量评估装置,其特征在于,所述客观视频评估模块用于计算视频质量度量指标,计算公式为:
其中,VQS为视频质量度量,TN为解码测量模块解码后的整个视频的总帧数,α,β为待训练参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200810170760 CN101448173B (zh) | 2008-10-24 | 2008-10-24 | 网络视频质量评估方法、装置与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200810170760 CN101448173B (zh) | 2008-10-24 | 2008-10-24 | 网络视频质量评估方法、装置与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101448173A CN101448173A (zh) | 2009-06-03 |
CN101448173B true CN101448173B (zh) | 2011-05-18 |
Family
ID=40743516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200810170760 Expired - Fee Related CN101448173B (zh) | 2008-10-24 | 2008-10-24 | 网络视频质量评估方法、装置与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101448173B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2524515B1 (en) | 2010-01-11 | 2018-05-30 | Telefonaktiebolaget LM Ericsson (publ) | Technique for video quality estimation |
CN102158729B (zh) * | 2011-05-05 | 2012-11-28 | 西北工业大学 | 无参考的视频序列编码质量客观评价方法 |
CN102186098B (zh) * | 2011-05-05 | 2012-11-28 | 西北工业大学 | 视频序列编码质量客观评价方法 |
CN103929637B (zh) * | 2014-04-23 | 2016-03-30 | 无锡天脉聚源传媒科技有限公司 | 一种视频比较装置及其比较方法 |
CN104661021B (zh) * | 2015-02-12 | 2017-03-08 | 国家电网公司 | 一种视频流的质量评估方法 |
CN105516713A (zh) * | 2015-12-24 | 2016-04-20 | 招商局重庆交通科研设计院有限公司 | 基于机器视觉的道路交通闭路电视图像质量评价方法 |
CN105933705B (zh) * | 2016-07-07 | 2019-01-29 | 山东交通学院 | 一种hevc解码视频主观质量评价方法 |
CN107347153B (zh) * | 2016-10-20 | 2019-02-26 | 中国科学技术大学 | 经纬图全景视频的质量评价方法 |
CN108733672B (zh) * | 2017-04-14 | 2023-01-24 | 腾讯科技(深圳)有限公司 | 实现网络信息质量评估的方法和系统 |
EP3588946B1 (en) * | 2018-06-28 | 2023-11-29 | Unify Patente GmbH & Co. KG | Method and system for assessing the quality of a video transmission over a network |
CN110234005B (zh) * | 2019-06-24 | 2020-12-22 | 北京字节跳动网络技术有限公司 | 一种视频质量评测的方法、装置、介质和电子设备 |
CN110913213B (zh) * | 2019-12-30 | 2021-07-06 | 广州酷狗计算机科技有限公司 | 视频质量评测处理的方法、装置及系统 |
CN113923441B (zh) * | 2020-07-08 | 2023-10-20 | 钉钉控股(开曼)有限公司 | 视频质量的评估方法、装置及电子设备 |
-
2008
- 2008-10-24 CN CN 200810170760 patent/CN101448173B/zh not_active Expired - Fee Related
Non-Patent Citations (1)
Title |
---|
卢刘明等.分组网络中的视频质量评估.《计算机应用研究》.2008,第25卷(第9期),2583-2585,2622. * |
Also Published As
Publication number | Publication date |
---|---|
CN101448173A (zh) | 2009-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101448173B (zh) | 网络视频质量评估方法、装置与系统 | |
US9282330B1 (en) | Method and apparatus for data compression using content-based features | |
US7936916B2 (en) | System and method for video quality measurement based on packet metric and image metric | |
JP5161334B2 (ja) | マルチメディアビデオ通信品質を測定する方法 | |
CN103283239B (zh) | 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 | |
US20040012675A1 (en) | Method and apparatus for measuring the quality of video data | |
CN100512456C (zh) | 一种方块效应度量方法和视频质量评估方法 | |
US8243143B2 (en) | Method and apparatus for generation of a video quality parameter | |
CN105100789A (zh) | 一种视频质量评价方法 | |
CN101635846A (zh) | 一种视频质量评估方法、系统及装置 | |
CN104661021A (zh) | 一种视频流的质量评估方法和装置 | |
JPH08205156A (ja) | ディジタル圧縮・再生画像の画質評価装置 | |
US20150334386A1 (en) | Automatic video comparison of the output of a video decoder | |
US11064204B2 (en) | Automatic video comparison of the output of a video decoder | |
CN102084660A (zh) | 视频质量测量 | |
CN103458155A (zh) | 视频场景变换检测方法和系统及体验质量检测方法和系统 | |
US20170249521A1 (en) | Automatic video comparison of the output of a video decoder | |
CN103780901B (zh) | 基于视频空间和时间信息的视频质量及压缩码率估计方法 | |
Zhang et al. | Perceptual video coding with block-level staircase just noticeable distortion | |
Lubkowski et al. | The end-to-end rate adaptation application for real-time video monitoring | |
Zhou et al. | Deep local and global spatiotemporal feature aggregation for blind video quality assessment | |
Dewangan et al. | Image Quality estimation of Images using Full Reference and No Reference Method. | |
CN102630037A (zh) | 一种视频系统中从psnr到mos的映射算法 | |
Singam et al. | An error concealment based on translations of generalized neural networks | |
WO2012010046A1 (zh) | 一种视频编码性能测试方法及系统 |
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 | ||
C41 | Transfer of patent application or patent right or utility model | ||
TR01 | Transfer of patent right |
Effective date of registration: 20160425 Address after: American California Patentee after: Snaptrack, Inc. Address before: 518129 Bantian HUAWEI headquarters office building, Longgang District, Guangdong, Shenzhen Patentee before: Huawei Technologies Co., Ltd. |
|
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110518 Termination date: 20181024 |
|
CF01 | Termination of patent right due to non-payment of annual fee |