CN101695141B - 一种视频质量评估方法和装置 - Google Patents

Abstract

本发明提供了一种视频质量评估方法和装置。所述视频质量评估方法包括：由被测视频序列相对于参考视频序列的客观空间域失真，获得主观空间域失真；由所述的主观空间域失真，获得主观时间域变化，根据所述主观时间域变化来评估视频质量。所述视频质量评估装置包括主观空间域失真生成模块、主观时间域变化生成模块和视频质量生成模块。本发明的视频质量评估结果与主观视频质量评估方法的评估结果具有较高的相关性。

Description

一种视频质量评估方法和装置

技术领域

本发明涉及多媒体通信领域，具体涉及一种对视频质量进行处理的方法。

背景技术

目前，多媒体技术日新月异，各类视频处理技术快速发展，人们对高质量视频的需求也日益高涨。视频质量评估技术，作为各类视频处理技术优劣的判定准则，其重要性也日渐突显。

视频质量评估在视频压缩、增强处理、通信等领域有着重要的作用，它起到了鉴定和评判各类视频处理技术的作用。例如，对不同视频编码策略下得到的压缩重建视频进行质量评估，可以比较各编码策略引入的失真程度，从而辅助选择出最优的编码策略。

视频质量评估主要可分为主观质量评估和客观质量评估两大类。

主观质量评估要求有大量人员参加，并且在严格的测试环境当中得到各测试人员对各被测视频序列的主观打分。常用的测试方法有ITU-R BT.500-11测试方法。主观质量评估需要大量的人才和时间，并且过程复杂，成本较高。

客观质量评估采用定量的方法测量视频图像的某些失真特征，如空间域客观失真的能量和结构失真程度等。客观质量评估方法由处理器自动计算实现，无需人工参与，效率高，评估时间短，结果不具有时变性。但其存在的主要问题是其评估结果不能与主观打分的结果高度一致。

因此，一种执行效率高，评估结果和主观打分结果高度线性相关的客观质量评估方法具有很高的应用价值。

客观质量评估方法主要有三类：全参考模型(Full Reference Model)，需要与测试序列对应的原始序列；半参考模型(Partial Reference Model)，只需要原始序列的部分统计特征量；无参考模型(Referenceless Model)，不需要原始序列。

在视频压缩编码、视频增强处理等领域基于全参考模型的客观质量评估方法有着广泛的应用，最常用的就是峰值信噪比(PSNR，Peak Signal-to-NoiseRatio)。被测视频序列由参考视频序列处理得到，通常认为两者间具有如下关系：被测视频序列相当于参考视频序列叠加上由处理引起的空间域失真。PSNR统计被测视频序列中所有空间域失真的能量，在评估较高质量视频序列质量时往往能够和人的主观打分具有较高的线性相关性，但对评估较低质量视频序列质量时性能较差。

视频的空间域失真中的一部分失真在时间域上表现出较严重的动态变化，引起闪烁、纹理抖动等现象，人眼对这些动态变化的空间域噪声比静态不变的空间域噪声更为敏感。当测试序列中存在动态变化的空间域噪声时，主观质量主要由这些动态变化的空间域失真的程度决定。这些动态变化的空间域失真仅为总的空间域失真的一部分，所以PSNR对导致主观质量下降的主要噪声的统计灵敏度较差，以至其判定准确性在某些情况下表现欠佳。

其它的一些著名的基于全参考模型的客观质量评估方法，例如结构相似度(SSIM，Structural SIMilarity)，虽然通过不同的失真特征量来衡量视频质量，但是也往往只是对被测视频序列中每一帧进行单独评估，再对所有帧评估结果求加权平均数，而忽视了视频序列帧与帧之间时间域上失真的动态变化引起的额外的主观质量下降。所以，动态变化的空间域失真是视频质量的一个重要特征量，但往往被忽视了。

