CN101572830A - 用于对帧序列的失真版本的质量进行评估的方法 - Google Patents
用于对帧序列的失真版本的质量进行评估的方法 Download PDFInfo
- Publication number
- CN101572830A CN101572830A CNA2009101354854A CN200910135485A CN101572830A CN 101572830 A CN101572830 A CN 101572830A CN A2009101354854 A CNA2009101354854 A CN A2009101354854A CN 200910135485 A CN200910135485 A CN 200910135485A CN 101572830 A CN101572830 A CN 101572830A
- Authority
- CN
- China
- Prior art keywords
- distortion
- frame
- determined
- spatial
- last
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- H04N19/85—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression
- H04N19/89—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression involving methods or arrangements for detection of transmission errors at the decoder
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明涉及一种视频质量评估方法。所述方法包括以下步骤:通过将序列的最后一帧(I6)中的块(B6)与所述最后一帧的失真版本中的对应块进行比较来确定最后空间失真;确定倒数第二帧(I5)中与所述最后一帧(I6)中的所述块(B6)最佳匹配的最佳匹配块(B5);通过将所确定的所述倒数第二帧(I5)中的最佳匹配块(B5)与所述倒数第二帧的失真版本中的对应块进行比较来确定倒数第二空间失真;使用所述所确定的失真来确定与所述块相关联的空间-时间感知失真值,并使用所确定的空间-时间感知失真值来评估质量。空间失真的时间演进改进了视频质量评估。
Description
技术领域
本发明涉及一种用于对帧序列的失真版本的质量进行评估的方法。
背景技术
当对图像或帧序列(如视频或电影)进行压缩时,在压缩的帧序列中引入了失真。在有噪或失真的信道上进行的传输所引入的误差可能是失真的另一来源。
为了评估帧序列的失真版本的质量,需要一种视频质量度量。
用于测量原始和失真版本之间的距离的公知数学度量(如均方误差或最大绝对误差)并未考虑失真的心理学方面。也就是说,尽管可能产生相同的失真版本和原始版本之间的测量距离,但是某些失真比其他失真更加明显,因此对用户而言更加恼人。
此外,对于失真引入的恼人程度,失真的持续时间起重要作用。
欧洲专利申请EP 1 804 519描述了一种用于估计主观质量的视频质量客观评估设备,所述设备包括用于导出时间/空间特征量(退化特征量)的时间/空间特征量导出单元。
需要一种用于对帧序列的失真版本的质量进行评估的方法,能够更好地反映人类感知系统的影响。
发明内容
这是通过一种用于对帧序列的失真版本的质量进行评估的方法来实现的,所述方法包括权利要求1中的特征。
也就是说,所述方法包括:a)通过将序列的最后一帧中的块与所述最后一帧的失真版本中的对应块进行比较来确定最后空间失真;b)确定倒数第二帧中与所述最后一帧中的所述块最佳匹配的最佳匹配块;c)通过将所确定的所述倒数第二帧中的最佳匹配块与所述倒数第二帧的失真版本中的对应块进行比较来确定倒数第二空间失真;d)使用所述所确定的失真来确定与所述块相关联的空间-时间感知失真值,并使用所确定的空间-时间感知失真值来评估质量。
通过考虑与块相关联的空间失真的时间演进,能够更好地评估失真视频的质量。
从属权利要求描述了该方法的优势实施例。
例如,使用所述所确定的空间失真包括:使用所述最后空间失真和所述倒数第二空间失真之间的第一失真梯度。
或者,所述方法还包括:对最后一帧之前的多个帧迭代执行步骤e)和f);使用所确定的所有空间失真来确定所述空间-时间感知失真值,其中,所述使用包括使用连续帧之间的失真梯度。
如果所述第一差值满足或超过阈值,则所述方法可以包括对另外多个帧继续迭代执行步骤e)和f)。
所述方法还可以包括:对所确定的连续失真梯度之间的符号改变次数进行计数;确定所确定的失真梯度中的最大值;以及使用所述符号改变的次数和所述最大值来确定所述空间-时间感知失真值。
在一实施例中,将最后一帧(I6)划分为分离的块,针对每个所述分离块来确定空间-时间感知失真值。这使得可以使用所确定的空间-时间感知失真值来确定最后一帧的帧质量评分。
所述方法甚至可以包括:确定帧序列中每一帧的帧质量评分;确定所确定的帧质量评分的平均值;以及使用所确定的平均值来分配所述质量。
附图说明
在附图中示意了本发明的示例性实施例,并在以下描述中对示例性实施例进行更详细的解释。附图中:
图1示出了要求保护的本发明的示例性实施例;
图2示出了本发明的空间-时间失真评估模块的示例性实施例;
图3示出了本发明的蓄积模块(pooling module)的示例性实施例;
图4示例性地示出了空间-时间失真管;以及
图5示例性地示出了用于对失真梯度进行时间滤波的卷积函数。
具体实施方式
