CN103533367A - 一种无参考视频质量评价方法及装置 - Google Patents
一种无参考视频质量评价方法及装置 Download PDFInfo
- Publication number
- CN103533367A CN103533367A CN201310502711.4A CN201310502711A CN103533367A CN 103533367 A CN103533367 A CN 103533367A CN 201310502711 A CN201310502711 A CN 201310502711A CN 103533367 A CN103533367 A CN 103533367A
- Authority
- CN
- China
- Prior art keywords
- video
- dynamic
- benchmark
- ambiguity
- thresh
- 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
Landscapes
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
一种无参考视频质量等级评估方法及装置，方法为：分析获取视频的编码格式、编码码率、分辨率；获取视频源数据；获取编码完成后的OPSNR；根据获取的视频编码格式，查找编码格式的码率折损率表，得到对应的码率折损率；计算视频动态性加权因子；进行码率折算，得到动态性加权码率；将折算后的码率与视频分辨率代入视频质量评价分数表查找得到得出视频动态基准评分；利用视频源数据获得模糊系数，并获得视频模糊度基准评分；将视频动态基准评分和视频模糊度基准评分加权相加得到最终的分数。本发明可简便接入通用的视频编解码架构体系中，计算量小且不需要原始视频信息作为参考，具有较高的工程应用价值。
Description
技术领域
本发明涉及视频技术领域，特别是，涉及一种无参考视频质量评估方法及装置。
背景技术
随着数字图像压缩编码技术的迅猛发展，图像压缩可以看作是在码率、图像质量视觉感知失真和算法复杂度之间的一种折衷，图像压缩算法的设计，主要依赖于上述三个因素。而图像质量视觉感知失真一直是研究工作中的薄弱环节。同时，在图像采集、压缩、处理、传输和复制过程中，数字视频或图像数据的储存和通信过程中的数据分配易产生各种各样的失真。例如，有损视频压缩技术在量化处理过程中可能会降低其质量。因此，能够确定并量化视频系统中的图像质量问题是非常必要的，因为它能维持、控制甚至能提高视频数据的质量，所以，一个有效的图像或视频质量评价方法或指标是非常关键的。
图像质量评价方法大体上可分成两大类，即主观评价方法和客观评价方法。
所谓主观评价方法，就是由观察者依据自己的感觉对图像质量进行评价。具体实施起来就是，在一定的光照、视距、分辨率大小等条件下，由一组专家和非专家观察者(15~30人)分别对所评价的同一图像进行打分，然后按照一定的规则得出一个总的评价结果。这种通过取所有观察者的平均评价分来确定图像质量等级的方法叫主观质量评分法。但由于图像的最终接受者是人，由人通过视觉对图像进行分析、识别、理解和评定，因此，这种评价方法的自由度大，它受观察者的知识背景、观测目的、观测环境和条件及人的视觉心理因素等影响。加上评价过程繁琐，人的视觉心理因素很难用准确的数学模型来表达，从而导致评价结果不够精确，且不便于图像系统的设计，在工程应用中也不便使用。
所谓客观图像质量评价方法就是通过定义的一些数学公式，建立起与图像质量含义相关的数学模型，然后对评价图像进行有关运算，得到一个唯一的数字量作为评测结果。客观质量评价方法可分为:全参考质量评价(Full reference)、半参考质量评价(Reduce reference)和无参考质量评价(No reference)。由于在实际互联网应用中基本不可能获得原始视频信息，无参考客观质量评价方法就成为应用价值最大同时难度也是最大的一种。现有的视频无参考客观评价需要对影响视频质量各种因素进行建模, 最终由计算机根据该模型客观地给出评分。但该类型算法建模复杂、运算耗时大、与视频转码过程融合较困难，且多数尚处于研究阶段，应用较少。
发明内容
为了解决上述问题，本发明提出一种无参考视频质量等级评估方法及系统，通过分析用户上传视频的码率、压缩协议和内容运动程度完成对视频画质的评分，具体地，该方法包括：
一种无参考视频质量等级评估方法，包括如下步骤：
步骤1：分析获取视频的编码格式VCF、视频的编码码率VCB和视频的分辨率VR；
步骤2：对视频进行解码，得到视频源数据RawData；
步骤3：对视频RawData进行one-pass编码 ，获取one-pass 编码完成后的视频峰值信噪比OPSNR；
步骤4：获取视频动态基准评分K1，包括如下步骤
步骤4.1：根据获取的视频编码格式VCF，查找编码格式的码率折损率表，得到对应的码率折损率loss_factor，
步骤4.2：计算视频动态性加权因子VMF，其中视频动态性加权因子VMF表征了视频的画面的复杂程度，
步骤4.3，对各种不同编码格式、不同内容的视频源利用第一折算公式进行码率折算，经过折算之后的动态加权码率记为VMB，
步骤4.4，将折算后的动态加权码率VMB与视频分辨率VR代入视频动态基准分数表查找，得出视频动态基准评分K1，1≤ K1 ≤11；
步骤5，获取视频模糊度基准评分K2，包括如下步骤
步骤5.1：对所述视频源数据RawData抽取关键帧，利用关键帧分别进行边缘纹理强度和损伤强度的检测，得出视频模糊度值BV和视频块效应值DV，并利用第二折算公式得到视频模糊系数BC；
步骤5.2：将视频模糊系数BC和视频分辨率VR带入视频模糊度基准分数表，得到视频模糊度基准评分K2，1≤ K2 ≤11；
步骤6：将视频动态基准评分K1与视频模糊度基准评分K2按以下公式，计算出最终视频质量等级评分K：
K = K1 * X1 + K2 * X2，
X1为视频动态基准评分K1的权重值，X2为视频模糊度基准评分K2的权重值。
特别的，在步骤4.2包括如下步骤：
步骤4.2.1：设定基准运动视频峰值信噪比BPSNR；
步骤4.2.2：设定VMF的上限值为Top_Thresh，下限值为Bottom_Thresh，Top_Thresh和Bottom_Thresh取值大于0，且Top_Thresh>Bottom_Thresh；