同时，客观质量评估方法中也应该加入一些人眼视觉特性，以使得其评估结果更接近人眼的主观感受。常用到的人眼视觉特性有如下几个方面：

1、空间域失真可感知阈值，即人眼只能感知到失真强于一定程度的空间域失真。空间域失真可感知阈值受到多种因素的影响，如空间域失真所在区域的背景亮度、纹理强度等。目前，已有许多学者提出了多种JND(Just NoticeableDifference)模型，用来描述背景亮度、纹理强度等因素和空间域失真可感知阈值之间的映射关系。

2、空间域失真感知饱合现象，即人眼对强于一定程度的空间域失真的感知灵敏度下降，这个阈值被称为空间域失真感知饱合阈值。有研究表明，人眼对自然图像上由白噪声滤波得到的噪声的感知能力在原始白噪声方差大于30的时候呈现饱合趋势。

3、纹理掩蔽效应，即人眼对不同纹理区域上相同能量的失真的感知是不同的。所有纹理可以大致划分为平坦区(PLAIN)、边缘区(EDGE)和纹理区(TEXTURE)等三种类型。总的来说，平坦区上的失真最容易被感知，边缘区上的失真其次，纹理区上的失真最难被感知。相应的，对三类纹理区域的失真变化的感知也有类似关系。

纹理分类的方法非常多，其中的一种分类方法是将8×8块的纹理区域进行离散余弦变换(DCT)，将变换系数依照不同的频谱结构划分为低频系数、中低系数和高频系数三类，分析这三类系数的绝对值和相对比例，最终将纹理图像划分为平坦区、边缘区和纹理区等三类区域。

4、失真强度动态变化的失真较失真强度静态不变的失真更容易被人眼察觉。

发明内容

为克服现有技术的上述缺陷，本发明的目的在于提供一种视频质量评估方法，它包括：由被测视频序列相对于参考视频序列的客观空间域失真，获得主观空间域失真；由所述的主观空间域失真，获得主观时间域变化，根据所述主观时间域变化来评估视频质量。所述根据主观时间域变化来评估视频质量的方法，主观时间域变化越强，则被测视频序列质量越差。

所述由客观空间域失真获得主观空间域失真的方法为：利用人眼的空间域视觉特性，对客观空间域失真进行处理，得到所述的主观空间域失真。

所述由主观空间域失真获得主观时间域变化的方法为：利用人眼的时间域视觉特性，对被测视频序列中相邻帧中对应位置上所述主观空间域失真在时间域上的客观变化进行处理，获得所述的主观时间域变化。

所述利用人眼的空间域视觉特性，对客观空间域失真进行处理，至少包括以下一种处理方法：

a、利用客观空间域失真所在区域的背景亮度获得空间域失真可感知阈值和空间域失真感知饱和阈值，并用这两种阈值分别作为钳制下限和钳制上限，对客观空间域失真进行钳制运算；

b、利用客观空间域失真所在区域的背景纹理类型，得到相应的纹理因子，并将纹理因子与客观空间域失真进行乘法运算。

所述利用人眼的时间域视觉特性，对被测视频序列中相邻帧中对应位置上所述主观空间域失真在时间域上的客观变化进行处理，至少包括以下一种处理方法：

a、由相邻若干帧中对应位置上的主观空间域失真的变化频率，得到相应的变化因子，并将变化因子和主观空间域失真进行乘法运算；

b、利用主观空间域失真所在区域的背景纹理类型，得到相应的时间域可感知变化阈值，并根据相邻两帧中对应位置上的主观空间域失真的差值及其幅值变化和所述的时间域可感知变化阈值，对前一帧和当前帧对应位置上的主观空间域失真进行组合运算。