图1示出了要求保护的本发明的示例性实施例。将原始视频OV输入至运动估计模块MOES,MOES输出主要运动参数和运动向量。将视频DV的失真版本输入至空间感知失真评估模块SPDE,SPDE输出空间感知失真映射。每个空间感知失真映射包括与视频中的一帧中的像素相关联的失真值。将空间感知失真映射、运动参数和运动向量输入至空间-时间感知失真评估模块STPDE,STPDE输出空间-时间感知失真映射STPDM。将所述空间-时间感知失真映射STPDM输入至蓄积模块POOL,并且可以将其用于其他目的。
然后,蓄积模块POOL输出视频质量评分VQS。
图2更详细地示出了本发明的空间-时间失真评估模块STPDE的示例性实施例。模块STPDE包括子模块STDTC,STDTC负责创建与所谓的块管TUBE相关联的所谓空间失真管。将所述空间失真管馈送入两个子模块TGC和TFSD。子模块TGC根据输入的空间失真管来产生所谓的梯度管。在子模块MU中评价该梯度管是否满足或超过阈值。根据评价结果,将至少两个可能的时间参数值之一提供给子模块TFSD。子模块TFSD根据输入的空间失真管,通过使用由模块TGC提供的时间参数来对输入的管进行时间滤波,从而产生所谓的经时间滤波的失真管。
在子模块TFDG中,对子模块TGC所产生的梯度管进行时间滤波。将经时间滤波的梯度管和经时间滤波的失真管输入至用于固定蓄积的子模块FIXP,FIXP输出所述空间-时间感知失真映射STPDM。
图3更详细地示出了本发明的蓄积模块POOL的示例性实施例。所述蓄积模块POOL包括用于空间蓄积的子模块SPOOL和用于时间蓄积的子模块TPOOL。空间蓄积SPOOL接收空间-时间感知失真映射作为输入,针对空间-时间感知失真映射中的每一帧产生帧质量评分。在子模块TPOOL中,将所述帧质量评分组合为视频质量评分VQS。因此,蓄积模块POOL执行以下步骤:针对空间-时间感知失真映射中的独立帧以及整个视频序列来计算质量评分。
以下更详细地解释上述模块和子模块所执行的步骤。
空间感知失真评估模块SPDE中执行的步骤是计算空间感知失真映射VEt,x,y。针对视频序列中的每个帧t来计算空间感知失真映射。该空间失真映射中的每一项(x,y)表示:在原始帧中的位置(x,y)处的像素与在该帧的失真版本中相同位置处的像素的失真版本之间感知到的失真程度。在一示例性实施例中,借助于在先发明(被提交为欧洲专利申请,申请号为08300006.7,其全文结合在此作为参考)中描述的失真测量来确定该失真程度。附加地或可选地,可以使用其他公知的度量。例如,这种其他度量是:均方误差(MSE)、峰值信噪比(PSNR)或结构相似度(SSIM)。
在计算空间感知失真映射VEt,k,l之前、同时或之后,执行在原始视频帧序列中进行运动估计的步骤。对于帧中的块,确定紧接在前的帧中相应的最佳匹配块以及相应的替换或运动向量。根据所述运动向量来计算主要运动参数。可以使用不同的方法(例如最小均方或属于M-估计算法族的算法)来确定主要运动参数。
可以使用分层运动估计器(HME)来实现这些步骤(主要运动和运动向量的估计)。
为了获得本发明的空间-时间感知失真估计所需的空间失真映射和运动信息,模块SPDE和MOES中执行的步骤是必需的。
空间-时间感知失真评估模块STPDE中执行的步骤是根据空间失真映射和运动信息来计算空间-时间感知失真映射空间-时间感知失真映射包括与块相关联的空间-时间感知失真值。该步骤包括:通过使用针对前一帧中的相应在先块而确定的空间失真来对针对帧中的块而确定的空间失真进行滤波,从而确定时间滤波后的空间失真映射VEt,k,l,其中所述在先块是借助运动信息确定的。例如,针对每个块,通过所述滤波来确定块的空间失真的加权和以及相应在先块的空间失真的加权和。此外,确定时间失真梯度映射GRt,k,l。这些时间失真梯度映射GRt,k,l中的每一项(k,l)表示针对帧t中在位置(k,l)处的块而确定的失真程度与针对在位置(k,l)处的所述块的在先块而确定的失真程度之间的差值,其中所述在先块在前一帧中。
可以根据计算需要或其他需要来选择用于时间滤波的时间范围(time horizon)。也就是说,可以借助于运动信息来确定所述在先块的在先块,也可以使用针对所述在先块的在先块而确定的空间失真来进行滤波。更一般地,可以使用针对该时间范围内给定帧之前的所有帧中的先前块而确定的空间失真来对针对给定帧中的块而确定的空间失真进行时间滤波。示例性地,将该时间范围设置为400ms,该值与人眼固定的时间标度相对应。
图4示例性地示出了这一概念。该图描述了一个示例图像或帧系列或序列I1...I6。将最后一帧I6中的任选块B6的路径或历史TUBE(也称为块管)描绘为矩形管。仅描述了任选块B6的块管TUBE,但是实际上针对最后一帧I6中的所有分离的块形成相应块管。由一系列最佳匹配块B5、B4、B3、B2、B1来确定与任选块B6相关联的块管TUBE,其中倒数第二帧I5中的第一最佳匹配块B5与最后一帧I6中的所述任选块B6的匹配最佳。倒数第三帧I4中的第二最佳匹配块B4与最后一帧I6中的所述最佳匹配块的匹配最佳,以此类推,直至倒数第六帧I1中的第五最佳匹配块B1与倒数第五帧I2中的第四最佳匹配块B2的匹配最佳。倒数第五帧I2中的所述第四最佳匹配块B2与倒数第四帧I3中的第三最佳匹配块B3的匹配最佳,第三最佳匹配块B3与倒数第三帧I4中的所述第二最佳匹配块B4的匹配最佳。
此外,如果块内的对象在场景中出现或消失,则可以缩短该时间范围。一种检测对象的出现或消失的方法依赖于主要运动的使用。实际上,通过将每一块的运动与参数化主要运动进行比较,可以将每一块分类:这意味着每一块或在主要运动之内或在主要运动之外。两个连续帧之间的块的内-外改变的分类意味着该块所属对象的出现或消失,从而指示该块的时间范围的极限。