步骤4.2.3：利用下面公式计算视频动态性加权因子VMF：
VMF = MAX(Bottom_Thresh, MIN(2^((OPSNR – BPSNR)/4), Top_Thresh)))。
特别的，步骤4.3中的第一折算公式为：
VMB = VCB * loss_factor * VMF/1000。
特别的，在步骤5.1中的第二折算公式为：
BC = BV * Top_field/MAX（Bottom_field,DV）
其中，Top_field为块效应的上限阀值，Bottom_field为块效应的下限阀值。
特别的，所述编码格式的码率折损率表为根据不同视频类型测试统计得到的近似经验值，所述视频动态基准分数表体现了视频动态质量与视频分辨率、折算后加权码率的关系，所述视频模糊度基准分数表体现了视频模糊度与视频分辨率、模糊系数之间的关系。
本发明还公开了一种无参考视频质量等级评估装置，包括如下单元：
编码信息获取单元，用于分析获取视频的编码格式VCF、视频的编码码率VCB和视频的分辨率VR；
源数据获取单元，用于对视频进行解码，得到视频源数据RawData；
视频峰值信噪比获取单元，用于对所述视频源数据RawData进行one-pass编码 ，获取one-pass 编码完成后的视频峰值信噪比OPSNR；
视频动态基准评分K1获取单元，其包括：
码率折损率获取子单元，用于根据获取的视频编码格式VCF，查找编码格式的码率折损率表，得到对应的码率折损率loss_factor，
视频动态性加权因子计算子单元，用于计算视频动态性加权因子VMF，其中视频动态性加权因子VMF表征了视频的画面的复杂程度，
折算后码率计算子单元，用于对各种不同编码格式、不同内容的视频源利用第一折算公式进行码率折算，经过折算之后的动态加权码率记为VMB，
视频动态基准评分子单元，用于将折算后的动态加权码率VMB与视频分辨率VR代入视频动态基准分数表查找，得出视频动态基准评分K1，1≤ K1 ≤11；
视频模糊度基准评分K2获取单元，其包括
模糊系数计算子单元，用于对所述视频源数据RawData抽取关键帧，利用关键帧分别进行边缘纹理强度和损伤强度的检测，得出视频模糊度值BV和视频块效应值DV，并利用第二折算公式得到视频模糊系数BC；
视频模糊度基准评分子单元，用于将视频模糊系数BC和视频分辨率VR带入视频模糊度基准分数表，得到视频模糊度基准评分K2，1≤ K2 ≤11；
加权计算单元，用于将视频动态基准评分K1与视频模糊度基准评分K2按以下公式，计算出最终视频质量等级评分K：
K = K1 * X1 + K2 * X2，
X1为视频动态基准评分K1的权重值，X2为视频模糊度基准评分K2的权重值。
特别的，所述视频动态性加权因子计算子单元：首先设定基准运动视频峰值信噪比BPSNR的值；然后，设定VMF的上限值为Top_Thresh，下限值为Bottom_Thresh，Top_Thresh和Bottom_Thresh取值大于0，且Top_Thresh>Bottom_Thresh；最后利用下面公式计算视频动态性加权因子VMF：
VMF = MAX(Bottom_Thresh, MIN(2^((OPSNR – BPSNR)/4), Top_Thresh)))。
特别的，所述折算后码率计算子单元中的所述第一折算公式为：
VMB = VCB * loss_factor * VMF/1000。
特别的，所述模糊系数计算子单元中的第二折算公式为：
BC = BV * Top_field/MAX（Bottom_field,DV）
其中，Top_field为块效应的上限阀值，Bottom_field为块效应的下限阀值。
本发明公开了一种全新的无参考视频质量数学模型，通过分析视频的码率、分辨率、压缩协议、内容复杂程度、噪点、块效应和内容边缘强度完成对视频质量的评估，最终输出一个综合客观数值。该系统可简便接入通用的视频编解码架构体系中，计算量小且不需要原始视频信息作为参考，具有较高的工程应用价值。客观输出结果与主观评价结果进行比对测试，系统对视频质量的评估准确率可接近90%。
附图说明
图1示出了本发明的无参考视频质量评价方法的流程图。
图2示出了本发明的无参考视频质量评价装置的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
参见图1，示出了本发明的视频质量评价方法的流程图，具体流程如下：
步骤1：分析获取视频的编码格式Video Coding Format（VCF）、视频的编码码率Video Coding Bitrate（VCB）、视频的分辨率Video Resolution（VR）。
步骤2：对视频进行解码，得到视频源数据RawData。
步骤3：对视频RawData进行one-pass编码 ，获取one-pass 编码完成后的视频峰值信噪比：OPSNR, 单位：db。
步骤4：获取视频动态基准评分K1，包括如下步骤
步骤4.1：根据获取的视频编码格式Video Coding Format（VCF），查找编码格式的码率折损率表，得到对应的码率折损率loss_factor。其中，表1为编码格式的码率折损率表，其为根据不同视频类型测试统计得到的近似经验值。
步骤4.2：计算视频动态性加权因子Video Motion Factor(VMF)（单位：kbps），其中视频动态性加权因子Video Motion Factor表征了视频的画面的复杂程度，比如是否画面切换很快或者场景中纹理很复杂，利用OPSNR估算视频内容运动剧烈情况，具体包括：
步骤4.2.1：设定基准运动视频峰值信噪比Standard-Motion PSNR(BPSNR)的值；设置该值是为了有一个可比较的标准；基准运动视频峰值信噪比Standard-Motion PSNR通常反映了视频运动剧烈程度和纹理复杂程度。
步骤4.2.2：设定Video Motion Factor(VMF)的上限值为Top_Thresh，下限值为Bottom_Thresh ；其中设定上述值是为了将运动和纹理复杂度分类，避免出现一些极端小或极端大的情况，导致分析不正确，Top_Thresh和Bottom_Thresh取值大于0，且Top_Thresh>Bottom_Thresh；
步骤4.2.3：利用下面公式计算视频动态性加权因子Video Motion Factor(VMF)：