本发明的另一目的还在于提供一种视频质量评估装置，该装置包括以下三个模块：由被测视频序列相对于参考视频序列的客观空间域失真获取被测视频序列的主观空间域失真的主观空间域失真生成模块，其输入为被测视频序列和参考视频序列，输出为被测视频序列的主观空间域失真；由被测视频序列的主观空间域失真获取被测视频序列的主观时间域变化的主观时间域变化生成模块，其输入至少包括被测视频序列的主观空间域失真，其输出为被测视频序列的主观时间域变化；以及将被测视频序列的主观时间域变化转换为被测视频序列的视频质量的视频质量生成模块，其输入为被测视频序列的主观时间域变化，其输出为被测视频序列的视频质量。

进一步的，所述主观时间域变化生成模块的输入还包括参考视频序列或被测视频序列。

与现有技术相比，本发明的视频质量评估结果与主观视频评估结果具有很高的相关性。

附图说明

图1为本发明一种视频质量评估装置实施例的结构示意图。

图2为本发明一种实施例的视频质量评估结果和主观质量评估结果之间的关系图。

具体实施方式

下面，结合实施例来详细阐述本发明的视频质量评估方法和视频质量评估装置的具体实施方式。

所述的视频质量评估方法包括：由被测视频序列相对于参考视频序列的客观空间域失真，获得主观空间域失真；由所述的主观空间域失真，获得主观时间域变化，根据所述主观时间域变化来评估视频质量。其具体实施方式如下：

设被测视频序列中所有帧的集合为N，其中每一帧图像中所有像素的集合为I。被测视频序列中第n帧中的任意一个像素记为S_i，n(i∈I，n∈N)，其在前一帧(n-1)帧中对应位置上的像素为S_i，n-1，其中后一帧(n+1)帧中的对应位置上的像素为S_i，n+1。S_i，n在参考视频序列中的对应像素为R_i，n。相应的，S_i，n-1和S_i，n+1分别对应于R_i，n-1和R_i，n+1。

S_i，n相对于R_i，n的客观空间域失真记为SD_i，n，即有SD_i，n＝S_i，n-R_i，n。

所述的由被测视频序列相对于参考视频序列的客观空间域失真，获得主观空间域失真，其具体处理方法有多种，例如：

方法一：利用函数f₁(x)将客观空间域失真SD_i，n映射到主观空间域失真PSD_i，n，即有PSD_i，n＝f₁(SD_i，n)，其中f₁(x)＝x^0.8+0.3。

方法二：根据人眼具有的背景亮度掩蔽效应和失真感知饱合现象的空间域视觉特性，对S_i，n的客观空间域失真SD_i，n进行处理，得到更符合人眼视觉特性的主观空间域失真PSD_i，n。

对任意S_i，n，选择参考视频序列上对应像素R_i，n周围一定大小的区域或者被测视频序列上对应像素S_i，n周围一定大小的区域，作为S_i，n对应的背景区域J，例如以R_i，n为中心的5×5大小区域或者以S_i，n为中心的7×7大小区域。由背景区域J的平均亮度等因素，根据JND模型求得对应的空间域失真可感知阈值VT_i，n。同时，空间域失真感知饱和阈值记为ST_i，n，ST_i，n通常可以取为30，即有：ST_i，n＝30。

从而，对S_i，n的客观空间域失真SD_i，n进行如下钳制运算，得到主观空间域失真PSD_i，n，即有：

${\mathrm{PSD}}_{i,n}=\left\{\begin{array}{ccccc}\mathrm{Clip}({\mathrm{SD}}_{i,n}-{\mathrm{VT}}_{i,n},& 0.& {\mathrm{ST}}_{i,n}),& \mathrm{if}& {\mathrm{SD}}_{i,n}\&GreaterEqual;0\\ \mathrm{Clip}({\mathrm{SD}}_{i,n}+{\mathrm{VT}}_{i,n},-{\mathrm{ST}}_{i,n}& & 0),& \mathrm{if}& {\mathrm{SD}}_{i,n}<0\end{array}\right.,$ 其中Clip(A，min，max)表示将A钳制在最小值min和最大值max之间，即 $\mathrm{Clip}(A,\min ,\max )=\left\{\begin{array}{ccc}\max ,& \mathrm{if}& A>\max \\ \min ,& \mathrm{if}& A<\min \\ A,& & \mathrm{otherwise}\end{array}\right..$

