CN102630037A - 一种视频系统中从psnr到mos的映射算法 - Google Patents
一种视频系统中从psnr到mos的映射算法 Download PDFInfo
- Publication number
- CN102630037A CN102630037A CN2012101090400A CN201210109040A CN102630037A CN 102630037 A CN102630037 A CN 102630037A CN 2012101090400 A CN2012101090400 A CN 2012101090400A CN 201210109040 A CN201210109040 A CN 201210109040A CN 102630037 A CN102630037 A CN 102630037A
- Authority
- CN
- China
- Prior art keywords
- psnr
- mos
- mapping
- video
- value
- 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.)
- Pending
Links
Images
Landscapes
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明实施例涉及一种视频系统中从PSNR到MOS的映射算法。该方案针对已接收到的视频帧序列,旨在提出一种能精确反映PSNR到MOS的映射算法。具体的实施方法为:首先将接收到的视频帧序列提取特征信息,主要包括提取视频帧序列中像素与亮度信息,然后基于MSE进行PSNR计算,最后通过引入S型的Sigmoid映射函数,将PSNR精确映射为MOS,将MOS值输出。
Description
技术领域
本发明涉及一种视频质量评价方法,更特别的,本发明是一种视频系统中从峰值信噪比(PSNR)到平均主观值(MOS)的映射算法。
背景技术
随着多媒体业务被广泛的应用到无线网络和移动网络,多媒体视频业务的质量也越来越受到重视。现在的多媒体业务质量检测大多是使用基于服务质量(QoS)管理的体系结构。QoS技术是用于网络质量检测的客观技术。QoS只注重网络中一些客观的参数,如时延、吞吐量、误差、丢包率等。但是QoS没有考虑到人的主观的因素,不能很好的计算或是估计出多媒体的质量。同时,也无法基于这个不准确的测量结果,对网络选择和质量优化进行台理的处理。大量的文献已经证明这种只注重客观的QoS估计方法无法反应人的真实感受。因此,需要找出一种可以考虑主观因素的方法对视频质量进行综合的评价,用户体验(QoE)就是一种综合考虑客观因素和主观因素的视频质量评价框架。
QoE是描述用户对于正在使用的业务的感受状况,包括可用性、可达性、可持续性以及和业务完整性等方面。它表示了人的感觉,是用户主观的感觉。QoE可以用QoS参数来进行评价。现在用的比较多的是PSNR(Peak Signal-to-Noise Ratio)。PSNR是信号最大能量和干扰信号的能量比。
平均主观值MOS是主观的视频质量评定指标,它将图像质量划分为1-5的等级来评定视频质量好坏。1分为最坏,5分为最好,主观评价方法的优点是可以准确的通过人的主观评分来获取视频的质量情况,缺点是需要大量的人力和物力来完成实验,并且需要很长的时间来完成,不可以用于实时的视频业务质量的评价。
传统的PSNR和主观评价标准MOS对应关系见表1。
此种PSNR和MOS预测只能粗略估计MOS值,不能精准地反映MOS取值,因此需要一种视频系统中从PSNR到MOS的映射详细算法。
基于以上内容,本专利拟设计一种视频系统中从PSNR到MOS的映射详细算法。
表1PSNR和主观评价标准MOS对应关系
发明内容
本发明旨在提出一种视频系统中从PSNR到MOS的映射详细算法,通过引入该映射算法,使PSNR与MOS能够精准对应,更加客观、准确地反映视频质量。
为了实现上述目的,解决相应的技术问题,本发明通过以下技术方案来实现:
步骤一:接收视频帧序列,提取视频帧参数。
步骤二:根据已有参数,计算PSNR值。
步骤三:基于PSNR值,通过映射函数计算MOS值。
步骤四:输出本视频的MOS值,等待下一次计算。
说明
步骤一中主要提取视频帧序列中像素与亮度信息。
步骤二中计算PSNR是由原始帧和受损帧的平均均方错误(MSE)来定义的。如下所示:
在这里每个帧有M*N个像素,o(m,n)和d(m,n)是帧中位置(m,n)的亮度信息。PSNR是用信号的最大值和背景噪声(MSE)的对数比来定义,可由下式计算:
步骤三中通过引入S型的Sigmoid映射函数,将PSNR精确映射为MOS。
步骤四中输出最终计算结果,等待下一次计算。
从以上技术方案可以看出,本发明的技术方案通过引入S型的映射函数,可将视频帧的PSNR和MOS精准映射。
下面通过附图和具体实施例对本发明的技术方案进行进一步的阐述。
附图说明
为了更加清晰的阐述本发明的实施例和现有的技术方案,下面将本发明的技术方案说明附图和现有技术描述中用到的说明附图做简单的介绍,显而易见,在不付出创造性劳动的前提下,本领域普通技术人员可通过本附图获得其他的附图。
图1是本发明具体实施方式中的从PSNR到MOS的映射算法的流程图。
具体实施方式