与块管TUBE相对应的,存在空间失真管VEt,k,l tube和失真梯度管GRt,k,l tube。空间失真管VEt,k,l tube是与块管TUBE中的块相关联的空间失真值序列。并且失真梯度管GRt,k,l tube是空间失真管中连续空间失真之间的差异的序列。因此,失真梯度管GRt,k,l tube所包括的元素比空间失真管或块管TUBE中的少一个。
在块管TUBE中,在时刻ti处的失真梯度计算如下:
使用与任选块B6相关联的空间失真管来对与所述块B6相关联的空间失真进行滤波。也就是说,使用针对所述最佳匹配块而确定的空间失真来对任选块B6的空间失真进行时间滤波。所述滤波可以是递归的,即使用针对所述最佳匹配块而确定的时间滤波后的空间失真来对任选块B6的空间失真进行时间滤波。
对空间失真的时间滤波还可以取决于时间参数,所述时间参数依赖空间失真或在先块的经时间滤波后的空间失真在时间上与正在检查的帧的距离,对它们对滤波的影响进行调整。也就是说,使用较大的时间参数,时间范围内的所有在先块的滤波失真都对滤波有影响,而使用较小的时间参数,则只有正在检查的最后一帧的较窄时间邻近区域内的在先块的失真对滤波起支配或主导作用。
用于对任选块B6进行滤波的时间参数可以根据相关联的失真梯度管来进行调整。如果针对任选块B6而确定的空间失真和与所述任选块B6最佳匹配的紧接在前的帧中的块而确定的空间失真之间的差值满足或超过阈值,则使用第一时间参数(例如400ms)来进行时间滤波。否则,使用更小的第二时间参数(例如200ms)来进行滤波。在这种情况下,也可以将与任选块B6相关联的失真梯度设置为零。
借助于失真梯度管,也可以对与任选块B6相关联的失真梯度进行时间滤波。所述对失真梯度的滤波基于失真梯度管中的最大失真梯度MaxGrt,k,l tube以及失真梯度管中的连续失真梯度之间的符号改变次数NSt,k,l tube。使用该符号改变次数来对最大失真梯度进行加权。为了进行平滑,例如可以使用以下高斯卷积函数(在图5中进一步示例性描述)来对符号改变次数进行卷积:
函数fs()对特定符号改变频率下的时间失真提供更大的重视。使用gs=16、σs=6和μs=1.3可以实现良好的结果,但是其他参数设置也是可能的。该步骤的结果是映射其中每个块(k,l)是从帧t开始对每个管中的失真梯度进行时间滤波的结果。
然后,可以通过以下等式来获得与帧t中的位置(k,l)处的块相关联的时间滤波后的失真梯度:
参数α和β是依经验推导出的。例如,在α为1和β为3的情况下可以实现良好的结果。
如图5所示,模块POOL由2个子模块构成,即空间蓄积子模块SPOOL和时间蓄积子模块TPOOL。所述蓄积子模块执行以下步骤:
首先,使用明可夫斯基(Minkowski)求和公式,根据时间-空间失真映射来计算帧质量评分Qt:
其中K和L分别是时间-空间失真映射的高度和宽度,即时刻t处的帧中的垂直和水平块数,βp是明可夫斯基指数。
然后,根据视频的每个帧质量评分Qt来计算最终的视频质量评分VQS。最终的VQS计算如下:
VQS=Q+min(q1·max(Δt),q2·Q) (6)
其中Q是对视频中所有帧的Qt的平均值,max(Δt)项表示沿序列的质量变化中的最大值,其中Δt是:
其中函数abs()返回其参数的绝对值。
在m=2、p=1、q1=1和q2=0.5的情况下可以实现良好的结果,但是其他参数设置也是可能的。
可以使用心理测量函数将客观质量评分VQS转换为预测的平均观察者评分(MOSp)。该心理测量函数由以下给出:
其中b1、b2和b3是心理测量函数的参数,这些参数是通过将数据库中分配给视频的平均观察者评分与针对相同视频计算得到的客观质量评分VQS进行比较来确定的。
客观质量评分VQS的范围在[0;1]之间,MOSp的范围在[0;6]之间。
相应的类别评级如下:
5为感觉不到;
4为可感知到但不恼人;
3为略微恼人;
2为恼人;
1为非常恼人。
例如在编码设备中,可以将本发明有利地用于评估视频质量,以将重构的视频与对应的视频源进行比较。
本发明还可以有利地用于对使用不同编解码器的编码设备的性能进行比较。
也可以在编码设备中使用根据本发明计算的感知误差映射来局部适配判决或定量步骤。
Claims (8)
1.一种用于对帧序列的失真版本的质量进行评估的方法,包括以下步骤:
a)通过将序列的最后一帧(I6)中的块(B6)与所述最后一帧的失真版本中的对应块进行比较来确定最后空间失真;
b)确定倒数第二帧(I5)中与所述最后一帧(I6)中的所述块(B6)最佳匹配的最佳匹配块(B5);
c)通过将所确定的所述倒数第二帧(I5)中的最佳匹配块(B5)与所述倒数第二帧的失真版本中的对应块进行比较来确定倒数第二空间失真;
d)使用所述所确定的失真来确定与所述块相关联的空间-时间感知失真值,并使用所确定的空间-时间感知失真值来评估质量。
2.如权利要求1所述的方法,其中,使用所述所确定的空间失真包括:使用所述最后空间失真和所述倒数第二空间失真之间的第一失真梯度。
3.如权利要求2所述的方法,还包括:
e)确定倒数第三帧(I4)中与所述倒数第二帧(I5)中的所述最佳匹配块(B5)最佳匹配的另一最佳匹配块(B4);
f)通过将所确定的所述另一最佳匹配块(B4)与所述倒数第三帧的失真版本中的对应块进行比较来确定倒数第三空间失真;
还使用所述倒数第三空间失真,其中,所述使用包括:使用所述倒数第二空间失真和所述倒数第三空间失真之间的第二失真梯度。
4.如权利要求3所述的方法,还包括:
对所述最后一帧之前的多个帧(I1、I2、I3、I4、I5)迭代地执行步骤e)和f);
使用所确定的所有空间失真来确定所述空间-时间感知失真值,其中,所述使用包括使用连续帧之间的失真梯度。
5.如权利要求4所述的方法,还包括:
确定所述第一差值是否满足或超过阈值,
如果所述第一差值满足或超过阈值,则对另外多个帧继续迭代地执行步骤e)和f)。
6.如权利要求4或5所述的方法,还包括:
对所确定的连续失真梯度之间的符号改变次数进行计数;
