CN105578185B - 一种网络视频流的无参考图像质量在线估计方法 - Google Patents

一种网络视频流的无参考图像质量在线估计方法 Download PDF

Info

Publication number
CN105578185B
CN105578185B CN201510930619.7A CN201510930619A CN105578185B CN 105578185 B CN105578185 B CN 105578185B CN 201510930619 A CN201510930619 A CN 201510930619A CN 105578185 B CN105578185 B CN 105578185B
Authority
CN
China
Prior art keywords
frame
coefficient
psnr
frames
scene
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
Application number
CN201510930619.7A
Other languages
English (en)
Other versions
CN105578185A (zh
Inventor
郭红星
朱文周
杨建群
潘俊夫
苏曙光
孙伟平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN201510930619.7A priority Critical patent/CN105578185B/zh
Publication of CN105578185A publication Critical patent/CN105578185A/zh
Application granted granted Critical
Publication of CN105578185B publication Critical patent/CN105578185B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/136—Incoming video signal characteristics or properties
    • 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
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/142—Detection of scene cut or scene change
    • 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
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/172—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a picture, frame or field
    • 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
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/513—Processing of motion vectors
    • H04N19/517—Processing of motion vectors by encoding
    • H04N19/52—Processing of motion vectors by encoding by predictive encoding
    • 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
    • H04N19/87—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression involving scene cut or scene change detection in combination with video compression

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明公开了一种网络视频流的无参考图像质量在线估计方法。所述方法利用P帧PSNR相对于I帧纹理复杂度和P帧运动量的线性预测模型，估计网络视频流的P帧PSNR值；同时结合模型系数随P帧帧长和场景的变化而动态变化的规律，利用I帧的PSNR调整纹理系数，利用上一P帧的运动系数和当前帧的运动信息调整当前帧的运动系数，最终得出了较为准确的适应视频内容变化的P帧PSNR估计方法。本发明提供的线性预测模型，只需解码I帧，无需解码P帧，系统运行开销小，而且在线动态更新运动系数和纹理系数可及时反映视频流中相邻P帧间的运动变化和场景切换时纹理复杂度的变化，从而使得估计得到的PSNR较为准确，系统自适应性好。