方法三：利用人眼具有的背景纹理掩蔽效应的空间视觉特性，对S_i，n的客观空间域失真进行处理，得到更符合人眼视觉特性的主观空间域失真PSD_i，n。

对任意S_i，n，选择参考视频序列上对应像素R_i，n周围一定大小的区域或者被测视频序列上对应像素点S_i，n周围一定大小的区域，作为S_i，n对应的背景区域K，例如以R_i，n为中心的8×8大小区域或者以S_i，n为中的16×8区域。根据背景区域K的纹理特征，将K划分为预先设定好T种纹理类型中的一种。其中纹理类型划分的方法有很多种，例如：如背景技术中所述，分析8×8大小背景区域K的离散余弦变换系数将K划分为平坦区，边缘区和纹理区三种纹理类型中的一种。

相应的，对平坦区，边缘区和纹理区这三类纹理类型分别设定平坦区纹理因子W_t1、边缘区纹理因子W_t2和纹理区纹理因子W_t3。其中W_t1＝1，W_t2∈(0.1，1)，W_t3∈(0，0.9)。记S_i，n对应的纹理因子为W_t，i，n(t∈{t₁，t₂，t₃})，则S_i，n的主观空间域失真PSD_i，n为S_i，n的客观空间域失真SD_i，n和S_i，n对应的纹理因子W_t，i，n的乘积，即有：

PSD_i，n＝SD_i，n×W_t，i，n

由被测视频序列相对于参考视频序列的客观空间域失真，获得主观空间域失真的具体实施方法还可以有其它的方法，不仅限于上述三种方法。

所述的由主观空间域失真，获得主观时间域变化，其具体处理方法有多种，例如：

方法一：利用人眼具有的时间频率敏感度的时间域视觉特性，根据S_i，n的主观空间域失真PSD_i，n在时域上的变化频率，得到相应的变化因子，从而得到更符合人眼视觉特性的主观空间域失真的主观时间域变化PTD_i，n。

如上所述，S_i，n-1、S_i，n和S_i，n-1为被测视频序列相邻三帧上的对应像素，其主观空间域失真分别为PSD_i，n-1、PSD_i，n和PSD_i，n+1。

定义变化因子为 $f_2(a,b,c)=\left\{\begin{array}{ccc}1,& \mathrm{if}& (b-a)(c-b)<0\\ 1.5,& \mathrm{if}& (b-a)(c-b)=0\\ 2,& & \mathrm{otherwise}\end{array}\right.,$ 则主观时间域变化PTD_i，n为S_i，n的主观空间域失真PSD_i，n和S_i，n对应的变化因子f2(PSD_i，n-1，PSD_i，n，PSD_i，n+1)的乘积，即有：

PTD_i，n＝PSD_i，n×f₂(PSD_i，n-1，PSD_i，n，PSD_i，n+1)

方法二：利用人眼具有的纹理掩蔽效应的时间域视觉特性，根据S_i，n-1的背景纹理类型，得到相应的时间域可感知变化阈值CH_t，i，n-1，从而得到更符合人眼视觉特性的主观空间域失真的主观时间域变化PTD_i，n。

如上所述，S_i，n-1和S_i，n为被测视频序列相邻两帧上的对应像素，其主观空间域失真分别为PSD_i，n-1和PSD_i，n。选择参考视频序列上对应像素R_i，n-1周围一定大小的区域或者被测视频序列上对应像素点S_i，n-1周围一定大小的区域，作为S_i，n的背景区域L，例如以R_i，n-1为中心的8×8大小区域或者以S_i，n-1为中心的16×8大小区域。由于相邻两帧之间对应位置上纹理的变化较小，背景区域L也可以由当前帧中R_i，n周围一定大小的区域或者S_i，n周围一定大小的区域近似得到，例如以R_i，n为中心的8×8大小区域或者以S_i，n为中心的16×8大小区域。根据背景区域L的纹理特征，将L划分为预先设定好T种纹理类型中的一种。其中纹理类型划分的方法有很多种，例如：如背景技术中所述，分析8×8大小背景区域L的离散余弦变换系数将L划分为平坦区，边缘区和纹理区三种纹理类型中的一种。