确定所确定的失真梯度中的最大值;以及
使用所述符号改变的次数和所述最大值来确定所述空间-时间感知失真值。
7.如权利要求1或2所述的方法,还包括:
将所述最后一帧(I6)划分为分离的块;
针对每个所述分离块来确定空间-时间感知失真值;
使用所确定的空间-时间感知失真值来确定所述最后一帧的帧质量评分。
8.如权利要求7所述的方法,还包括:
确定帧序列中每一帧的帧质量评分;
确定所确定的帧质量评分的平均值;以及
使用所确定的平均值来分配所述质量。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP08305139.1 | 2008-04-30 | ||
EP08305139A EP2114080A1 (en) | 2008-04-30 | 2008-04-30 | Method for assessing the quality of a distorted version of a frame sequence |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101572830A true CN101572830A (zh) | 2009-11-04 |
CN101572830B CN101572830B (zh) | 2014-11-26 |
Family
ID=39739849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200910135485.4A Expired - Fee Related CN101572830B (zh) | 2008-04-30 | 2009-04-28 | 用于对帧序列的失真版本的质量进行评估的方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US8824830B2 (zh) |
EP (2) | EP2114080A1 (zh) |
JP (1) | JP5721936B2 (zh) |
CN (1) | CN101572830B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014121571A1 (en) * | 2013-02-07 | 2014-08-14 | Thomson Licensing | Method and apparatus for context-based video quality assessment |
US9723301B2 (en) | 2013-02-07 | 2017-08-01 | Thomson Licensing | Method and apparatus for context-based video quality assessment |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2114080A1 (en) * | 2008-04-30 | 2009-11-04 | Thomson Licensing | Method for assessing the quality of a distorted version of a frame sequence |
US8532414B2 (en) * | 2009-03-17 | 2013-09-10 | Utc Fire & Security Corporation | Region-of-interest video quality enhancement for object recognition |
US8456531B2 (en) * | 2010-01-14 | 2013-06-04 | Cheetah Technologies, L.P. | Video alignment and calibration for video quality measurement |
ES2388413B1 (es) * | 2010-07-01 | 2013-08-22 | Telefónica, S.A. | Método para la clasificación de videos. |
EP2536144A1 (en) | 2011-06-17 | 2012-12-19 | Thomson Licensing | Method and device of lossy compress-encoding an image |
WO2013030833A1 (en) | 2011-08-29 | 2013-03-07 | I.C.V.T. Ltd. | Controlling a video content system |
US8525883B2 (en) | 2011-09-02 | 2013-09-03 | Sharp Laboratories Of America, Inc. | Methods, systems and apparatus for automatic video quality assessment |
CN104969548A (zh) * | 2013-02-07 | 2015-10-07 | 汤姆逊许可公司 | 用于基于上下文的视频质量评估的方法和装置 |
US8958602B1 (en) * | 2013-09-27 | 2015-02-17 | The United States Of America As Represented By The Secretary Of The Navy | System for tracking maritime domain targets from full motion video |