VMF = MAX(Bottom_Thresh, MIN(2^((OPSNR – BPSNR)/4), Top_Thresh)))。
步骤4.3，对各种不同编码格式、不同内容的视频源进行码率折算，经过折算之后的动态加权码率记为Video Motion Bitrate（VMB），单位 mbps，其中所述折算公式为:
VMB = VCB * loss_factor * VMF/1000。
步骤4.4，将折算后的动态加权码率VMB与视频分辨率Video Resolution（VR）代入视频动态基准分数表查找，得出视频动态基准评分K1（1≤ K1 ≤11）。
表2为视频动态基准分数表，其表明了视频质量与视频分辨率、折算后动态加权码率的关系，具体地，从视频网站随机取200个视频，根据样本的视频质量情况，将上传网站的视频分为11个质量等级，分别记为1-11，等级1为最差质量视频，等级11为最优质量视频。
步骤5，获取视频模糊度基准评分K2，包括如下步骤
步骤5.1：对所述视频源数据RawData抽取关键帧，利用关键帧分别进行边缘纹理强度和损伤强度的检测，得出视频模糊度值Blurring Value（BV)和视频块效应值Damage Value（DV），并换算得到视频模糊系数Blurring Coefficient（BC）；本领域技术人员应当知道，采用本领域常用的检测方法可以得到视频模糊度BV和视频块效应DV。
步骤5.2：将视频模糊系数BC和视频分辨率VR带入视频模糊度基准分数表，得到视频模糊度基准评分K2（1≤ K2 ≤11）；
其中，在步骤5.1中，换算的公式为：
BC = BV * Top_field/MAX（Bottom_field,DV）
其中，Top_field为块效应的上限阀值，Bottom_field为块效应的下限阀值。
上下限阈值可以根据块效应数值的分布，使得该数值趋向于正态分布而设置。
表3为视频模糊度基准评分表，体现了模糊系数以及视频分辨率与视频模糊度基准评分K2之间的关系。
步骤6：将视频动态基准评分K1与视频模糊度基准评分K2按以下公式，计算出最终视频质量等级评分K：
K = K1 * X1 + K2 * X2
X1为视频动态基准评分K1的权重值，X2为视频模糊度基准评分K2的权重值。
本发明可解决无参考视频质量评估中比较难识别的情况，例如：原版电影和枪版电影；视频码率大但实际画面模糊；拍摄画面对焦不准等等，本方法结果注重实际画面的模糊程度。在使用少量额外运算量的情况下无需像全参考和半参考评估方式一样，需要压缩前的原始视频信息，可直接通过分析视频所得各个维度信息纳入数学建模自动对海量视频的质量进行客观质量评价，且各系统部署简单，方便视频网站对上传视频的质量进行把控，可对优质视频进行择优推荐，可保证视频网站的视频入口和出口的质量。可应用于海量视频的质量筛选。比起主观质量评估方法来说，具有很好的实际应用价值，且精度高。
| 编码格式(Video Coding Format) | 系数(loss_factor) |
| H.264/RV40/VC1/VP8/WMV3/WVC1/WMVA/ | 1 |
| MPEG4/XVID/DIVX/WMV2/wmv1/mpeg4/msmpeg4v2/msmpeg4/msmpeg4v1/ DIVA/Theora/vp6/Sorenson Spark/H.263 | 0.5 |
| WMV1/VP3/MPEG1/MPEG2/DVCPRO/H261 | 0.25 |
| MJPEG等其他 | 0.04 |
| RAW | 0.01 |
表1各种编码格式的码率折损率表
表2 视频动态基准评分与视频分辨率、动态模糊度码率的关系
(在该表中，下限≤参数＜上限，以此规则选择)
表3 视频模糊度基准评分与视频分辨率、模糊系数的关系
(在该表中，下限≤参数＜上限，以此规则选择)
以下通过实施例对本发明的无参考视频质量等级评估方法进行说明。
实施例1：
1280x720 H.264 High Profile压缩的2M码率的《画皮2》电影原版A与枪版B：
主要计算步骤如下：
1. 通过分析视频文件，得到视频的编码格式：VCF = H264 High profile，码率：VCB = 2000kpbs，分辨率：VF = 1280x720；
2. 进行one-pass转码，得到one-pass 转码完成后的视频峰值信噪比都为：OPSNR = 45db；
3 进行视频模糊度和块效应的检测，检测得到原版A的模糊度BV为0.377099；块效应DV为0.251446，枪版B的模糊度BV为0.0771028；块效应DV为0.242998；
4 根据表1中的码率换算关系，获取视频编码格式H264 对应的码率折损率loss_factor = 1；
5 计算码率视频动态性加权因子VMF：
5.1 设定基准运动视频峰值信噪比BPSNR的值为37；
5.2 设定VMF的上限值为4，下限值为2/3；
5.3 利用下面公式计算码率视频动态性加权因子VMF；
原版A：VMF =MAX(2/3, MIN(2^(( 45 – 37)/4), 4)) = 4
枪版B：VMF =MAX(2/3, MIN(2^(( 45 – 37)/4), 4)) = 4
6 对各种不同编码格式、不同内容的视频源进行码率折算，经过折算之后的动态性加权码率记为VMB，单位 mbps。折算公式为：
原版A：VMB = VCB * loss_factor * VMF/1000=2000*1*4/1000=8Mbps
枪版B：VMB = VCB * loss_factor * VMF/1000=2000*1*4/1000=8Mbps
7 根据折算后码率8Mbps与视频的分辨率1280x720的关系（见表2），查表得出视频动态基准评分K1a和K1b都为10（1≤ K1 ≤ 11）；
8 计算模糊系数BC：
8.1 设定块效应上限阀值Top_field为0.8，下限阀值Bottom_field为0.4；
8.2 利用公式计算出原版A和枪版B的模糊系数：
BC = BV * Top_field/MAX（Bottom_field,DV）
原版A：BC = 0.377099 * 0.8/MAX(0.4, 0.251446)=0.754198
枪版B：BC = 0.0771028 * 0.8/MAX(0.4,0.242998)=0.154206；
9 将原版A和枪版B的模糊系数代入表3，得出视频模糊度基准评分K2分别为：K2(a)为9，K2(b)为1；
