CN110139111B - 一种视频编码算法的评价方法 - Google Patents

Abstract

本发明提出一种视频编码算法的评价方法，具体步骤是：选取一个视频编码平台；选取所述平台的一个常用配置B，作为比较基准；测试所述平台在配置C的条件下的编码速度和压缩效率；在配置C的基础上，增加算法A；比较所述视频编码平台在配置为C时和所述视频编码平台在配置C的基础上增加算法A以后的编码速度平均变化率Δ_T；比较所述视频编码平台在配置为C时和所述视频编码平台在配置C的基础上增加算法A以后的压缩效率平均变化率Δ_BDBR；计算评价指标Z(A)=(1+Δ_T)*(1+Δ_BDBR)^λ，Z(A)是算法A的评价指标，对于不同的算法，评价指标越小越好。本发明实现了视频编码算法的定量评价，对视频编码产品的开发以及视频编码标准的制定具有重要参考价值。

Description

一种视频编码算法的评价方法

技术领域

本发明涉及到视频压缩编码技术领域，尤其涉及到一种视频编码算法的评价方法。

技术背景

视频编码的快速算法在提高编码速度的同时通常会带来压缩效率的损失。例如算法A使编码时间减少了30％，同时压缩效率降低了2％，算法B使编码时间减少了20％，同时压缩效率降低了1％。那么算法A和算法B哪个更好一些呢？目前还没有一个合适的方法来评价快速算法的优劣。另外，对于新的视频编码算法，在提高压缩效率的同时，通常会带来编码复杂度的增加，例如算法C使压缩效率提高了2％，编码时间增加了30％，算法D使压缩效率提高了1％，编码时间增加了20％。那么算法C和算法D哪个更好一些呢？对这些新技术的评价也没有一个公认的方法。

发明内容

为了解决上述问题，本发明的目的在于提供一种视频编码算法的评价方法，通过大量的实验获取各种不同快速算法的编码时间的平均变化率Δ_T和压缩效率的平均变化率Δ_BDBR数据，研究ΔT和Δ_BDBR之间的关系，将Δ_T和Δ_BDBR结合起来，找到评价视频编码算法性能的一个综合指标。本方法可以客观、有效的评价各种视频编码算法。

为了达到上述目的，本发明采用如下技术方案：

一种视频编码算法的评价方法，包括如下步骤：

步骤一：选择一个视频编码标准的参考软件平台；

步骤二：选取所选择的视频编码平台的一个常用配置，作为后续评价的比较基准，记为配置B；

步骤三：测试所选择的视频编码平台在配置C的条件下的编码速度和压缩效率，配置C由视频编码器的默认配置改变参数后得到；

步骤四：在所选择的视频编码平台的所述配置C的基础上，增加所需评价的视频编码算法A；

步骤五：测试所选择的视频编码平台的所述配置C的基础上增加算法A以后的编码速度和压缩效率；

步骤六：比较所选择的视频编码平台在所述配置C的条件下的编码速度与其在所述配置C的基础上增加算法A以后的编码速度，以编码时间的平均变化率Δ_T表示编码速度的差别；

步骤七：比较所选择的视频编码平台在所述配置C的条件下的压缩效率与其在所述配置C的基础上增加算法A以后的压缩效率，以压缩效率的平均变化率Δ_BDBR表示压缩效率的差别；

步骤八：计算算法A的评价指标Z(A)，公式如下：

Z(A)＝(1+Δ_T)*(1+Δ_BDBR)^λ

其中，λ表示压缩效率的平均变化率Δ_BDBR的权重；对于不同的算法，评价指标越小越好。

所述步骤三和步骤五中的测试编码速度和压缩效率的方法，包括以下步骤：

S1：选择业内公认的测试序列集{V₁,V₂,...,V_n)和量化参数集{Q_p1，Q_p2，Q_p3，Q_p4}；

S2：选择主流的计算机软硬件配置；

S3：对于序列Vi，采用量化参数Q_pj在编码配置C下的编码时间为T(C)_ij，采用量化参数Q_pj在编码配置C增加算法A后的编码时间为T(A)_ij，则序列Vi在量化参数集{Q_p1，Q_p2，Q_p3，Q_p4}下的平均编码时间的平均变化率为：