CN105357517B (zh) * | 2015-11-16 | 2017-12-22 | 华为技术有限公司 | 屏幕的图像检测方法和装置 |
US9794554B1 (en) * | 2016-03-31 | 2017-10-17 | Centre National de la Recherche Scientifique—CNRS | Method for determining a visual quality index of a high dynamic range video sequence |
CN109426782B (zh) | 2017-08-29 | 2023-09-19 | 北京三星通信技术研究有限公司 | 对象检测方法和用于对象检测的神经网络系统 |
US10721477B2 (en) * | 2018-02-07 | 2020-07-21 | Netflix, Inc. | Techniques for predicting perceptual video quality based on complementary perceptual quality models |
US10887602B2 (en) | 2018-02-07 | 2021-01-05 | Netflix, Inc. | Techniques for modeling temporal distortions when predicting perceptual video quality |
CN110838120A (zh) * | 2019-11-18 | 2020-02-25 | 方玉明 | 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 |
EP4106330A1 (en) * | 2021-06-17 | 2022-12-21 | L & T Technology Services Limited | Method and system for assessing audio and video quality of a multimedia content |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040184530A1 (en) * | 2003-03-05 | 2004-09-23 | Hui Cheng | Video registration based on local prediction errors |
CN1695164A (zh) * | 2002-11-06 | 2005-11-09 | 新加坡科技研究局 | 生成用于评估图像或视频质量的质量导向重要性图的方法 |
CN1809838A (zh) * | 2003-06-18 | 2006-07-26 | 英国电讯有限公司 | 用于视频质量评估的方法和系统 |
CN101036399A (zh) * | 2004-10-18 | 2007-09-12 | 日本电信电话株式会社 | 视频质量客观评价设备、评价方法和程序 |
Family Cites Families (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5790717A (en) * | 1993-10-26 | 1998-08-04 | Bell Communications Research Inc. | Apparatus and method for predicting subjective quality of compressed images |
JP3025415B2 (ja) * | 1995-01-20 | 2000-03-27 | ケイディディ株式会社 | ディジタル圧縮・再生画像の画質評価装置 |
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 |
US6239834B1 (en) * | 1996-01-11 | 2001-05-29 | Kokusai Denshin Denwa Co., Ltd. | Apparatus for evaluating digital picture quality |
JP3157101B2 (ja) * | 1996-03-08 | 2001-04-16 | 沖電気工業株式会社 | 画像符号化方法及び画像符号化装置 |
IT1296643B1 (it) * | 1997-12-16 | 1999-07-14 | Cselt Centro Studi Lab Telecom | Procedimento e apparecchiatura per l'introduzione di distorsioni di riferimento in segnali video. |
US6259477B1 (en) * | 1998-06-23 | 2001-07-10 | Tektronix, Inc. | Joint spatial-temporal alignment of video sequences |
US6496221B1 (en) * | 1998-11-02 | 2002-12-17 | The United States Of America As Represented By The Secretary Of Commerce | In-service video quality measurement system utilizing an arbitrary bandwidth ancillary data channel |