Description

一种网络视频流的无参考图像质量在线估计方法
技术领域
本发明属于视频质量评估领域，更具体地，涉及一种网络视频流的无参考图像质量在线估计方法。
背景技术
近年来，网络视频在实时视频监控、高清数字电视和移动视频等领域得到广泛应用，并向更高清晰度、更高分辨率方向迅速发展。由于视频的原始数据量巨大，网络视频一般都是进行压缩后再存储和传输。由于视频压缩是一种有损压缩，并且压缩后的视频在传输过程中的丢包以及信道噪声都会降低视频质量。因此，视频服务提供商要确保提供给用户高质量视频服务，首先必须对传送到用户端的视频质量进行评估，由评估得到的结果动态调节编码参数与信道参数，最终达到既能提供良好的用户体验，又能节省网络带宽资源等开销，降低服务成本的目的。
在实际应用中，主观视频质量评估方法无法满足实时的视频质量评估需求，一般要使用客观的质量评估方法。峰值信噪比(PSNR)可以较好地评估视频编码过程中由于量化误差导致的图像失真，是目前最有效的视频图像客观质量评估准则之一。目前常用的视频客观质量评估方法包括三类：全参考，半参考和无参考。由于带宽限制，视频流在网络中传输时，应尽量少传输甚至不传输额外信息，而全参考和半参考方法需要全部或部分原始视频信息，因此，本发明提出一种仅根据所接收的视频压缩码流来估计PSNR的无参考视频质量评估方法。
目前，无参考视频质量评估方法的研究主要分为两大类：基于像素的评估方法和基于码流的评估方法。基于像素的评估方法需要完全解码视频流，具有很高的计算复杂度；基于码流的评估方法，只需提取码流中的离散余弦变换(DCT)系数，帧长等信息来进行视频质量评估，因此具有更高的灵活性和更快的计算速度。目前已经有较为准确的利用DCT系数来对视频压缩帧内编码帧(I帧)的PSNR进行估计的方法。如[Deepak S.Turaga,YingweiChen,Jorge Caviedes.No reference PSNR estimation for compressed pictures.IEEEImage Procesing.2002,III-61-III-64vol.3][1]提出：在不参考原始视频数据并且只解码I帧的情况下，利用I帧的统计信息来估计PSNR值，最终误差可控制在1dB以内。对于压缩视频流来说，一般进行一个I帧编码后，后面会连续编码多个预测编码帧(P帧)，因此P帧一般占有更大的比例，但目前还未见有较准确，且简单易用的预测P帧PSNR的方法。
为了解决上述问题，迫切需要一种能够快速准确预测P帧PSNR的估计方法，同时保持相对较低的计算复杂度。
发明内容
针对现有技术的以上缺陷或不足，本发明提供了网络视频流的无参考图像质量在线估计方法，具体从压缩视频流率失真性能主要受视频纹理复杂度和运动量这两个因素影响的角度出发，提出一种在线动态预测P帧PSNR的方法，通过执行本发明中的方案，可以不参考原始视频就能够对压缩视频流质量进行实时评估，在获得较准确的预测结果的同时进一步显著降低了运行开销，因而尤其适用于网络流媒体视频质量评估的应用场合。
为实现上述目的，本发明提出了一种网络视频流的无参考图像质量在线估计方法，其特征在于，所述方法包括以下步骤：
(1)对网络视频流的各帧图像进行场景分割，将每一个视频压缩帧内编码帧I帧及紧随其后的N个预测编码帧P帧划分为一个场景Sj,j≥1；
(2)建立同一场景中预测编码帧P帧峰值信噪比PSNR的线性预测模型：
其中，M为预测编码帧P帧运动系数；T为当前场景视频压缩帧内编码帧I帧的纹理系数；为第i个P帧帧长li与当前场景下所有P帧帧长均值lavg的差值，i＝1,…,N；其中，其中，N为当前场景中P帧总数。
(3)利用步骤(2)建立的线性预测模型依次对网络视频流所有场景预测编码帧P帧的峰值信噪比PSNR值进行估计。
作为进一步优选的，所述步骤(3)具体包括：
(3-1)估计当前场景Sj,j≥1中视频压缩帧内编码帧I帧的PSNR，得到当前场景Sj的视频压缩帧内编码帧I帧的纹理系数T；
(3-2)通过离线统计分析得到当前场景Sj的中预测编码帧P帧运动系数初始值Minit；
(3-3)利用步骤(3-1)中得到的当前场景的纹理系数T及运动系数初始值Minit，通过所述线性预测模型得到当前场景第一个P帧的峰值信噪比PSNR值
(3-4)针对当前场景中N-1个P帧，保持纹理系数T不变，依次更新运动系数M后，再通过所述线性预测模型得到当前场景对应P帧的峰值信噪比PSNR值i＝2，…,N；
(3-5)针对网络视频流中的后续场景，依次执行步骤(3-1)-(3-4)。
作为进一步优选的，所述更新运动系数M具体为：
其中Δli,i-1为当前P帧与前一个P帧的帧长差，Δli,i-1＝Li-Li-1,i＝2，…,N；为当前P帧与所有P帧帧长均值lavg的差值；Q为离线统计分析得出的量化系数；Mi-1为上一帧的运动系数。作为进一步优选的，所述当前场景Sj的帧内编码帧I帧的纹理系数T具体为：