为使本发明的技术方案优势描述的更加清楚,下面结合附图对本发明的具体实施方式作进一步的详细阐述,显然所描述的实施例只是本发明的部分实施例,而不是全部的实施例。根据本发明的实施例,本领域的普通技术人员在不经创造性劳动的基础上可以实现本发明的所有其他实施例,都属于本发明的保护范围。
本发明的主要思想是,通过引入S型的映射函数,可将视频帧的PSNR和MOS精准映射。
图1是本发明实施例的具体流程图,具体包括:
步骤101:接收视频帧序列,并提取相关特征参数。
步骤102:根据步骤101提取的特征参数,计算PSNR值。
步骤103:基于步骤102中PSNR值,通过映射函数计算MOS值。
在这个步骤里,通过引入S型的Sigmoid映射函数,将PSNR精确映射为MOS。其中,Sigmoid映射函数如下所示:
其中,α,β,γ,λ为相关参数,可通过多次实验求得。
步骤104:输出本视频的MOS值,等待下一次计算。
Claims (5)
1.一种视频系统中从PSNR到MOS的映射算法,其特征在于包括以下步骤:
步骤1、接收视频帧序列,并提取相关特征参数。
步骤2、根据步骤1提取的特征参数,计算PSNR值。
步骤3、基于步骤2所计算的PSNR值,通过映射函数计算MOS值。
步骤4、输出本视频的MOS值,等待下一次计算。
2.根据权利要求1所述的视频系统中从PSNR到MOS的映射算法,其特征在于:
所述步骤1中,主要提取视频帧序列中像素与亮度信息。
3.根据权利要求1所述的视频系统中从PSNR到MOS的映射算法,其特征在于:
所述步骤2中,计算PSNR是由原始帧和受损帧的平均均方错误(MSE)来定义的。
4.根据权利要求1所述的视频系统中从PSNR到MOS的映射算法,其特征在于:
基于步骤102中PSNR值,通过映射函数计算MOS值。
在这个步骤里,通过引入S型的Sigmoid映射函数,将PSNR精确映射为MOS。其中,Sigmoid映射函数如下所示:
其中,α,β,γ,λ为相关参数,可通过多次实验求得。
5.根据权利要求1所述的视频系统中从PSNR到MOS的映射算法,其特征在于:输出本视频的MOS值,等待下一次计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101090400A CN102630037A (zh) | 2012-04-13 | 2012-04-13 | 一种视频系统中从psnr到mos的映射算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101090400A CN102630037A (zh) | 2012-04-13 | 2012-04-13 | 一种视频系统中从psnr到mos的映射算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102630037A true CN102630037A (zh) | 2012-08-08 |
Family
ID=46588178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012101090400A Pending CN102630037A (zh) | 2012-04-13 | 2012-04-13 | 一种视频系统中从psnr到mos的映射算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102630037A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015089793A1 (zh) * | 2013-12-19 | 2015-06-25 | 华为技术有限公司 | 移动视频业务的体验质量测量方法及装置 |
CN105681784A (zh) * | 2016-01-20 | 2016-06-15 | 中山大学 | 一种基于h264/avc视频的psnr盲估计方法 |
CN103763633B (zh) * | 2014-02-20 | 2017-05-03 | 中国科学院声学研究所 | 基于OpenFlow的3D视频传输方法 |
CN106998322A (zh) * | 2017-02-20 | 2017-08-01 | 南京邮电大学 | 一种使用视频业务的平均意见分均值特征的流分类方法 |
CN109068335A (zh) * | 2018-09-10 | 2018-12-21 | 中国联合网络通信集团有限公司 | 一种网络覆盖参数设置的方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101938760A (zh) * | 2010-08-20 | 2011-01-05 | 中国电信股份有限公司 | 视频业务用户感知度的拨测方法和系统 |
CN102143388A (zh) * | 2011-04-22 | 2011-08-03 | 赛特斯网络科技(南京)有限责任公司 | Iptv用户体验质量评估装置及评估方法 |
-
2012
- 2012-04-13 CN CN2012101090400A patent/CN102630037A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101938760A (zh) * | 2010-08-20 | 2011-01-05 | 中国电信股份有限公司 | 视频业务用户感知度的拨测方法和系统 |