10 设定视频动态基准评分K1和视频模糊度基准评分K2的权重X1和X2都为0.5，最终视频质量等级评分K(a)和K(b)为：
K(a) = K1(a)*0.5 + K2(a)*0.5=10*0.5 + 9*0.5=9.5
K(b) = K1(b)*0.5 + K2(b)*0.5=10*0.5 + 1*0.5=5.5
经过组织10人观看并进行视频主观评价，经统计原版A主观评价分数平均分为10分，枪版B为5分。经确认该视频质量较高，与本发明算法得出客观评价分数一致。
实施例2：
720x576 MPEG2 Main Profile压缩的4M码率视频A，与720x576 H.264 Main Profile压缩的2M码率视频B：
主要计算步骤如下：
1 通过分析视频文件，得到：
视频A：编码格式VCF = Mpeg2 Main profile，码率VCB = 4000kpbs，分辨率VF = 720x576；
视频B：编码格式VCF = H264 Main profile，码率VCB = 2000kpbs，分辨率VF = 1920x1080；
2 进行one-pass转码，获取one-pass 转码完成后的视频峰值信噪比：
视频A：OPSNR = 41db
视频B：OPSNR = 37.55db
3 进行视频模糊度和块效应的检测，检测得到原版A的模糊度BV为0.467216；块效应DV为0.293094，枪版B的模糊度BV为0.603774；块效应DV为7.40859；
4 根据表1中的码率换算关系，获取视频A和B编码格式MPEG2和H264 对应的码率折损率loss_factor：
视频A：0.25
视频B：1
5 计算码率视频动态性加权因子VMF：
5.1 设定基准运动视频峰值信噪比BPSNR的值为37；
5.2 设定VMF的上限值为4，下限值为2/3；
5.3 利用下面公式计算码率视频动态性加权因子VMF：
视频A：VMF =MAX(2/3, MIN(2^(( 41 – 37)/4), 4)) = 2
视频B：VMF =MAX(2/3, MIN(2^(( 37.55 – 37)/4), 4)) = 1.1；
6 对各种不同编码格式、不同内容的视频源进行码率折算，经过折算之后的动态性加权码率记为VMB，单位 mbps。折算公式为：
视频A：VMB = VCB * loss_factor * VMF/1000=4000*0.25*2/1000=2Mbps
视频B：VMB = VCB * loss_factor * VMF/1000=2000*1*1.1/1000=2.2Mbps；
7 根据折算后码率2Mbps和2.2Mbps与视频的分辨率的关系（见表2），查表得出视频动态基准评分K1(a)为6，K1(b)为7（1≤ K1 ≤ 11）；
8 计算模糊系数BC：
8.1 设定块效应上限阀值Top_field为0.8，下限阀值Bottom_field为0.4；
8.2 利用公式计算出A和B的模糊系数：
BC = BV * Top_field/MAX（Bottom_field,DV）
视频A：BC = 0.467216 * 0.8/MAX(0.4, 0.293094)=0.934432
视频B：BC = 0.603774 * 0.8/MAX(0.4, 7.40859)=0.065197；
9 将视频A和视频B的模糊系数代入表3，得出视频模糊度基准评分K2分别为：K2(a)为8，K2(b)为1；
10 设定视频动态基准评分K1和视频模糊度基准评分K2的权重X1和X2都为0.5，最终视频质量等级评分K(a)和K(b)为：
K(a) = K1(a)*0.5 + K2(a)*0.5=6*0.5 + 8*0.5=7
K(b) = K1(b)*0.5 + K2(b)*0.5=7*0.5 + 1*0.5=4；
11 经过组织10人观看并进行视频主观评价，视频B马赛克程度较大，经统计主观评价分数平均分视频A为7.2分,视频B为3.8。经确认该视频质量几乎一致，与本专利算法得出客观评价分数一致。
本发明还提出一种无参考视频质量等级评估装置，其包括如下单元：
编码信息获取单元，用于分析获取视频的编码格式VCF、视频的编码码率VCB和视频的分辨率VR。
源数据获取单元，用于对视频进行解码，得到视频源数据RawData；
视频峰值信噪比获取单元，用于对所述视频源数据RawData进行one-pass编码 ，获取one-pass 编码完成后的视频峰值信噪比OPSNR；
视频动态基准评分K1获取单元，其包括
码率折损率获取子单元，用于根据获取的视频编码格式VCF，查找编码格式的码率折损率表，得到对应的码率折损率loss_factor，
视频动态性加权因子计算子单元，用于计算视频动态性加权因子VMF，其中视频动态性加权因子VMF表征了视频的画面的复杂程度，
折算后码率计算子单元，用于对各种不同编码格式、不同内容的视频源利用第一折算公式进行码率折算，经过折算之后的动态加权码率记为VMB，
视频动态基准评分子单元，用于将折算后的动态加权码率VMB与视频分辨率VR代入视频动态基准分数表查找，得出视频动态基准评分K1，1≤ K1 ≤11；
视频模糊度基准评分K2获取单元，其包括
模糊系数计算子单元，用于对所述视频源数据RawData抽取关键帧，利用关键帧分别进行边缘纹理强度和损伤强度的检测，得出视频模糊度值BV和视频块效应值DV，并利用第二折算公式得到视频模糊系数BC；
视频模糊度基准评分子单元，用于将视频模糊系数BC和视频分辨率VR带入视频模糊度基准分数表，得到视频模糊度基准评分K2，1≤ K2 ≤11；
加权计算单元，用于将视频动态基准评分K1与视频模糊度基准评分K2按以下公式，计算出最终视频质量等级评分K：
K = K1 * X1 + K2 * X2，
X1为视频动态基准评分K1的权重值，X2为视频模糊度基准评分K2的权重值。
特别的，所述视频动态性加权因子计算子单元：首先设定基准运动视频峰值信噪比BPSNR的值；然后，设定VMF的上限值为Top_Thresh，下限值为Bottom_Thresh，Top_Thresh和Bottom_Thresh取值大于0，且Top_Thresh>Bottom_Thresh；最后利用下面公式计算视频动态性加权因子VMF：
VMF = MAX(Bottom_Thresh, MIN(2^((OPSNR – BPSNR)/4), Top_Thresh)))。