T＝Ipsnr
通过I帧的离散余弦变换DCT系数估计I帧的PSNR值Ipsnr：
其中，D为均方误差MSE， 是直流DC系数平均量化误差的平方，是每一个交流AC系数的误差平方。
总体而言，按照本发明点的以上技术方案与现有技术相比，主要具备以下的技术优点：
1、本发明提出了一种网络视频流的无参考图像质量在线估计方法，通过执行本发明，进一步降低了系统运行时开销小，而且在线动态更新运动系数M和纹理系数T可及时反映视频流中相邻P帧间的运动变化和场景纹理复杂度的变化，从而使得估计得到的PSNR较为准确，提高了系统的自适应性；
2、此外，本发明利用离线分析得到P帧PSNR相对于I帧纹理复杂度和P帧运动量的统计模型，即线性预测模型，并挖掘出模型系数随着P帧帧长和场景变化而变化的规律。利用上述线性预测模型对压缩视频流的P帧PSNR进行估计；同时结合模型系数随P帧帧长和场景的变化而动态变化的规律，利用前面帧的模型系数动态调整后续帧的模型系数，最终得到能快速准确地估计并适应视频内容变化的P帧PSNR估计方法；
3、按照本发明提出的一种网络视频流的无参考图像质量在线估计方法，对于线性预测模型中参数的获取并未存在过多的计算复杂度，显著降低了系统开销，因而具有一定的可实施性及实用推广价值。
附图说明
图1为本发明网络视频流的无参考图像质量在线估计方法总体流程图；
图2为本发明网络视频流的无参考图像质量在线估计方法具体流程图；
图3为基于I帧的视频场景分割示意图；
图4为运动系数和纹理系数更新规则示意图；
图5为视频场景变化和视频运动量与线性模型中纹理系数和运动系数的关系示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
如图1及图2所示，本发明方法对网络视频流的各帧图像均按照如下步骤处理：
(1)对各帧图像进行场景分割。如图3所示，即对于“IPP…PPIPP…PPIPP…PPI…”帧序列，I帧的出现代表场景切换(Scene cut),所以将每一个I帧及紧随其后的N个P帧划分为一个场景(Scene)。将每一个场景作为独立的分析对象，执行后续步骤。
(2)建立同一场景中预测编码帧P帧峰值信噪比PSNR的线性预测模型：
其中，M为预测编码帧P帧运动系数；T为当前场景视频压缩帧内编码帧I帧的纹理系数；为第i个P帧帧长li与当前场景下所有P帧帧长均值lavg的差值，i＝1,…,N；其中，其中，N为当前场景中P帧总数。
通过离线统计分析得出：同一场景的纹理信息基本不变；帧长l越长，说明运动量越大，量化的宏块数就越多，图像失真越大，PSNR也就越小。如图5所示给出了视频场景变化和视频运动量与线性模型中纹理系数和运动系数的关系示意图。因而本发明提出了上述在同一场景中P帧PSNR的线性预测模型。
(3)利用步骤(2)建立的线性预测模型依次对网络视频流所有场景预测编码帧P帧的峰值信噪比PSNR值进行估计。
(3-1)估计当前场景Sj,j≥1中视频压缩帧内编码帧I帧的PSNR，得到当前场景Sj的视频压缩帧内编码帧I帧的纹理系数T；
(3-2)通过离线统计分析得到当前场景Sj中预测编码帧P帧运动系数初始值Minit；
(3-3)利用步骤(3-1)中得到的当前场景的纹理系数T及运动系数初始值Minit，通过所述线性预测模型得到当前场景第一个P帧的峰值信噪比PSNR值
(3-4)针对当前场景中其余N-1个P帧，保持纹理系数T不变，依次更新运动系数M后，再通过所述线性预测模型得到当前场景对应P帧的峰值信噪比PSNR值i＝2，…,N；
(3-5)针对网络视频流中的后续场景，依次执行步骤(3-1)-(3-4)。
在同一场景下，表征P帧运动量的运动系数M也要随P帧运动量的变化实时更新，如图4所示，也就是说，对于同一场景，M的初始值Minit可通过离线统计分析得出；对于同一场景中后续的P帧(i>1)，统筹考虑P帧的局部运动量和全局运动量后，运动系数M更新方法为：
其中Δli,i-1＝Li-Li-1,i＝2,…,N)，为当前P帧与前一个P帧的帧长差，表征了当前P帧的局部运动量；为当前P帧与所有P帧帧长均值lavg的差值，表征了当前P帧的全局运动量；Q为离线统计分析得出的量化系数；Mi-1上一帧的运动系数。
随场景的切换，表征同一场景的纹理系数T同样进行动态更新，如图4所示，由于I帧没有运动量，那么可直接将估计得到的I帧PSNR作为表征这一场景纹理复杂度的系数。即所述当前场景Sj中的帧内编码帧I帧的纹理系数T具体为：
T＝Ipsnr
通过I帧的离散余弦变换DCT系数估计I帧的PSNR值Ipsnr：
其中，D为均方误差MSE， 是直流DC系数平均量化误差的平方，是每一个交流AC系数的误差平方。
对于同一场景，纹理复杂度是基本不变的，所以T在此场景中是常量。每当场景切换，就重新计算I帧的纹理复杂度，以此动态更新T值。