其中，T(C)_i是视频编码平台在所述配置C的条件下的编码时间，T(A)_i是视频编码平台在所述配置C的基础上增加算法A以后的编码时间；

S4：对于序列Vi，采用量化参数集{Q_p1，Q_p2，Q_p3，Q_p4}(Q_p1<Q_p2<Q_p3<Q_p4)编码配置C所得的峰值信噪比记为{PSNR_i1(C)，PSNR_i2(C)，PSNR_i3(C)，PSNR_i4(C)}和比特数记为{B_i1(C)，B_i2(C)，B_i3(C)，B_i4(C)}，编码配置C增加算法A后所得的峰值信噪比记为{PSNR_i1(A)，PSNR_i2(A)，PSNR_i3(A)，PSNR_i4(A)}和比特数记为{B_i1(A)，B_i2(A)，B_i3(A)，B_i4(A)}，在坐标轴上描绘出率失真点系列；

S5：观察画出的率失真点系列，确定积分区间；

S6：对点序列进行多项式拟合；

S7：对拟合后的多项式在积分区间上积分；根据积分的结果，计算配置C增加算法A后序列Vi的压缩效率ΔBDBR_i，ΔBDBR_i的计算如下式所示：

其中，s1，s2是PSNR的函数，m表示PSNR变量。

所述步骤六和步骤七中的计算编码时间的平均变化率Δ_T和压缩效率的平均变化率Δ_BDBR，包括以下步骤：

S1：对于测试序列集{V₁,V₂,...,V_n}，编码时间的平均变化率Δ_T的计算公式如下：

S2：对于测试序列集{V₁,V₂,...,V_n}，压缩效率的平均变化率Δ_BDBR的计算公式如下：

所述步骤八中λ的取值方法，包括以下步骤：

S1：改变一系列的编码器配置参数得到一系列的Δ_BDBR和Δ_T的散点图，从而得到散点图的包络线；

S2：包络线上的每一个值都对应一个编码压缩效率的平均变化率和编码时间的平均变化率；

S3：λ值的计算公式如下：

其中，Δ_BDBR和Δ_T都取包络线上的值，根据限定的压缩效率的平均变化率Δ_BDBR取相应的λ值。

本发明与现有技术相比，具有如下显而易见且突出的实质性特点和显著优点：

本发明方法实现了视频编码快速算法和视频编码新算法的定量评价，对视频编码产品的开发以及视频编码标准的制定具有重要参考价值。

附图说明

图1为两种编码方式在同一质量评价方法下的率失真曲线图。

图2为本发明视频编码算法的评价方法流程图。

图3为λ的取值示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明做进一步详细的说明。

实施例1

如图2所示，一种视频编码算法的评价方法，包括如下步骤：

步骤一：选择一个视频编码标准的参考软件平台；比如H.265的参考软件平台HM19.5，或者AVS2的参考软件平台RD19.1等；本实施例中选取AVS2的参考软件平台RD19.1，软件测试的硬件平台为Inter Core i7-7700K，CPU@4.20GHz，内存32GB，64位操作系统。

步骤二：选取所选择的视频编码平台的一个常用配置，作为后续评价的比较基准，记为配置B。

步骤三：测试所选择的视频编码平台在配置C的条件下的编码速度和压缩效率；本实施例为测试RD19.1在配置C：帧间模式(low-delay)搜索范围(SR)为32×32时的编码速度和压缩效率。

步骤四：在所选择的视频编码平台的所述配置C的基础上，增加视频编码算法A，如表1所示：

表1实施例1中的视频编码算法

	Δ<sub>T</sub>	Δ<sub>BDBR</sub>	Z(A)＝(1+Δ<sub>T</sub>)*(1+Δ<sub>BDBR</sub>)<sup>λ</sup>
				算法1	-54.00％	0.77％	0.528
算法2	-43.89％	0.98％	0.669
				算法3	-33.83％	0.96％	0.786
算法4	-26.83％	0.56％	0.809
				算法5	-24.54％	0.41％	0.812
算法6	-21.00％	0.58％	0.877
				算法7	-16.50％	0.89％	0.979