相应的，平坦区、边缘区和纹理区这三类纹理类型对应于不同的时间域可感知变化阈值，分别为CH_t1、CH_t2和CH_t3，例如，CH_t1＝3，CH_t2＝4.5，CH_t3＝6。记S_i，n-1对应的时间域可感知变化阈值为CH_t，i，n-1(t∈{t₁，t₂，t₃})，则对于S_i，n，其对应的主观空间域失真的主观时间域变化PTD_i，n可由其在前后相邻两帧中的主观空间域失真PSD_i，n-1和PSD_i，n通过组合运算得到，即有：

其中，abs(A)表示对A求绝对值，CH_t，i，n-1表示S_i，n-1对应的时间域可感知变化阈值。

方法三：本方法为方法二的一种简化形式，其中可感知变化阈值设置为一个常量CH，例如CH＝4。

对于S_i，n，其对应的主观空间域失真的主观时间域变化PTD_i，n可由其在前后相邻两帧中的主观空间域失真PSD_i，n-1和PSD_i，n通过组合运算得到，即有：

由主观空间域失真，获得主观时间域变化的方法还可以有其它的方法，不仅限于上述三种方法。

由此，可以得到被测视频序列上任意像素S_i，n的主观空间域失真PSD_i，n的主观时间域变化PTD_i，n。

根据所述主观时间域变化来评估视频质量。被测序列中任意像素S_i，n对应的质量记为Q_i，n，Q_i，n的集合表示被测视频序列的视频质量。从S_i，n的主观时间域变化PTD_i，n转化为S_i，n的质量Q_i，n的方法有许多种，例如：

方法一：

$Q_{i,n}=\frac{A}{{\mathrm{PTD}}_{i,n}^K+B},$ 其中A、B和K为预设参数，例如A＝5，B＝1，K＝0.5。

方法二：

$Q_{i,n}=10\&times;{\log }_a\frac{S^2}{{\mathrm{PTD}}_{i,n}^2},$ 其中a和S为预设参数，例如a＝10，S＝255。

从S_i，n的主观时间域变化PTD_i，n转化为S_i，n的质量Q_i，n的方法有许多种，不仅限于上述两种。

由此得到S_i，n对应的质量Q_i，n，且有PTD_i，n越大，则Q_i，n越小，说明质量越差。Q_i，n的集合表示被测视频序列的视频质量。

下面，以一个具体的测试视频序列集为例，对本发明的视频质量评估结果与主观质量评估结果的相近程度进行说明。

测试视频序列集为The University of Texas at Austin大学Laboratory forImage&Video Engineering实验室提供的Tractor测试视频序列集。该测试视频序列集由15个经过不同视频处理后的测试视频序列和1个原始视频序列构成。并且，由38人在ITU-R BT.500-11主观测试方法下得到15个测试视频序列相对于原始视频序列的平均DMOS(Degradation Mean Opinion Score)分值，作为各测试视频序列的主观质量评估结果。

利用上述实施例中所述的本发明的视频质量评估方法，得到的各序列的评估结果和各序列的平均DMOS分值之间的Pearson相关系数为-0.9276，具有很高的相关性。利用散布图(scatter diagram/scattergraph)的方法表示本发明的视频质量评估结果和主观质量评估结果之间的关系如图2所示。