下面结合H.264/AVC标准压缩的CIF(352×288)格式视频流Football(假设编码时只允许I帧和P帧存在),对P帧PSNR进行动态预测。利用这个具体实例对本发明做进一步的说明：
(1)首先读取Football视频流的I帧，标识场景切换。
(11)解码I帧，重构图像。
(12)计算此I帧的PSNR，公式如下：
其中，D为均方误差(MSE)，是直流(DC)系数平均量化误差，是每一个交流(AC)系数的总体误差方。
(2)读取Football视频流的后续所有P帧直到下一个I帧或视频结束，将这些P帧放入队列Queue，获得P帧总数N。
(21)分别确定纹理系数T的值和运动系数M初值：
(211)由于I帧没有运动量，所以直接将步骤(1)得出的I帧PSNR值作为表征这一场景纹理复杂度的系数：T＝Ipsnr。
(212)对于同一场景的CIF格式视频，M初始值通过离线统计分析得Minit＝-0.005。
(22)计算P帧运动量：
(221)首先，计算P帧帧长的均值:
其中，li是第i(i≥1)个P帧帧长，N为当前场景的P帧总数。
(222)其次，计算每个P帧的帧长与当前场景P帧长均值的差值：
(223)最后，计算相邻P帧的帧长差值：
Δli，i-1＝Li-Li-1，[＝2，...，N
(3)在同一场景中，利用本发明提出的线性预测模型:
估计每一个P帧的PSNR。
(31)对于第一个P(i＝1)帧，在步骤(222)中已经算出，所以直接使用运动系数Minit＝-0.005和纹理系数T＝Ipsnr来计算此P帧的PSNR。
(32)对于后续P(i>1)帧，纹理系数T不变，运动系数M更新为：
其中，Q为离线统计分析得出的量化系数，对于H.264/AVC编码的CIF视频，Q可取Mi-1上一帧的运动系数。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，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、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种网络视频流的无参考图像质量在线估计方法，其特征在于，所述方法包括以下步骤：
(1)对网络视频流的各帧图像进行场景分割，将每一个帧内编码帧I帧及紧随其后的N个预测编码帧P帧划分为一个场景Sj,j≥1；
(2)建立同一场景中预测编码帧P帧峰值信噪比PSNR的线性预测模型：
其中，M为当前场景预测编码帧P帧运动系数；T为当前场景帧内编码帧I帧的纹理系数；为第i个P帧帧长li与当前场景下所有P帧帧长均值lavg的差值，其中，N为当前场景中P帧总数；
(3)利用步骤(2)建立的线性预测模型依次对网络视频流所有场景预测编码帧P帧的峰值信噪比PSNR值进行估计；
所述步骤(3)具体包括：
(3-1)估计当前场景Sj,j≥1中I帧的峰值信噪比PSNR，得到当前场景Sj的I帧的纹理系数T；
(3-2)通过离线统计分析得到当前场景Sj中P帧运动系数初始值Minit；
(3-3)利用步骤(3-1)中得到的当前场景的纹理系数T及运动系数初始值Minit，通过所述线性预测模型得到当前场景第一个P帧的峰值信噪比PSNR值
(3-4)针对当前场景中其余N-1个P帧，保持纹理系数T不变，依次更新运动系数M后，再通过所述线性预测模型得到当前场景对应P帧的峰值信噪比PSNR值
(3-5)针对网络视频流中的后续场景，依次执行步骤(3-1)-(3-4)；
所述更新运动系数M具体为：
其中Δli,i-1为当前P帧与前一个P帧的帧长差，Δli,i-1＝Li-Li-1,i＝2，…,N；为当前P帧与所有P帧帧长均值lavg的差值；Q为离线统计分析得出的量化系数；Mi-1为上一帧的运动系数；
所述当前场景Sj的帧内编码帧I帧的纹理系数T具体为：
T＝Ipsnr
通过I帧的离散余弦变换DCT系数估计I帧的PSNR值Ipsnr：
其中，D为均方误差MSE， 是直流DC系数平均量化误差的平方，是每一个交流AC系数的误差平方。
CN201510930619.7A 2015-12-14 2015-12-14 一种网络视频流的无参考图像质量在线估计方法 Expired - Fee Related CN105578185B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510930619.7A CN105578185B (zh) 2015-12-14 2015-12-14 一种网络视频流的无参考图像质量在线估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510930619.7A CN105578185B (zh) 2015-12-14 2015-12-14 一种网络视频流的无参考图像质量在线估计方法