步骤五：测试所选择的视频编码平台的所述配置C的基础上增加算法A以后的编码速度和压缩效率。

所述步骤三和步骤五中的测试编码速度和压缩效率的方法，包括以下步骤：

S1：选择业内公认的测试序列集{V₁,V₂,...,V_n)和量化参数集{Q_p1，Q_p2，Q_p3，Q_p4}；

S2：选择主流的计算机软硬件配置；

S3：对于序列Vi，采用量化参数Q_pj在编码配置C下的编码时间为T(C)_ij，采用量化参数Q_pj在编码配置C增加算法A后的编码时间为T(A)_ij，则序列Vi在量化参数集{Q_p1，Q_p2，Q_p3，Q_p4}下的平均编码时间的平均变化率为：

其中，T(C)_i是视频编码平台在所述配置C的条件下的编码时间，T(A)_i是视频编码平台在所述配置C的基础上增加算法A以后的编码时间；

S4：对于序列Vi，采用量化参数集{Q_p1，Q_p2，Q_p3，Q_p4}(Q_p1<Q_p2<Q_p3<Q_p4)编码配置C所得的峰值信噪比记为{PSNR_i1(C)，PSNR_i2(C)，PSNR_i3(C)，PSNR_i4(C)}和比特数记为{B_i1(C)，B_i2(C)，B_i3(C)，B_i4(C)}，编码配置C增加算法A后所得的峰值信噪比记为{PSNR_i1(A)，PSNR_i2(A)，PSNR_i3(A)，PSNR_i4(A)}和比特数记为{B_i1(A)，B_i2(A)，B_i3(A)，B_i4(A)}，在坐标轴上描绘出率失真点系列；如图1所示。

S5：观察画出的率失真点系列，确定积分区间；如水平方向[a，b]，垂直方向[c，d]。若s1为配置C所得曲线，则a＝lg(B_i4(A))，b＝lg(B_i1(C))；若s2为配置C所得曲线，则a＝lg(B_i4(C))，b＝lg(B_i1(A))。

S6：对点序列进行多项式拟合；用确定的多项式表示为s1，s2。

S7：对拟合后的多项式在积分区间上积分；根据积分的结果，计算配置C增加算法A后序列Vi的压缩效率ΔBDBR_i，如图1所示，ΔBDBR_i的计算如下式所示：

其中，s1，s2是PSNR的函数，m表示PSNR变量。

步骤六：比较所选择的视频编码平台在所述配置C的条件下的编码速度与其在所述配置C的基础上增加算法A以后的编码速度，以编码时间的平均变化率Δ_T表示编码速度的差别；编码时间的平均变化率Δ_T分别为-54.00％，-43.89％，-24.54％，-26.83％，-33.83％，-21.00％，-16.50％，如表1所示。

步骤七：比较所选择的视频编码平台在所述配置C的条件下的压缩效率与其在所述配置C的基础上增加算法A以后的压缩效率，以压缩效率的平均变化率Δ_BDBR表示压缩效率的差别；压缩效率的平均变化率Δ_BDBR分别为0.77％，0.98％，0.41％，0.56％，0.96％，0.58％，0.89％，如表1所示。