特别的，所述折算后码率计算子单元中的所述第一折算公式为：
VMB = VCB * loss_factor * VMF/1000
特别的，所述模糊系数计算子单元中的第二折算公式为：
BC = BV * Top_field/MAX（Bottom_field,DV）
其中，Top_field为块效应的上限阀值，Bottom_field为块效应的下限阀值。
特别的，所述编码格式的码率折损率表为根据不同视频类型测试统计得到的近似经验值，所述视频动态基准分数表体现了视频动态质量与视频分辨率、折算后加权码率的关系，所述视频模糊度基准分数表体现了视频模糊度与视频分辨率、模糊系数之间的关系。
显然，本领域技术人员应该明白，上述的本发明的各单元或各步骤可以用通用的计算装置来实现，它们可以集中在单个计算装置上,可选地，他们可以用计算机装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件的结合。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施方式仅限于此，对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单的推演或替换，都应当视属于本发明由所提交的权利要求书确定保护范围。
Claims (10)
1.一种无参考视频质量等级评估方法，包括如下步骤：
步骤1：分析获取视频的编码格式VCF、视频的编码码率VCB和视频的分辨率VR；
步骤2：对视频进行解码，得到视频源数据RawData；
步骤3：对视频RawData进行one-pass编码 ，获取one-pass 编码完成后的视频峰值信噪比OPSNR；
步骤4：获取视频动态基准评分K1，包括如下步骤
步骤4.1：根据获取的视频编码格式VCF，查找编码格式的码率折损率表，得到对应的码率折损率loss_factor，
步骤4.2：计算视频动态性加权因子VMF，其中视频动态性加权因子VMF表征了视频的画面的复杂程度，
步骤4.3，对各种不同编码格式、不同内容的视频源利用第一折算公式进行码率折算，经过折算之后的动态加权码率记为VMB，
步骤4.4，将折算后的动态加权码率VMB与视频分辨率VR代入视频动态基准分数表查找，得出视频动态基准评分K1，1≤ K1 ≤11；
步骤5，获取视频模糊度基准评分K2，包括如下步骤
步骤5.1：对所述视频源数据RawData抽取关键帧，利用关键帧分别进行边缘纹理强度和损伤强度的检测，得出视频模糊度值BV和视频块效应值DV，并利用第二折算公式得到视频模糊系数BC；
步骤5.2：将视频模糊系数BC和视频分辨率VR带入视频模糊度基准分数表，得到视频模糊度基准评分K2，1≤ K2 ≤11；
步骤6：将视频动态基准评分K1与视频模糊度基准评分K2按以下公式，计算出最终视频质量等级评分K：
K = K1 * X1 + K2 * X2，
X1为视频动态基准评分K1的权重值，X2为视频模糊度基准评分K2的权重值。
2.根据权利要求1所述的无参考视频质量等级评估方法，其特征在于：
在步骤4.2包括如下步骤：
步骤4.2.1：设定基准运动视频峰值信噪比BPSNR；
步骤4.2.2：设定VMF的上限值为Top_Thresh，下限值为Bottom_Thresh，Top_Thresh和Bottom_Thresh取值大于0，且Top_Thresh>Bottom_Thresh；
步骤4.2.3：利用下面公式计算视频动态性加权因子VMF：
VMF = MAX(Bottom_Thresh, MIN(2^((OPSNR – BPSNR)/4), Top_Thresh)))。
3.根据权利要求1所述的无参考视频质量等级评估方法，其特征在于：
步骤4.3中的第一折算公式为：
VMB = VCB * loss_factor * VMF/1000。
4.根据权利要求1所述的无参考视频质量等级评估方法，其特征在于：
在步骤5.1中的第二折算公式为：
BC = BV * Top_field/MAX（Bottom_field,DV）
其中，Top_field为块效应的上限阀值，Bottom_field为块效应的下限阀值。
5.根据权利要求1所述的无参考视频质量等级评估方法，其特征在于：
所述编码格式的码率折损率表为根据不同视频类型测试统计得到的近似经验值，所述视频动态基准分数表体现了视频动态质量与视频分辨率、折算后加权码率的关系，所述视频模糊度基准分数表体现了视频模糊度与视频分辨率、模糊系数之间的关系。
6.一种无参考视频质量等级评估装置，包括如下单元：
编码信息获取单元，用于分析获取视频的编码格式VCF、视频的编码码率VCB和视频的分辨率VR；
源数据获取单元，用于对视频进行解码，得到视频源数据RawData；
视频峰值信噪比获取单元，用于对所述视频源数据RawData进行one-pass编码，获取one-pass 编码完成后的视频峰值信噪比OPSNR；
视频动态基准评分K1获取单元，其包括
码率折损率获取子单元，用于根据获取的视频编码格式VCF，查找编码格式的码率折损率表，得到对应的码率折损率loss_factor，
视频动态性加权因子计算子单元，用于计算视频动态性加权因子VMF，其中视频动态性加权因子VMF表征了视频的画面的复杂程度，
折算后码率计算子单元，用于对各种不同编码格式、不同内容的视频源利用第一折算公式进行码率折算，经过折算之后的动态加权码率记为VMB，
视频动态基准评分子单元，用于将折算后的动态加权码率VMB与视频分辨率VR代入视频动态基准分数表查找，得出视频动态基准评分K1，1≤ K1 ≤11；
视频模糊度基准评分K2获取单元，其包括
模糊系数计算子单元，用于对所述视频源数据RawData抽取关键帧，利用关键帧分别进行边缘纹理强度和损伤强度的检测，得出视频模糊度值BV和视频块效应值DV，并利用第二折算公式得到视频模糊系数BC；
视频模糊度基准评分子单元，用于将视频模糊系数BC和视频分辨率VR带入视频模糊度基准分数表，得到视频模糊度基准评分K2，1≤ K2 ≤11；
加权计算单元，用于将视频动态基准评分K1与视频模糊度基准评分K2按以下公式，计算出最终视频质量等级评分K：
K = K1 * X1 + K2 * X2，
X1为视频动态基准评分K1的权重值，X2为视频模糊度基准评分K2的权重值。
7.根据权利要求6所述的无参考视频质量等级评估装置，其特征在于：