图2中，水平坐标表示本发明的视频质量评估结果，评估结果已经进行了归一化处理，数值越接近1，则表示质量越好；垂直坐标表示上述每个测试视频的DMOS分值，数值越大，则表示质量越差。可以看出，15个测试序列的评估结果和主观质量评估结果有着很高的相关性。

图1为一种视频质量评估装置实施例结构示意图。该装置包括三个模块：由被测视频序列相对于参考视频序列的客观空间域失真获取被测视频序列的主观空间域失真的主观空间域失真生成模块1；由被测视频序列的主观空间域失真获取被测视频序列的主观时间域变化的主观时间域变化生成模块2；将被测视频序列的主观时间域变化转换为被测视频序列的视频质量的视频质量生成模块3。

主观空间域失真生成模块1的输入为参考视频序列和被测视频序列，输出为被测视频序列的主观空间域失真，其完成的功能和实施方式与上述视频质量评估方法中由被测视频序列相对于参考视频序列的客观空间域失真，获得主观空间域失真的方法所述的功能和实施方式相同。

主观时间域变化生成模块2的输入至少包括被测视频序列的主观空间域失真，并可根据模块中相应的背景区域选择方法附加输入被测视频序列或者参考视频序列，例如当采用由主观空间域失真，获得主观时间域变化的方法一或方法三时，模块2的输入仅需要被测视频序列的主观空间域失真，而当采用由主观空间域失真，获得主观时间域变化的方法二时，模块2的输入不仅包括输入被测视频序列的主观空间域失真，还包括对应的被测视频序列或者参考视频序列。主观时间域变化生成模块2的输出为被测视频序列的主观时间域变化，其完成的功能和实施方式与上述视频质量评估方法中由主观空间域失真，获得主观时间域变化的方法所述的功能和实施方式相同。

视频质量生成模块3的输入为被测视频序列的主观时间域变化，输出为被测视频序列的视频质量，其完成的功能和实施方式与上述视频质量评估方法中根据所述主观时间域变化来评估视频质量的方法所述的功能和实施方式相同。

所述的视频质量评估装置可以由多种方式实现，例如：

方法一：以电子计算机为硬件附加与所述视频质量评估方法功能相同的软件程序来实现。

方法二：以单片机为硬件附加与所述视频质量评估方法功能相同的软件程序来实现。

方法三：以数字信号处理器为硬件附加与所述视频质量评估方法功能相同的软件程序来实现。

方法四：设计与所述视频质量评估方法功能相同的电路来实现。

实现所述的视频质量评估装置的方法还可以有其它的方法，不仅限于上述四种。

虽然通过实施实例描述了本发明，但本领域普通技术人员应该知道，本发明具有多种变形和变化而不脱离本发明的核心思想，本发明的申请文件的权利要求保护范围包括这些变形和变化。

Claims (9)

1.一种视频质量评估方法，其特征在于，包括：

将被测视频序列的各像素值与其在参考视频序列中对应位置的像素值作差，得到客观空间域失真，利用人眼的空间域视觉特性，对客观空间域失真进行处理，获得主观空间域失真；

利用人眼的时间域视觉特性，对被测视频序列中各像素与其在相邻帧中对应位置上的像素的所述主观空间域失真在时间域上的客观变化进行处理，获得主观时间域变化；

根据被测视频序列中各像素的所述主观时间域变化来评估视频质量。

2.如权利要求1所述的视频质量评估方法，其特征在于，所述利用人眼的空间域视觉特性，对客观空间域失真进行处理，至少包括以下一种处理方法：

a、利用客观空间域失真所在区域的背景亮度获得空间域失真可感知阈值和空间域失真感知饱和阈值，并用这两种阈值分别作为钳制下限和钳制上限，对客观空间域失真进行钳制运算；

b、利用客观空间域失真所在区域的背景纹理类型，得到相应的纹理因子，并将纹理因子与客观空间域失真进行乘法运算。

3.如权利要求1所述的视频质量评估方法，其特征在于，所述利用人眼的时间域视觉特性，对被测视频序列中相邻帧中对应位置上所述主观空间域失真在时间域上的客观变化进行处理，至少包括以下一种处理方法：

a、由相邻若干帧中对应位置上的主观空间域失真的变化频率，得到相应的变化因子，并将变化因子和主观空间域失真进行乘法运算；

b、利用主观空间域失真所在区域的背景纹理类型，得到相应的时间域可感知变化阈值，并根据相邻两帧中对应位置上的主观空间域失真的差值及其幅值变化和所述的时间域可感知变化阈值，对前一帧和当前帧对应位置上的主观空间域失真进行组合运算。