所述步骤六和步骤七中的计算编码时间的平均变化率Δ_T和压缩效率的平均变化率Δ_BDBR，包括以下步骤：

S1：对于测试序列集{V₁,V₂,...,V_n}，编码时间的平均变化率Δ_T的计算公式如下：

S2：对于测试序列集{V₁,V₂,...,V_n}，压缩效率的平均变化率Δ_BDBR的计算公式如下：

步骤八：计算算法A的评价指标Z(A)，公式如下：

Z(A)＝(1+Δ_T)*(1+Δ_BDBR)^λ

其中，λ表示压缩效率的平均变化率Δ_BDBR的权重。

所述λ的取值方法，包括以下步骤：

S1：改变一系列的编码器配置参数得到一系列的Δ_BDBR和Δ_T的散点图，从而得到散点图的包络线；

S2：如图3所示包络线上的每一个值都对应一个编码压缩效率的平均变化率和编码时间的平均变化率；

S3：λ值的计算公式如下：

其中，Δ_BDBR和Δ_T都取图3中包络线上的值；根据限定的压缩效率的平均变化率Δ_BDBR取相应的λ值。若限定Δ_BDBR为0.1％，则λ为45；若限定Δ_BDBR为1.3％，则λ为18；若限定Δ_BDBR为3％，则λ为11；若限定Δ_BDBR为9％，则λ为7；若限定Δ_BDBR为25％，则λ为3；若限定Δ_BDBR为40％，则λ为2。这里，限定压缩效率的平均变换率Δ_BDBR为1.3％，则λ取18。

对于不同的算法，评价指标越小越好：

则对于算法1：Δ_T＝-54.00％，Δ_BDBR＝0.77％，Z(A)＝0.528；

则对于算法2：Δ_T＝-43.89％，Δ_BDBR＝0.98％，Z(A)＝0.669；

则对于算法3：Δ_T＝-33.83％，Δ_BDBR＝0.96％，Z(A)＝0.786；

则对于算法4：Δ_T＝-26.83％，Δ_BDBR＝0.56％，Z(A)＝0.809；

则对于算法5：Δ_T＝-24.54％，Δ_BDBR＝0.41％，Z(A)＝0.812；

则对于算法6：Δ_T＝-21.00％，Δ_BDBR＝0.58％，Z(A)＝0.877；

则对于算法7：Δ_T＝-16.50％，Δ_BDBR＝0.89％，Z(A)＝0.979；

所以，算法1效果最好，而算法7效果最差，如表1所示。

实施例2

本实施例与实施例1基本相同，不同之处在于：

步骤四：在所选择的视频编码平台的所述配置C的基础上，增加视频编码算法A，如表2所示：

表2实施例2中的视频编码算法

	Δ<sub>T</sub>	Δ<sub>BDBR</sub>	Z(A)＝(1+Δ<sub>T</sub>)*(1+Δ<sub>BDBR</sub>)<sup>λ</sup>
				算法1	48.03％	-2.37％	0.503
算法2	16.50％	-0.89％	0.779
				算法3	33.83％	-0.96％	0.867
算法4	43.89％	-0.98％	0.924
				算法5	21.00％	-0.58％	0.931
算法6	26.83％	-0.56％	0.985
				算法7	24.54％	-0.41％	1.035

步骤八：计算评价指标Z(A)，计算公式如下

Z(A)＝(1+Δ_T)*(1+Δ_BDBR)^λ

这里，限定压缩效率的平均变换率Δ_BDBR为0.1％，λ取45。

对于不同的算法，评价指标越小越好：

则对于算法1：Δ_T＝48.03％，Δ_BDBR＝-2.37％，Z(A)＝0.503

则对于算法2：Δ_T＝16.50％，Δ_BDBR＝-0.89％，Z(A)＝0.779

则对于算法3：Δ_T＝33.83％，Δ_BDBR＝-0.96％，Z(A)＝0.867

则对于算法4：Δ_T＝43.89％，Δ_BDBR＝-0.98％，Z(A)＝0.924

则对于算法5：Δ_T＝21.00％，Δ_BDBR＝-0.58％，Z(A)＝0.931

则对于算法6：Δ_T＝26.83％，Δ_BDBR＝-0.56％，Z(A)＝0.985

则对于算法7：Δ_T＝24.54％，Δ_BDBR＝-0.41％，Z(A)＝1.035

所以，算法1效果最好，而算法7效果最差。

Claims (3)