Publications (2)

Publication Number Publication Date
CN105578185A CN105578185A (zh) 2016-05-11
CN105578185B true CN105578185B (zh) 2018-08-21

Family

ID=55887782

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510930619.7A Expired - Fee Related CN105578185B (zh) 2015-12-14 2015-12-14 一种网络视频流的无参考图像质量在线估计方法

Country Status (1)

Country Link
CN (1) CN105578185B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108989802B (zh) * 2018-08-14 2020-05-19 华中科技大学 一种利用帧间关系的hevc视频流的质量估计方法及系统
CN114727107B (zh) * 2021-01-04 2024-01-23 北京金山云网络技术有限公司 一种视频处理方法、装置、设备及介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102158729A (zh) * 2011-05-05 2011-08-17 西北工业大学 无参考的视频序列编码质量客观评价方法
CN102186098A (zh) * 2011-05-05 2011-09-14 西北工业大学 视频序列编码质量客观评价方法
CN102868907A (zh) * 2012-09-29 2013-01-09 西北工业大学 部分参考视频质量客观评价方法
CN103179394A (zh) * 2013-01-21 2013-06-26 北京航空航天大学 一种基于区域视频质量平稳的i帧码率控制方法
WO2013143396A1 (zh) * 2012-03-28 2013-10-03 中国移动通信集团公司 一种数字视频质量控制方法及其装置
CN103686172A (zh) * 2013-12-20 2014-03-26 电子科技大学 低延迟视频编码可变比特率码率控制方法
CN104954792A (zh) * 2014-03-24 2015-09-30 兴唐通信科技有限公司 一种对p帧序列进行主观视频质量优化编码的方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102158729A (zh) * 2011-05-05 2011-08-17 西北工业大学 无参考的视频序列编码质量客观评价方法
CN102186098A (zh) * 2011-05-05 2011-09-14 西北工业大学 视频序列编码质量客观评价方法
WO2013143396A1 (zh) * 2012-03-28 2013-10-03 中国移动通信集团公司 一种数字视频质量控制方法及其装置
CN102868907A (zh) * 2012-09-29 2013-01-09 西北工业大学 部分参考视频质量客观评价方法
CN103179394A (zh) * 2013-01-21 2013-06-26 北京航空航天大学 一种基于区域视频质量平稳的i帧码率控制方法
CN103686172A (zh) * 2013-12-20 2014-03-26 电子科技大学 低延迟视频编码可变比特率码率控制方法
CN104954792A (zh) * 2014-03-24 2015-09-30 兴唐通信科技有限公司 一种对p帧序列进行主观视频质量优化编码的方法及装置

Also Published As

Publication number Publication date
CN105578185A (zh) 2016-05-11

Similar Documents

Publication Publication Date Title
US9071841B2 (en) Video transcoding with dynamically modifiable spatial resolution
RU2377737C2 (ru) Способ и устройство для преобразования с повышением частоты кадров с помощью кодера (ea-fruc) для сжатия видеоизображения
JP6104301B2 (ja) 映像品質推定技術
US8311115B2 (en) Video encoding using previously calculated motion information
CN108989802B (zh) 一种利用帧间关系的hevc视频流的质量估计方法及系统
CN108012163B (zh) 视频编码的码率控制方法及装置
CN109510919B (zh) 用于感知质量评估的场景变换检测的方法、设备和介质
JP2006519565A (ja) ビデオ符号化
US11743475B2 (en) Advanced video coding method, system, apparatus, and storage medium
WO2021114846A1 (zh) 一种视频降噪处理方法、装置及存储介质
CN109286812B (zh) 一种hevc视频质量估计方法
US20110211637A1 (en) Method and system for compressing digital video streams
AU2011367779B2 (en) Method and device for estimating video quality on bitstream level
Xu et al. Consistent visual quality control in video coding
CN108989818B (zh) 一种图像编码参数调整方法及装置
CN105578185B (zh) 一种网络视频流的无参考图像质量在线估计方法
CN111212288B (zh) 视频数据的编解码方法、装置、计算机设备和存储介质
Zhang et al. Compressed-domain-based no-reference video quality assessment model considering fast motion and scene change
CN109788288B (zh) 码率控制中i帧量化步长的估算方法及装置
Jung Comparison of video quality assessment methods
CN107749993B (zh) 基于mmse重构的分布式视频编码信源失真估算方法
CN112272297A (zh) 嵌入在解码器端的图像质量静止帧检测方法
JP2003111081A (ja) ピクチャタイプの推定方法、推定装置及びそれを用いた画像測定装置、符号化器
CN114501007B (zh) 基于422视频的快速编码方法及编码器
Inazumi et al. Estimation of the optimal frame rate for video communications under bit‐rate constraints

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180821

Termination date: 20181214

CF01 Termination of patent right due to non-payment of annual fee