4.如权利要求1所述的视频质量评估方法，其特征在于，根据被测视频序列中各像素的所述主观时间域变化来评估视频质量的处理方法至少包括以下一种：

a、对被测视频序列中各像素的所述主观时间域变化进行指数运算，其所得结果与一常数的和的倒数作为各像素的质量分值，所有像素的质量分值的集合表示被测视频序列的视频质量；

b、对被测视频序列中各像素的所述主观时间域变化的倒数进行对数运算，其所得结果与一常数的和作为各像素的质量分值，所有像素的质量分值的集合表示被测视频序列的视频质量。

5.一种视频质量评估装置，其特征在于，包括以下三个模块：将被测视频序列的各像素值与其在参考视频序列中对应位置的像素值作差，得到客观空间域失真，利用人眼的空间域视觉特性，对客观空间域失真进行处理，获得主观空间域失真的主观空间域失真生成模块，其输入为被测视频序列和参考视频序列，输出为被测视频序列的主观空间域失真；利用人眼的时间域视觉特性，对被测视频序列中各像素与其在相邻帧中对应位置上的像素的所述主观空间域失真在时间域上的客观变化进行处理，获得主观时间域变化的主观时间域变化生成模块，其输入至少包括被测视频序列的主观空间域失真，其输出为被测视频序列的主观时间域变化；以及根据被测视频序列中各像素的所述主观时间域变化来评估视频质量的视频质量生成模块，其输入为被测视频序列的主观时间域变化，其输出为被测视频序列的视频质量。

6.如权利要求5所述的视频质量评估装置，其特征在于，所述的主观空间域失真生成模块完成至少以下一种处理：

a、利用客观空间域失真所在区域的背景亮度获得空间域失真可感知阈值和空间域失真感知饱和阈值，并用这两种阈值分别作为钳制下限和钳制上限，对客观空间域失真进行钳制运算；

b、利用客观空间域失真所在区域的背景纹理类型，得到相应的纹理因子，并将纹理因子与客观空间域失真进行乘法运算。

7.如权利要求5所述的视频质量评估装置，其特征在于，所述的主观时间域变化生成模块完成至少以下一种处理：

a、由相邻若干帧中对应位置上的主观空间域失真的变化频率，得到相应的变化因子，并将变化因子和主观空间域失真进行乘法运算；

b、利用主观空间域失真所在区域的背景纹理类型，得到相应的时间域可感知变化阈值，并根据相邻两帧中对应位置上的主观空间域失真的差值及其幅值变化和所述的时间域可感知变化阈值，对前一帧和当前帧对应位置上的主观空间域失真进行组合运算。

8.如权利要求5所述的视频质量评估装置，其特征在于，所述的视频质量生成模块中完成至少以下一种处理：

a、对被测视频序列中各像素的所述主观时间域变化进行指数运算，其所得结果与一常数的和的倒数作为各像素的质量分值，所有像素的质量分值的集合表示被测视频序列的视频质量；

b、对被测视频序列中各像素的所述主观时间域变化的倒数进行对数运算，其所得结果与一常数的和作为各像素的质量分值，所有像素的质量分值的集合表示被测视频序列的视频质量。

9.如权利要求5-8任一项所述的视频质量评估装置，其特征在于，所述主观时间域变化生成模块的输入还包括参考视频序列或被测视频序列。

Images