US6483538B2 (en) * | 1998-11-05 | 2002-11-19 | Tektronix, Inc. | High precision sub-pixel spatial alignment of digital images |
US6285797B1 (en) * | 1999-04-13 | 2001-09-04 | Sarnoff Corporation | Method and apparatus for estimating digital video quality without using a reference video |
WO2001075799A2 (en) * | 2000-03-31 | 2001-10-11 | British Telecommunications Public Limited Company | Image processing |
US7616690B2 (en) * | 2000-10-31 | 2009-11-10 | Imec | Method and apparatus for adaptive encoding framed data sequences |
US6798919B2 (en) * | 2000-12-12 | 2004-09-28 | Koninklijke Philips Electronics, N.V. | System and method for providing a scalable dynamic objective metric for automatic video quality evaluation |
US6734898B2 (en) * | 2001-04-17 | 2004-05-11 | General Instrument Corporation | Methods and apparatus for the measurement of video quality |
US6822675B2 (en) * | 2001-07-03 | 2004-11-23 | Koninklijke Philips Electronics N.V. | Method of measuring digital video quality |
US6577764B2 (en) * | 2001-08-01 | 2003-06-10 | Teranex, Inc. | Method for measuring and analyzing digital video quality |
US20030026338A1 (en) * | 2001-08-03 | 2003-02-06 | Koninklijke Philips Electronics N.V. | Automated mask selection in object-based video encoding |
US6810083B2 (en) * | 2001-11-16 | 2004-10-26 | Koninklijke Philips Electronics N.V. | Method and system for estimating objective quality of compressed video data |
US20030161406A1 (en) * | 2002-02-26 | 2003-08-28 | Chulhee Lee | Methods for objective measurement of video quality |
US7102667B2 (en) * | 2002-03-18 | 2006-09-05 | Tektronix, Inc. | Picture quality diagnostics for revealing cause of perceptible impairments |
US7197075B2 (en) * | 2002-08-22 | 2007-03-27 | Hiroshi Akimoto | Method and system for video sequence real-time motion compensated temporal upsampling |
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 |
US7170933B2 (en) * | 2002-12-13 | 2007-01-30 | International Business Machines Corporation | Method and system for objective quality assessment of image and video streams |
JP4194029B2 (ja) * | 2003-02-26 | 2008-12-10 | Kddi株式会社 | 画像劣化自動検出装置 |
GB0314162D0 (en) * | 2003-06-18 | 2003-07-23 | British Telecomm | Edge analysis in video quality assessment |
KR100824711B1 (ko) * | 2003-08-22 | 2008-04-24 | 니뽄 덴신 덴와 가부시키가이샤 | 영상 정합 장치, 영상 정합 방법, 및 영상 정합 프로그램을기록한 기록매체 |
JP3838513B2 (ja) * | 2004-03-02 | 2006-10-25 | Kddi株式会社 | 伝送画質監視装置 |
KR100612691B1 (ko) * | 2004-04-30 | 2006-08-16 | 에스케이 텔레콤주식회사 | 동영상 화질 평가시스템 및 방법 |