CN102143388A (zh) * | 2011-04-22 | 2011-08-03 | 赛特斯网络科技(南京)有限责任公司 | Iptv用户体验质量评估装置及评估方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015089793A1 (zh) * | 2013-12-19 | 2015-06-25 | 华为技术有限公司 | 移动视频业务的体验质量测量方法及装置 |
CN104956673A (zh) * | 2013-12-19 | 2015-09-30 | 华为技术有限公司 | 移动视频业务的体验质量测量方法及装置 |
US9838680B2 (en) | 2013-12-19 | 2017-12-05 | Huawei Technologies Co., Ltd. | Method and apparatus for measuring quality of experience of mobile video service |
CN103763633B (zh) * | 2014-02-20 | 2017-05-03 | 中国科学院声学研究所 | 基于OpenFlow的3D视频传输方法 |
CN105681784A (zh) * | 2016-01-20 | 2016-06-15 | 中山大学 | 一种基于h264/avc视频的psnr盲估计方法 |
CN105681784B (zh) * | 2016-01-20 | 2018-07-06 | 中山大学 | 一种基于h264/avc视频的psnr盲估计方法 |
CN106998322A (zh) * | 2017-02-20 | 2017-08-01 | 南京邮电大学 | 一种使用视频业务的平均意见分均值特征的流分类方法 |
CN106998322B (zh) * | 2017-02-20 | 2020-04-14 | 南京邮电大学 | 一种使用视频业务的平均意见分均值特征的流分类方法 |
CN109068335A (zh) * | 2018-09-10 | 2018-12-21 | 中国联合网络通信集团有限公司 | 一种网络覆盖参数设置的方法和装置 |
CN109068335B (zh) * | 2018-09-10 | 2021-09-14 | 中国联合网络通信集团有限公司 | 一种网络覆盖参数设置的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102630037A (zh) | 一种视频系统中从psnr到mos的映射算法 | |
CN101742355B (zh) | 基于空时域特征提取的无线视频部分参考测评方法 | |
CN100584047C (zh) | 面向无线网络的视频质量自动评测系统及其评测方法 | |
CN100512456C (zh) | 一种方块效应度量方法和视频质量评估方法 | |
CN103152599A (zh) | 基于有序回归的移动视频业务用户体验质量评估方法 | |
CN103281554B (zh) | 一种基于人眼视觉特性的视频客观质量评价方法 | |
CN101448173B (zh) | 网络视频质量评估方法、装置与系统 | |
CN105049930A (zh) | 基于支持向量机的无线视频流业务QoE评估方法 | |
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 | |
CN107027023A (zh) | 基于神经网络的VoIP无参考视频通信质量客观评价方法 | |
CN105050125A (zh) | 一种面向用户体验的移动数据业务质量评测方法及装置 | |
CN101523916A (zh) | 确定视频质量的方法 | |
CN101783754A (zh) | 一种互联网业务客户感知QoE的测量方法 | |
CN104113788A (zh) | 一种TCP视频流业务的QoE训练和评估的方法及系统 | |
Bondzulic et al. | Performance of peak signal‐to‐noise ratio quality assessment in video streaming with packet losses | |
CN107105226B (zh) | 一种视频质量评价装置 | |
CN107046639A (zh) | 基于内容的hevc码流质量预测模型 | |
CN105873079A (zh) | 网络规划方法及装置 | |
CN106851335A (zh) | 一种图像传输带宽匹配方法、设备及系统 | |
CN104282019A (zh) | 基于自然场景统计和感知质量传播的盲图像质量评价方法 | |
CN102930545A (zh) | 一种图像质量盲评估的统计测度方法 | |
CN104956673B (zh) | 移动视频业务的体验质量测量方法及装置 | |
CN104837028A (zh) | 视频同比特率双重压缩检测方法 | |
CN103108209B (zh) | 基于视觉阈值与通道融合的立体图像客观质量评价方法 | |
CN101272575B (zh) | 业务支撑能力的测试方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120808 |