所述视频动态性加权因子计算子单元：首先设定基准运动视频峰值信噪比BPSNR的值；然后，设定VMF的上限值为Top_Thresh，下限值为Bottom_Thresh，Top_Thresh和Bottom_Thresh取值大于0，且Top_Thresh>Bottom_Thresh；最后利用下面公式计算视频动态性加权因子VMF：
VMF = MAX(Bottom_Thresh, MIN(2^((OPSNR – BPSNR)/4), Top_Thresh)))。
8.根据权利要求6所述的无参考视频质量等级评估装置，其特征在于：
所述折算后码率计算子单元中的所述第一折算公式为：
VMB = VCB * loss_factor * VMF/1000。
9.根据权利要求6所述的无参考视频质量等级评估装置，其特征在于：
所述模糊系数计算子单元中的第二折算公式为：
BC = BV * Top_field/MAX（Bottom_field,DV）
其中，Top_field为块效应的上限阀值，Bottom_field为块效应的下限阀值。
10.根据权利要求6所述的无参考视频质量等级评估装置，其特征在于：
所述编码格式的码率折损率表为根据不同视频类型测试统计得到的近似经验值，所述视频动态基准分数表体现了视频动态质量与视频分辨率、折算后加权码率的关系，所述视频模糊度基准分数表体现了视频模糊度与视频分辨率、模糊系数之间的关系。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310502711.4A CN103533367B (zh) | 2013-10-23 | 2013-10-23 | 一种无参考视频质量评价方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310502711.4A CN103533367B (zh) | 2013-10-23 | 2013-10-23 | 一种无参考视频质量评价方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103533367A true CN103533367A (zh) | 2014-01-22 |
| CN103533367B CN103533367B (zh) | 2015-08-19 |
Family
ID=49934980
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310502711.4A Expired - Fee Related CN103533367B (zh) | 2013-10-23 | 2013-10-23 | 一种无参考视频质量评价方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103533367B (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105389322A (zh) * | 2014-08-27 | 2016-03-09 | 泽普实验室公司 | 基于运动传感器数据来推荐体育教学内容 |
| CN105763892A (zh) * | 2014-12-15 | 2016-07-13 | 中国移动通信集团公司 | 一种检测媒体节目播出服务质量的方法及装置 |
| CN105847970A (zh) * | 2016-04-06 | 2016-08-10 | 华为技术有限公司 | 视频显示质量的计算方法及设备 |
| CN107464222A (zh) * | 2017-07-07 | 2017-12-12 | 宁波大学 | 基于张量空间的无参考高动态范围图像客观质量评价方法 |
| WO2018049680A1 (zh) * | 2016-09-19 | 2018-03-22 | 华为技术有限公司 | 一种信息获取方法及设备 |
| CN108271016A (zh) * | 2016-12-30 | 2018-07-10 | 上海大唐移动通信设备有限公司 | 视频质量评估方法及装置 |
| CN110622506A (zh) * | 2017-06-08 | 2019-12-27 | 华为技术有限公司 | 发送虚拟现实(vr)内容的方法和系统 |
| CN110891189A (zh) * | 2018-09-07 | 2020-03-17 | 迪斯尼企业公司 | 用于检测视频内容的基于硬件或基于软件的解码的配置 |
| CN111757023A (zh) * | 2020-07-01 | 2020-10-09 | 成都傅立叶电子科技有限公司 | 基于fpga的视频接口诊断方法及系统 |
| CN111767428A (zh) * | 2020-06-12 | 2020-10-13 | 咪咕文化科技有限公司 | 视频推荐方法、装置、电子设备及存储介质 |
| CN111863033A (zh) * | 2020-07-30 | 2020-10-30 | 北京达佳互联信息技术有限公司 | 音频质量识别模型的训练方法、装置、服务器和存储介质 |
| CN113259727A (zh) * | 2021-04-30 | 2021-08-13 | 广州虎牙科技有限公司 | 视频推荐方法、视频推荐装置及计算机可读存储介质 |
| CN113382284A (zh) * | 2020-03-10 | 2021-09-10 | 国家广播电视总局广播电视科学研究院 | 一种盗版视频的分类方法及装置 |
| CN113382232A (zh) * | 2021-08-12 | 2021-09-10 | 北京微吼时代科技有限公司 | 监控音视频质量的方法和装置、系统、电子设备 |
| CN114925308A (zh) * | 2022-04-29 | 2022-08-19 | 北京百度网讯科技有限公司 | 网站的网页处理方法、装置、电子设备和存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050243910A1 (en) * | 2004-04-30 | 2005-11-03 | Chul-Hee Lee | Systems and methods for objective video quality measurements |