1.一种视频编码算法的评价方法，其特征在于，包括如下步骤：

步骤一：选择一个视频编码标准的参考软件平台；

步骤二：选取所选择的视频编码平台的一个常用配置，作为比较基准，记为配置B；

步骤三：测试所选择的视频编码平台在配置C的条件下的编码速度和压缩效率，所述配置C为改变视频编码器的配置参数得到；

步骤四：在所选择的视频编码平台的所述配置C的基础上，增加所需评价的视频编码算法A；

步骤五：测试所选择的视频编码平台的所述配置C的基础上增加算法A以后的编码速度和压缩效率；

步骤六：比较所选择的视频编码平台在所述配置C的条件下的编码速度与其在所述配置C的基础上增加算法A以后的编码速度，以编码时间的平均变化率Δ_T表示编码速度的差别；

步骤七：比较所选择的视频编码平台在所述配置C的条件下的压缩效率与其在所述配置C的基础上增加算法A以后的压缩效率，以压缩效率的平均变化率Δ_BDBR表示压缩效率的差别；

步骤八：计算算法A的评价指标Z(A)，公式如下：

Z(A)＝(1+Δ_T)*(1+Δ_BDBR)^λ

其中，λ表示压缩效率的平均变化率Δ_BDBR的权重；对于不同的算法，评价指标越小越好；

所述步骤三和步骤五中的测试编码速度和压缩效率的方法，包括以下步骤：

S1：选择业内公认的测试序列集{V₁,V₂,...,V_n)和量化参数集{Q_p1，Q_p2，Q_p3，Q_p4}；

S2：选择主流的计算机软硬件配置；

S3：对于序列Vi，采用量化参数Q_pj在编码配置C下的编码时间为T(C)_ij，采用量化参数Q_pj在编码配置C增加算法A后的编码时间为T(A)_ij，则序列Vi在量化参数集{Q_p1，Q_p2，Q_p3，Q_p4}下的平均编码时间的平均变化率为：

其中，T(C)_i是视频编码平台在所述配置C的条件下的编码时间，T(A)_i是视频编码平台在所述配置C的基础上增加算法A以后的编码时间；

S4：对于序列Vi，采用量化参数集{Q_p1，Q_p2，Q_p3，Q_p4}(Q_p1<Q_p2<Q_p3<Q_p4)编码配置C所得的峰值信噪比记为{PSNR_i1(C)，PSNR_i2(C)，PSNR_i3(C)，PSNR_i4(C)}和比特数记为{B_i1(C)，B_i2(C)，B_i3(C)，B_i4(C)}，编码配置C增加算法A后所得的峰值信噪比记为{PSNR_i1(A)，PSNR_i2(A)，PSNR_i3(A)，PSNR_i4(A)}和比特数记为{B_i1(A)，B_i2(A)，B_i3(A)，B_i4(A)}，在坐标轴上描绘出率失真点系列；

S5：观察画出的率失真点系列，确定积分区间；

S6：对点序列进行多项式拟合；

S7：对拟合后的多项式在积分区间上积分；根据积分的结果，计算配置C增加算法A后序列Vi的压缩效率ΔBDBR_i，ΔBDBR_i的计算如下式所示：

其中，s1，s2是PSNR的函数，m表示PSNR变量。

2.根据权利要求1所述的视频编码算法的评价方法，其特征在于，所述步骤六和步骤七中的计算编码时间的平均变化率Δ_T和压缩效率的平均变化率Δ_BDBR，包括以下步骤：

S1：对于测试序列集{V₁,V₂,...,V_n}，编码时间的平均变化率Δ_T的计算公式如下：

S2：对于测试序列集{V₁,V₂,...,V_n}，压缩效率的平均变化率Δ_BDBR的计算公式如下：

3.根据权利要求1所述的视频编码算法的评价方法，其特征在于，所述步骤八中λ的取值方法，包括以下步骤：

S1：改变一系列的编码器配置参数得到一系列的Δ_BDBR和Δ_T的散点图，从而得到散点图的包络线；

S2：包络线上的每一个值都对应一个编码压缩效率的平均变化率和编码时间的平均变化率；

S3：λ值的计算公式如下：

其中，Δ_BDBR和Δ_T都取包络线上的值，根据限定的压缩效率的平均变化率Δ_BDBR取相应的λ值。

Images