EP1727088A1 (en) * | 2005-05-25 | 2006-11-29 | Thomson Licensing | Method for assessing image quality |
US7865035B2 (en) * | 2005-10-06 | 2011-01-04 | Samsung Electronics Co., Ltd. | Video quality adaptive coding artifact reduction |
KR100669251B1 (ko) * | 2005-11-25 | 2007-01-16 | 한국전자통신연구원 | 디지털 영상 품질 자동 분석 장치 및 방법 |
JP4417919B2 (ja) * | 2006-03-31 | 2010-02-17 | 株式会社東芝 | 画像符号化装置及び画像復号化装置 |
US20080165278A1 (en) * | 2007-01-04 | 2008-07-10 | Sony Corporation | Human visual system based motion detection/estimation for video deinterlacing |
US20080285651A1 (en) * | 2007-05-17 | 2008-11-20 | The Hong Kong University Of Science And Technology | Spatio-temporal boundary matching algorithm for temporal error concealment |
EP2077527A1 (en) * | 2008-01-04 | 2009-07-08 | Thomson Licensing | Method for assessing image quality |
CN101911716A (zh) * | 2008-01-18 | 2010-12-08 | 汤姆森许可贸易公司 | 评估感知质量的方法 |
EP2114080A1 (en) * | 2008-04-30 | 2009-11-04 | Thomson Licensing | Method for assessing the quality of a distorted version of a frame sequence |
JP5708916B2 (ja) * | 2008-04-30 | 2015-04-30 | 日本電気株式会社 | 画像評価方法、画像評価システム及びプログラム |
JP5074322B2 (ja) * | 2008-08-05 | 2012-11-14 | オリンパス株式会社 | 画像処理装置、画像処理方法、画像処理プログラム、及び、撮像装置 |
WO2012000136A1 (en) * | 2010-07-02 | 2012-01-05 | Thomson Broadband R&D (Beijing) Co., Ltd. | Method for measuring video quality using a reference, and apparatus for measuring video quality using a reference |
WO2013005316A1 (ja) * | 2011-07-06 | 2013-01-10 | 株式会社モルフォ | 画像処理装置、画像処理方法及び画像処理プログラム |
-
2008
- 2008-04-30 EP EP08305139A patent/EP2114080A1/en not_active Withdrawn
-
2009
- 2009-04-21 EP EP09158332.8A patent/EP2114078B1/en not_active Not-in-force
- 2009-04-24 US US12/386,900 patent/US8824830B2/en not_active Expired - Fee Related
- 2009-04-27 JP JP2009107793A patent/JP5721936B2/ja not_active Expired - Fee Related
- 2009-04-28 CN CN200910135485.4A patent/CN101572830B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1695164A (zh) * | 2002-11-06 | 2005-11-09 | 新加坡科技研究局 | 生成用于评估图像或视频质量的质量导向重要性图的方法 |
US20040184530A1 (en) * | 2003-03-05 | 2004-09-23 | Hui Cheng | Video registration based on local prediction errors |
CN1809838A (zh) * | 2003-06-18 | 2006-07-26 | 英国电讯有限公司 | 用于视频质量评估的方法和系统 |
CN101036399A (zh) * | 2004-10-18 | 2007-09-12 | 日本电信电话株式会社 | 视频质量客观评价设备、评价方法和程序 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014121571A1 (en) * | 2013-02-07 | 2014-08-14 | Thomson Licensing | Method and apparatus for context-based video quality assessment |
US9716881B2 (en) | 2013-02-07 | 2017-07-25 | Thomson Licensing | Method and apparatus for context-based video quality assessment |
US9723301B2 (en) | 2013-02-07 | 2017-08-01 | Thomson Licensing | Method and apparatus for context-based video quality assessment |
Also Published As
Publication number | Publication date |
---|---|
EP2114080A1 (en) | 2009-11-04 |
EP2114078A1 (en) | 2009-11-04 |
JP5721936B2 (ja) | 2015-05-20 |
CN101572830B (zh) | 2014-11-26 |
JP2009273127A (ja) | 2009-11-19 |
US20090274390A1 (en) | 2009-11-05 |
EP2114078B1 (en) | 2018-07-18 |
US8824830B2 (en) | 2014-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101572830B (zh) | 用于对帧序列的失真版本的质量进行评估的方法 | |
CN101160951B (zh) | 一种多媒体视频通信的质量检测方法 | |
US20110311147A1 (en) | Quality Evaluation of Sequences of Images | |
Ma et al. | Reduced-reference video quality assessment of compressed video sequences | |
US20040012675A1 (en) | Method and apparatus for measuring the quality of video data | |
EP2112835A1 (en) | Method and apparatus for generation of a video quality parameter | |
US20110228859A1 (en) | Objective image quality assessment device of video quality and automatic monitoring device | |
Liu et al. | A perceptually relevant no-reference blockiness metric based on local image characteristics | |
CN102663747B (zh) | 一种基于视觉感知的立体图像客观质量评价方法 | |
CN103379358B (zh) | 评估多媒体质量的方法和装置 | |
KR20040004353A (ko) | 복합 객관적 비디오 품질 측정 | |
CN106412572A (zh) | 一种基于运动特性的视频流编码质量评价方法 | |
CN104754322A (zh) | 一种立体视频舒适度评价方法及装置 | |
CN106791822A (zh) | 一种基于单双目特征学习的无参考立体图像质量评价方法 | |
CN114915777A (zh) | 一种基于深度强化学习的无参考超高清视频质量客观评价方法 | |
CN108513132A (zh) | 一种视频质量评价方法及装置 | |
Wang et al. | Stereoscopic 3D video coding quality evaluation with 2D objective metrics | |
Ma et al. | Reduced reference video quality assessment based on spatial HVS mutual masking and temporal motion estimation | |
US7102667B2 (en) | Picture quality diagnostics for revealing cause of perceptible impairments | |
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 | |
Malekmohamadi et al. | Subjective quality estimation based on neural networks for stereoscopic videos | |
CN103067733B (zh) | 视频质量获取方法 | |
Attar et al. | Ebiqa: An edge based image quality assessment | |
Yao et al. | Video quality assessment using neural network based on multi-feature extraction | |
CN103339951A (zh) | 根据丢帧图案测量视频质量的方法和装置 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20141126 Termination date: 20190428 |