| CN101635846A (zh) * | 2008-07-21 | 2010-01-27 | 华为技术有限公司 | 一种视频质量评估方法、系统及装置 |
| CN101742353A (zh) * | 2008-11-04 | 2010-06-16 | 工业和信息化部电信传输研究所 | 无参考视频质量评价方法 |
| CN102202227A (zh) * | 2011-06-21 | 2011-09-28 | 珠海世纪鼎利通信科技股份有限公司 | 一种无参考视频质量客观评估方法 |
| CN102740108A (zh) * | 2011-04-11 | 2012-10-17 | 华为技术有限公司 | 一种视频数据质量评估方法和装置 |
-
2013
- 2013-10-23 CN CN201310502711.4A patent/CN103533367B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050243910A1 (en) * | 2004-04-30 | 2005-11-03 | Chul-Hee Lee | Systems and methods for objective video quality measurements |
| CN101635846A (zh) * | 2008-07-21 | 2010-01-27 | 华为技术有限公司 | 一种视频质量评估方法、系统及装置 |
| CN101742353A (zh) * | 2008-11-04 | 2010-06-16 | 工业和信息化部电信传输研究所 | 无参考视频质量评价方法 |
| CN102740108A (zh) * | 2011-04-11 | 2012-10-17 | 华为技术有限公司 | 一种视频数据质量评估方法和装置 |
| CN102202227A (zh) * | 2011-06-21 | 2011-09-28 | 珠海世纪鼎利通信科技股份有限公司 | 一种无参考视频质量客观评估方法 |
Cited By (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105389322A (zh) * | 2014-08-27 | 2016-03-09 | 泽普实验室公司 | 基于运动传感器数据来推荐体育教学内容 |
| CN105389322B (zh) * | 2014-08-27 | 2019-01-25 | 北京顺源开华科技有限公司 | 基于运动传感器数据来推荐体育教学内容 |
| CN105763892B (zh) * | 2014-12-15 | 2018-09-07 | 中国移动通信集团公司 | 一种检测媒体节目播出服务质量的方法及装置 |
| CN105763892A (zh) * | 2014-12-15 | 2016-07-13 | 中国移动通信集团公司 | 一种检测媒体节目播出服务质量的方法及装置 |
| CN105847970A (zh) * | 2016-04-06 | 2016-08-10 | 华为技术有限公司 | 视频显示质量的计算方法及设备 |
| WO2017173817A1 (zh) * | 2016-04-06 | 2017-10-12 | 华为技术有限公司 | 视频显示质量的计算方法及设备 |
| WO2018049680A1 (zh) * | 2016-09-19 | 2018-03-22 | 华为技术有限公司 | 一种信息获取方法及设备 |
| CN108271016A (zh) * | 2016-12-30 | 2018-07-10 | 上海大唐移动通信设备有限公司 | 视频质量评估方法及装置 |
| CN108271016B (zh) * | 2016-12-30 | 2019-10-22 | 上海大唐移动通信设备有限公司 | 视频质量评估方法及装置 |
| CN110622506B (zh) * | 2017-06-08 | 2021-02-12 | 华为技术有限公司 | 发送虚拟现实(vr)内容的方法和系统 |
| CN110622506A (zh) * | 2017-06-08 | 2019-12-27 | 华为技术有限公司 | 发送虚拟现实(vr)内容的方法和系统 |
| CN107464222B (zh) * | 2017-07-07 | 2019-08-20 | 宁波大学 | 基于张量空间的无参考高动态范围图像客观质量评价方法 |
| CN107464222A (zh) * | 2017-07-07 | 2017-12-12 | 宁波大学 | 基于张量空间的无参考高动态范围图像客观质量评价方法 |
| CN110891189A (zh) * | 2018-09-07 | 2020-03-17 | 迪斯尼企业公司 | 用于检测视频内容的基于硬件或基于软件的解码的配置 |
| CN113382284A (zh) * | 2020-03-10 | 2021-09-10 | 国家广播电视总局广播电视科学研究院 | 一种盗版视频的分类方法及装置 |
| CN113382284B (zh) * | 2020-03-10 | 2023-08-01 | 国家广播电视总局广播电视科学研究院 | 一种盗版视频的分类方法及装置 |
| CN111767428A (zh) * | 2020-06-12 | 2020-10-13 | 咪咕文化科技有限公司 | 视频推荐方法、装置、电子设备及存储介质 |
| CN111757023A (zh) * | 2020-07-01 | 2020-10-09 | 成都傅立叶电子科技有限公司 | 基于fpga的视频接口诊断方法及系统 |
| CN111757023B (zh) * | 2020-07-01 | 2023-04-11 | 成都傅立叶电子科技有限公司 | 基于fpga的视频接口诊断方法及系统 |
| CN111863033A (zh) * | 2020-07-30 | 2020-10-30 | 北京达佳互联信息技术有限公司 | 音频质量识别模型的训练方法、装置、服务器和存储介质 |
| CN111863033B (zh) * | 2020-07-30 | 2023-12-12 | 北京达佳互联信息技术有限公司 | 音频质量识别模型的训练方法、装置、服务器和存储介质 |
| CN113259727A (zh) * | 2021-04-30 | 2021-08-13 | 广州虎牙科技有限公司 | 视频推荐方法、视频推荐装置及计算机可读存储介质 |
| CN113382232A (zh) * | 2021-08-12 | 2021-09-10 | 北京微吼时代科技有限公司 | 监控音视频质量的方法和装置、系统、电子设备 |
| CN114925308A (zh) * | 2022-04-29 | 2022-08-19 | 北京百度网讯科技有限公司 | 网站的网页处理方法、装置、电子设备和存储介质 |
| CN114925308B (zh) * | 2022-04-29 | 2023-10-03 | 北京百度网讯科技有限公司 | 网站的网页处理方法、装置、电子设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103533367B (zh) | 2015-08-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103533367B (zh) | 一种无参考视频质量评价方法及装置 | |
| CN103414915B (zh) | 一种网站上传视频质量评价方法及装置 | |
| US8804815B2 (en) | Support vector regression based video quality prediction | |
| Zhang et al. | Subjective and objective quality assessment of panoramic videos in virtual reality environments | |
| Ma et al. | Reduced-reference video quality assessment of compressed video sequences | |
| Ries et al. | Video Quality Estimation for Mobile H. 264/AVC Video Streaming. | |
| CN104661021B (zh) | 一种视频流的质量评估方法 | |
| CN107454446A (zh) | 基于体验质量分析的视频帧管理方法及其装置 | |
| Aguiar et al. | Video quality estimator for wireless mesh networks | |
| Xue et al. | Mobile video perception: New insights and adaptation strategies | |
| Zeng et al. | 3D-SSIM for video quality assessment | |
| CN107820095A (zh) | 一种长期参考图像选择方法及装置 | |
| WO2016033725A1 (zh) | 视频编码中的块分割方式处理方法和相关装置 | |
| Li et al. | Recent advances and challenges in video quality assessment | |
| WO2018153161A1 (zh) | 一种视频质量评价方法及装置、设备、存储介质 | |
| CN105933705B (zh) | 一种hevc解码视频主观质量评价方法 | |
| KR101465664B1 (ko) | 영상 데이터 품질 평가 장치, 방법 및 시스템 | |
| CN110913221A (zh) | 一种视频码率预测方法及装置 | |
| MX2014007041A (es) | Metodo y aparato para medicion de calidad de video. | |
| Boujut et al. | Weighted-MSE based on Saliency map for assessing video quality of H. 264 video streams | |
| WO2012010046A1 (zh) | 一种视频编码性能测试方法及系统 | |
| Alvarez et al. | A flexible QoE framework for video streaming services | |
| Wang et al. | Spatio-temporal ssim index for video quality assessment | |
| Akoa et al. | Video decoder monitoring using non-linear regression | |
| Feng et al. | BVI-Artefact: An artefact detection benchmark dataset for streamed videos |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20200331 Address after: 310000 room 508, floor 5, building 4, No. 699, Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province Patentee after: Alibaba (China) Co.,Ltd. Address before: Room 02, floor 2, building e, No. 555, Dongchuan Road, Minhang District, Shanghai Patentee before: CHUANXIAN NETWORK TECHNOLOGY (SHANGHAI) CO., LTD) |
|
| TR01 | Transfer of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150819 Termination date: 20201023 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |