CN112437314B - 高效视频编码标准帧内图像质量估计方法 - Google Patents

Abstract

一种高效视频编码标准帧内图像质量估计方法，由确定边长、确定基本计算单元大小、确定图像的标准差、确定图像类型、获得纹理简单图像模型参数、估计纹理简单图像质量、获得纹理复杂图像模型参数、估计纹理复杂图像质量步骤组成。采用本发明方法对高效视频编码标准国际制定组织推荐的标准视频序列进行实验，实验结果表明，相比HM16.0实际编码运行的时间，本发明方法可以在准确地估计图像峰值信噪比的同时节省超过96.42％的运行时间，大大降低了算法运算复杂度。本发明具有质量估计准确、模型参数计算简单、计算速度快等优点，可用于视频编码、视频通信等领域中。

Description

高效视频编码标准帧内图像质量估计方法

技术领域

本发明属于视频编码技术领域，具体涉及到高效视频编码标准帧内图像质量估计方法。

背景技术

在视频多媒体通信系统中，由摄像机采集的原始视频数据量非常庞大,如此庞大的原始视频如果不经过编码是无法在当前的多媒体系统中有效地传输和存储。视频编码是保证视频多媒体通信系统有效运行的关键技术，视频编码的目的是用更少的编码码率获得更高质量的编码重建视频。

目前随着高清设备的大量普及，面向高清视频的高效视频编码标准被广泛采用，使用高效视频编码标准编码视频时，需要综合各种因素给视频选择一组优化的编码参数组合，从而获得更加优化的编码性能。高效视频编码标准在选择优化的编码参数组合时，通常使用拉格朗日率失真优化的方法，在此方法中，需要用到图像编码的质量信息。视频图像的真实的编码质量信息只有在图像全部编码完成之后才能获得，但是编码图像要耗费大量时间，所以通过全编码过程获得图像质量信息的方式由于复杂度过高的技术问题，在实际应用中很少采用。

目前采用部分编码过程的方式获得图像质量的估计值，即对图像进行部分编码操作，然后基于相关编码信息，例如预测块的残差信息、量化后的变换系数、熵编码的上下文模型等，得到图像质量估计值。相比于全编码过程的方式，基于部分编码过程的图像质量估计方法虽然降低了一定的复杂度，但其仍然要执行部分编码操作，所以其复杂度仍然较高。特别是对于一些对实时性要求较高的视频多媒体通信应用，例如视频会议、视频监控，基于部分编码过程的方式仍然不适用。另外，不同的图像具有不同的内容特性，对于不同内容复杂程度的图像，其对应的优化的质量估计模型形式通常不一样。但目前部分质量估计模型对于所有的图像类型都使用相同的模型形式，例如幂函数形式，这类方法的质量估计准确度还有待于提升。此外，视频图像的内容特性及编码参数配置(例如量化参数)是影响图像质量的两个基本因素，一些图像质量估计方法只考虑了图像的内容特性，并没有考虑同样对图像质量有重要影响的编码参数。所以这类方法的复杂度虽然很低，但其质量估计的准确度很难保证。

发明内容

本发明所要解决的技术问题在于克服上述现有技术的缺点，提供一种质量估计准确、模型参数计算简单、计算速度快的高效视频编码标准帧内图像质量估计方法。

解决上述技术问题所采用的技术方案是由下述步骤组成：

(1)确定边长

输入视频图像的空间分辨率，按照式(1)得到边长l：

其中round()为四舍五入取整函数，w_p为图像宽，h_p为图像高，γ∈[0.5,3.5]，σ∈[0.05,0.4]，w_c∈{88,89,...,704}，h_c∈{72,73,...,576}。

(2)确定基本计算单元大小

基本计算单元为矩形像素块，由边长l确定基本计算单元的宽w_b和高h_b：

w_b＝αl (2)

h_b＝βl (3)

其中α∈{0.5,1,1.5,2,2.5,3}，β∈{0.5,1,1.5,2,2.5,3}。

(3)确定图像的标准差

图像的标准差按式(4)确定：

其中sd(i)表示视频第i幅帧内图像的标准差，i∈{1,2,..,N_p}，N_p是视频的总图像数、为有限的正整数，int()为下取整函数，x(i,k,j)表示视频第i幅帧内图像第k个基本计算单元第j个像素的亮度值，k、j为有限的正整数。

(4)确定图像类型

第i幅帧内图像满足sd(i)≥T_sd，此图像被分类为纹理复杂图像，第i幅帧内图像满足sd(i)＜T_sd，此图像被分类为纹理简单图像，其中T_sd为复杂度分类阈值参数，T_sd∈[6,16]。

(5)获得纹理简单图像模型参数

对于纹理简单图像，根据式(5)-式(10)分别获得用于质量估计的6个模型参数θ₁、θ₂、θ₃、θ₄、θ₅、θ₆：

其中In()是以自然常数e为底的对数函数，ξ₁、ξ₂、ξ₃、ξ₄、ξ₅、ξ₆、ξ₇、ξ₈、ξ₉、ξ₁₀、ξ₁₁、ξ₁₂、ξ₁₃、ξ₁₄、ξ₁₅、ξ₁₆、ξ₁₇、ξ₁₈为模型参数，模型参数的取值范围为：ξ₁∈[-2,-0.1]，ξ₂∈[0.001,0.5]，ξ₃∈[-0.2,-0.01]，ξ₄∈[100,2000]，ξ₅∈[-5000,-800]，ξ₆∈[1000,10000]，ξ₇∈[-2,-0.1]，ξ₈∈[5,100]，ξ₉∈[-200,-0.01]，ξ₁₀∈[1000,10000]，ξ₁₁∈[-30000,-2000]，ξ₁₂∈[5000,50000]，ξ₁₃∈[1×10^-10,30×10^-10]，ξ₁₄∈[0.1,12]，ξ₁₅∈[-2,-0.01]，ξ₁₆∈[130,2000]，ξ₁₇∈[-10000,-100]，ξ₁₈∈[1000,20000]。

(6)估计纹理简单图像质量

使用图像质量评价领域广泛使用的峰值信噪比衡量图像的质量，用式(11)-式(13)分别得到纹理简单图像亮度分量Y、色度分量Cb、色度分量Cr对应的峰值信噪比PSNR_f,Y、PSNR_f,Cb、PSNR_f,Cr：

PSNR_f,Y＝θ₁QP+θ₂ (11)

PSNR_f,Cb＝θ₃QP+θ₄ (12)

PSNR_f,Cr＝θ₅QP+θ₆ (13)

其中QP表示用于编码的量化参数。

(7)获得纹理复杂图像模型参数

对于纹理复杂图像，根据式(14)-式(19)分别获得用于质量估计的6个模型参数θ₇、θ₈、θ₉、θ₁₀、θ₁₁、θ₁₂：

θ₇＝ψ₁+ψ₂sd(i)+ψ₃exp(-sd(i)) (14)

θ₈＝ψ₄+ψ₅sd(i)+ψ₆exp(-sd(i)) (15)

θ₁₁＝ψ₁₃+ψ₁₄sd(i)+ψ₁₅(sd(i))² (18)

其中exp()是以自然常数e为底的指数函数，ψ₁、ψ₂、ψ₃、ψ₄、ψ₅、ψ₆、ψ₇、ψ₈、ψ₉、ψ₁₀、ψ₁₁、ψ₁₂、ψ₁₃、ψ₁₄、ψ₁₅、ψ₁₆、ψ₁₇、ψ₁₈为模型参数，模型参数的取值范围分别为：ψ₁∈[-2,-0.01]，ψ₂∈[-1,-0.0001]，ψ₃∈[100,3000]，ψ₄∈[10,100]，ψ₅∈[0,2]，ψ₆∈[-20×10⁴,-0.1×10⁴]，ψ₇∈[10,200]，ψ₈∈[-1000,-100]，ψ₉∈[-10×10⁵,-0.1×10⁵]，ψ₁₀∈[10,200]，ψ₁₁∈[-12,-2]，ψ₁₂∈[-2,-0.01]，ψ₁₃∈[10,50]，ψ₁₄∈[2,12]，ψ₁₅∈[-2,-0.01]，ψ₁₆∈[-2,-0.2]，ψ₁₇∈[0.1×10^-6,10×10^-6]，ψ₁₈∈[0.1,5]。

(8)估计纹理复杂图像质量

根据式(20)-式(22)分别得到纹理复杂图像亮度分量Y、色度分量Cb、色度分量Cr对应的峰值信噪比PSNR_g,Y、PSNR_g,Cb、PSNR_g,Cr：

PSNR_g,Y＝θ₇QP+θ₈ (20)

在本发明的确定边长步骤(1)中，所述的γ最佳取值为2.312,σ最佳取值为0.1098，w_c最佳取值为176，h_c最佳取值为144。

在本发明的确定基本计算单元大小步骤(2)中，所述的α最佳取值为1,β最佳取值为1。

在本发明的确定图像类型步骤(4)中，所述的T_sd最佳取值为9.12。

在本发明的取值获得纹理简单图像模型参数步骤(5)中，所述的ξ₁最佳取值为-0.5637,ξ₂最佳取值为0.0757,ξ₃最佳为-0.1341,ξ₄最佳取值为988.9938,ξ₅最佳取值为-3757.8642，ξ₆最佳取值为6992.5402，ξ₇最佳取值为-1.3832,ξ₈最佳取值为17.1871,ξ₉最佳取值为-69.3852,ξ₁₀最佳取值为4261.0297,ξ₁₁最佳取值为-16930.2401，ξ₁₂最佳取值为31464.9802，ξ₁₃最佳取值为7.6974×10^-10,ξ₁₄最佳取值为1.1118,ξ₁₅最佳取值为-0.3504,ξ₁₆最佳取值为1303.1992,ξ₁₇最佳取值为-5013.0618，ξ₁₈最佳取值为9302.5936。

在本发明的获得纹理复杂图像模型参数步骤(7)中，所述的ψ₁最佳取值为-0.5893，ψ₂最佳取值为-0.0141，ψ₃最佳取值为1871.2642，ψ₄最佳取值为55.4507，ψ₅最佳取值为0.302，ψ₆最佳取值为-2.4956×10⁴，ψ₇最佳取值为140.8854，ψ₈最佳取值为-421.6006，ψ₉最佳取值为-1.2082×10⁵，ψ₁₀最佳取值为123.5036，ψ₁₁最佳取值为-8.4543，ψ₁₂最佳取值为-0.3476，ψ₁₃最佳取值为22.2138，ψ₁₄最佳取值为8.0586，ψ₁₅最佳取值为-0.1659，ψ₁₆最佳取值为-0.802，ψ₁₇最佳取值为3.5974×10^-6，ψ₁₈最佳取值为1.3514。

由于上述技术方案采用了确定图像类型步骤、估计纹理简单图像模型参数步骤、估计纹理简单图像质量步骤、估计纹理复杂图像模型参数步骤、估计纹理复杂图像质量步骤，解决了现有技术需要执行全部编码或部分编码过程算法复杂度高、对不同内容复杂程度图像使用相同优化模型形式、没有同时考虑图像内容特性和编码参数对于图像质量影响的技术问题，经仿真实验证明，减少了超过96.42％的运行时间，降低了运算复杂度，具有质量估计准确、模型参数计算简单、计算速度快等优点，可用于视频编码、视频通信等技术领域。

附图说明

图1是实施例1高效视频编码标准帧内图像质量估计方法的流程图。

具体实施方式

下面结合附图和实施例对本发明进一步详细说明，但本发明不限于下面的实施例。

实施例1

在图1中，本实施例的高效视频编码标准帧内图像质量估计方法由下述步骤组成：

(1)确定边长

输入视频图像的空间分辨率，按照式(1)得到边长l，

其中round()为四舍五入取整函数，w_p为图像宽，h_p为图像高，γ∈[0.5,3.5]，σ∈[0.05,0.4]，w_c∈{88,89,...,704}，h_c∈{72,73,...,576}，本实施例中，γ取值为2.312,σ取值为0.1098，w_c取值为176，h_c取值为144。

(2)确定基本计算单元大小

基本计算单元为矩形像素块，由边长l确定基本计算单元的宽w_b和高h_b，

w_b＝αl (2)

h_b＝βl (3)

其中α∈{0.5,1,1.5,2,2.5,3}，β∈{0.5,1,1.5,2,2.5,3}，本实施例中，α取值为1,β取值为1。

(3)确定图像的标准差

图像的标准差按式(4)确定：

其中sd(i)表示视频第i幅帧内图像的标准差，i∈{1,2,..,N_p}，N_p是视频的总图像数、为有限的正整数，int()为下取整函数，x(i,k,j)表示视频第i幅帧内图像第k个基本计算单元第j个像素的亮度值，k、j为有限的正整数。

(4)确定图像类型

第i幅帧内图像满足sd(i)≥T_sd，此图像被分类为纹理复杂图像，如果第i幅帧内图像满足sd(i)＜T_sd，则此图像被分类为纹理简单图像，其中T_sd为复杂度分类阈值参数，T_sd∈[6,16]，本实施例的T_sd取值为9.12。

(5)获得纹理简单图像模型参数

对于纹理简单图像，根据式(5)-式(10)分别获得用于质量估计的6个模型参数θ₁、θ₂、θ₃、θ₄、θ₅、θ₆：

其中In()是以自然常数e为底的对数函数，ξ₁、ξ₂、ξ₃、ξ₄、ξ₅、ξ₆、ξ₇、ξ₈、ξ₉、ξ₁₀、ξ₁₁、ξ₁₂、ξ₁₃、ξ₁₄、ξ₁₅、ξ₁₆、ξ₁₇、ξ₁₈为模型参数，模型参数的取值范围为：ξ₁∈[-2,-0.1]，ξ₂∈[0.001,0.5]，ξ₃∈[-0.2,-0.01]，ξ₄∈[100,2000]，ξ₅∈[-5000,-800]，ξ₆∈[1000,10000]，ξ₇∈[-2,-0.1]，ξ₈∈[5,100]，ξ₉∈[-200,-0.01]，ξ₁₀∈[1000,10000]，ξ₁₁∈[-30000,-2000]，ξ₁₂∈[5000,50000]，ξ₁₃∈[1×10^-10,30×10^-10]，ξ₁₄∈[0.1,12]，ξ₁₅∈[-2,-0.01]，ξ₁₆∈[130,2000]，ξ₁₇∈[-10000,-100]，ξ₁₈∈[1000,20000]。本实施例的ξ₁取值为-0.5637,ξ₂取值为0.0757,ξ₃取值为-0.1341,ξ₄取值为988.9938,ξ₅取值为-3757.8642，ξ₆取值为6992.5402，ξ₇取值为-1.3832,ξ₈取值为17.1871,ξ₉取值为-69.3852,ξ₁₀取值为4261.0297,ξ₁₁取值为-16930.2401，ξ₁₂取值为31464.9802，ξ₁₃取值为7.6974×10^-10,ξ₁₄取值为1.1118,ξ₁₅取值为-0.3504,ξ₁₆取值为1303.1992,ξ₁₇取值为-5013.0618，ξ₁₈取值为9302.5936。

(6)估计纹理简单图像质量

使用图像质量评价领域广泛使用的峰值信噪比衡量图像的质量，用式(11)-式(13)分别得到纹理简单图像亮度分量Y、色度分量Cb、色度分量Cr对应的峰值信噪比PSNR_f,Y、PSNR_f,Cb、PSNR_f,Cr：

PSNR_f,Y＝θ₁QP+θ₂ (11)

PSNR_f,Cb＝θ₃QP+θ₄ (12)

PSNR_f,Cr＝θ₅QP+θ₆ (13)

其中QP表示用于编码的量化参数。

(7)获得纹理复杂图像模型参数

对于纹理复杂图像，根据式(14)-式(19)分别获得用于质量估计的6个模型参数θ₇、θ₈、θ₉、θ₁₀、θ₁₁、θ₁₂：

θ₇＝ψ₁+ψ₂sd(i)+ψ₃exp(-sd(i)) (14)

θ₈＝ψ₄+ψ₅sd(i)+ψ₆exp(-sd(i)) (15)

θ₁₁＝ψ₁₃+ψ₁₄sd(i)+ψ₁₅(sd(i))² (18)

其中exp()是以自然常数e为底的指数函数，ψ₁、ψ₂、ψ₃、ψ₄、ψ₅、ψ₆、ψ₇、ψ₈、ψ₉、ψ₁₀、ψ₁₁、ψ₁₂、ψ₁₃、ψ₁₄、ψ₁₅、ψ₁₆、ψ₁₇、ψ₁₈为模型参数，模型参数的取值范围分别为：ψ₁∈[-2,-0.01]，ψ₂∈[-1,-0.0001]，ψ₃∈[100,3000]，ψ₄∈[10,100]，ψ₅∈[0,2]，ψ₆∈[-20×10⁴,-0.1×10⁴]，ψ₇∈[10,200]，ψ₈∈[-1000,-100]，ψ₉∈[-10×10⁵,-0.1×10⁵]，ψ₁₀∈[10,200]，ψ₁₁∈[-12,-2]，ψ₁₂∈[-2,-0.01]，ψ₁₃∈[10,50]，ψ₁₄∈[2,12]，ψ₁₅∈[-2,-0.01]，ψ₁₆∈[-2,-0.2]，ψ₁₇∈[0.1×10^-6,10×10^-6]，ψ₁₈∈[0.1,5]。本实施例的ψ₁取值为-0.5893，ψ₂取值为-0.0141，ψ₃取值为1871.2642，ψ₄取值为55.4507，ψ₅取值为0.302，ψ₆取值为-2.4956×10⁴，ψ₇取值为140.8854，ψ₈取值为-421.6006，ψ₉取值为-1.2082×10⁵，ψ₁₀取值为123.5036，ψ₁₁取值为-8.4543，ψ₁₂取值为-0.3476，ψ₁₃取值为22.2138，ψ₁₄取值为8.0586，ψ₁₅取值为-0.1659，ψ₁₆取值为-0.802，ψ₁₇取值为3.5974×10^-6，ψ₁₈取值为1.3514。

(8)估计纹理复杂图像质量

根据式(20)-式(22)分别得到纹理复杂图像亮度分量Y、色度分量Cb、色度分量Cr对应的峰值信噪比PSNR_g,Y、PSNR_g,Cb、PSNR_g,Cr：

PSNR_g,Y＝θ₇QP+θ₈ (20)

由于本发明采用了确定图像类型步骤、估计纹理简单图像模型参数步骤、估计纹理简单图像质量步骤、估计纹理复杂图像模型参数步骤、估计纹理复杂图像质量步骤，解决了现有技术需要执行全部编码或部分编码过程算法复杂度高、对不同内容复杂程度图像使用相同优化模型形式、没有同时考虑图像内容特性和编码参数对于图像质量影响的技术问题，减少了超过96.42％的运行时间，降低了运算复杂度，具有质量估计准确、模型参数计算简单、计算速度快等优点，可用于视频编码、视频通信等技术领域中。

实施例2

本实施例的高效视频编码标准帧内图像质量估计方法由下述步骤组成：

在确定边长步骤(1)中，输入视频图像的空间分辨率，按照式(1)得到边长l，

其中round()为四舍五入取整函数，w_p为图像宽，h_p为图像高，γ∈[0.5,3.5]，σ∈[0.05,0.4]，w_c∈{88,89,...,704}，h_c∈{72,73,...,576}。本实施例中，γ取值为0.5,σ取值为0.05，w_c取值为88，h_c取值为72。

在确定基本计算单元大小步骤(2)中，基本计算单元为矩形像素块，由边长l确定基本计算单元的宽w_b和高h_b：

w_b＝αl (2)

h_b＝βl (3)

其中α∈{0.5,1,1.5,2,2.5,3}，β∈{0.5,1,1.5,2,2.5,3}，本实施例中，α取值为0.5,β取值为0.5。

在确定图像类型步骤(4)中，第i幅帧内图像满足sd(i)≥T_sd，此图像被分类为纹理复杂图像，第i幅帧内图像满足sd(i)＜T_sd，此图像被分类为纹理简单图像，其中T_sd为复杂度分类阈值参数，T_sd∈[6,16]，本实施例的T_sd取值为6。

在获得纹理简单图像模型参数步骤(5)中，对于纹理简单图像，根据式(5)-式(10)分别获得用于质量估计的6个模型参数θ₁、θ₂、θ₃、θ₄、θ₅、θ₆：

其中In()是以自然常数e为底的对数函数，ξ₁、ξ₂、ξ₃、ξ₄、ξ₅、ξ₆、ξ₇、ξ₈、ξ₉、ξ₁₀、ξ₁₁、ξ₁₂、ξ₁₃、ξ₁₄、ξ₁₅、ξ₁₆、ξ₁₇、ξ₁₈为模型参数，模型参数的取值范围为：ξ₁∈[-2,-0.1]，ξ₂∈[0.001,0.5]，ξ₃∈[-0.2,-0.01]，ξ₄∈[100,2000]，ξ₅∈[-5000,-800]，ξ₆∈[1000,10000]，ξ₇∈[-2,-0.1]，ξ₈∈[5,100]，ξ₉∈[-200,-0.01]，ξ₁₀∈[1000,10000]，ξ₁₁∈[-30000,-2000]，ξ₁₂∈[5000,50000]，ξ₁₃∈[1×10^-10,30×10^-10]，ξ₁₄∈[0.1,12]，ξ₁₅∈[-2,-0.01]，ξ₁₆∈[130,2000]，ξ₁₇∈[-10000,-100]，ξ₁₈∈[1000,20000]。本实施例的ξ₁取值为-2,ξ₂取值为0.001,ξ₃取值为-0.2,ξ₄取值为100,ξ₅取值为-5000，ξ₆取值为1000，ξ₇取值为-2,ξ₈取值为5,ξ₉取值为-200,ξ₁₀取值为1000,ξ₁₁取值为-30000，ξ₁₂取值为5000，ξ₁₃取值为1×10^-10，ξ₁₄取值为0.1，ξ₁₅取值为-2,ξ₁₆取值为130,ξ₁₇取值为-10000，ξ₁₈取值为1000。

在获得纹理复杂图像模型参数步骤(7)中，对于纹理复杂图像，根据式(14)-式(19)分别获得用于质量估计的6个模型参数θ₇、θ₈、θ₉、θ₁₀、θ₁₁、θ₁₂：

θ₇＝ψ₁+ψ₂sd(i)+ψ₃exp(-sd(i)) (14)

θ₈＝ψ₄+ψ₅sd(i)+ψ₆exp(-sd(i)) (15)

θ₁₁＝ψ₁₃+ψ₁₄sd(i)+ψ₁₅(sd(i))² (18)

其中exp()是以自然常数e为底的指数函数，ψ₁、ψ₂、ψ₃、ψ₄、ψ₅、ψ₆、ψ₇、ψ₈、ψ₉、ψ₁₀、ψ₁₁、ψ₁₂、ψ₁₃、ψ₁₄、ψ₁₅、ψ₁₆、ψ₁₇、ψ₁₈为模型参数，模型参数的取值范围分别为：ψ₁∈[-2,-0.01]，ψ₂∈[-1,-0.0001]，ψ₃∈[100,3000]，ψ₄∈[10,100]，ψ₅∈[0,2]，ψ₆∈[-20×10⁴,-0.1×10⁴]，ψ₇∈[10,200]，ψ₈∈[-1000,-100]，ψ₉∈[-10×10⁵,-0.1×10⁵]，ψ₁₀∈[10,200]，ψ₁₁∈[-12,-2]，ψ₁₂∈[-2,-0.01]，ψ₁₃∈[10,50]，ψ₁₄∈[2,12]，ψ₁₅∈[-2,-0.01]，ψ₁₆∈[-2,-0.2]，ψ₁₇∈[0.1×10^-6,10×10^-6]，ψ₁₈∈[0.1,5]。本实施例的ψ₁取值为-2，ψ₂取值为-1，ψ₃取值为100，ψ₄取值为10，ψ₅取值为0，ψ₆取值为-20×10⁴，ψ₇取值为10，ψ₈取值为-1000，ψ₉取值为-10×10⁵，ψ₁₀取值为10，ψ₁₁取值为-12，ψ₁₂取值为-2，ψ₁₃取值为10，ψ₁₄取值为2，ψ₁₅取值为-2，ψ₁₆取值为-2，ψ₁₇取值为0.1×10^-6，ψ₁₈取值为0.1。

其它步骤与实施例1相同。

实施例3

本实施例的高效视频编码标准帧内图像质量估计方法由下述步骤组成：

在确定边长步骤(1)中，输入视频图像的空间分辨率，按照式(1)得到边长l，

其中round()为四舍五入取整函数，w_p为图像宽，h_p为图像高，γ∈[0.5,3.5]，σ∈[0.05,0.4]，w_c∈{88,89,...,704}，h_c∈{72,73,...,576}。本实施例中，γ取值为3.5,σ取值为0.4，w_c取值为704，h_c取值为576。

在确定基本计算单元大小步骤(2)中，基本计算单元为矩形像素块，由边长l确定基本计算单元的宽w_b和高h_b：

w_b＝αl (2)

h_b＝βl (3)

其中α∈{0.5,1,1.5,2,2.5,3}，β∈{0.5,1,1.5,2,2.5,3}，本实施例中，α取值为3,β取值为3。

在确定图像类型步骤(4)中，如果第i幅帧内图像满足sd(i)≥T_sd，则此图像被分类为纹理复杂图像，如果第i幅帧内图像满足sd(i)＜T_sd，则此图像被分类为纹理简单图像，其中T_sd为复杂度分类阈值参数，T_sd∈[6,16]，本实施例的T_sd取值为16。

在获得纹理简单图像模型参数步骤(5)中，对于纹理简单图像，根据式(5)-式(10)分别获得用于质量估计的6个模型参数θ₁、θ₂、θ₃、θ₄、θ₅、θ₆：

其中In()是以自然常数e为底的对数函数，ξ₁、ξ₂、ξ₃、ξ₄、ξ₅、ξ₆、ξ₇、ξ₈、ξ₉、ξ₁₀、ξ₁₁、ξ₁₂、ξ₁₃、ξ₁₄、ξ₁₅、ξ₁₆、ξ₁₇、ξ₁₈为模型参数，模型参数的取值范围为：ξ₁∈[-2,-0.1]，ξ₂∈[0.001,0.5]，ξ₃∈[-0.2,-0.01]，ξ₄∈[100,2000]，ξ₅∈[-5000,-800]，ξ₆∈[1000,10000]，ξ₇∈[-2,-0.1]，ξ₈∈[5,100]，ξ₉∈[-200,-0.01]，ξ₁₀∈[1000,10000]，ξ₁₁∈[-30000,-2000]，ξ₁₂∈[5000,50000]，ξ₁₃∈[1×10^-10,30×10^-10]，ξ₁₄∈[0.1,12]，ξ₁₅∈[-2,-0.01]，ξ₁₆∈[130,2000]，ξ₁₇∈[-10000,-100]，ξ₁₈∈[1000,20000]。本实施例的ξ₁取值为-0.1ξ₂取值为0.5,ξ₃取值为-0.01ξ₄取值为2000，ξ₅取值为-800，ξ₆取值为10000，ξ₇取值为-0.1，ξ₈取值为100，ξ₉取值为-0.01，ξ₁₀取值为10000，ξ₁₁取值为-2000，ξ₁₂取值为50000，ξ₁₃取值为30×10^-10，ξ₁₄取值为12，ξ₁₅取值为-0.01,ξ₁₆取值为2000,ξ₁₇取值为-100，ξ₁₈取值为20000。

在获得纹理复杂图像模型参数步骤(7)中，对于纹理复杂图像，根据式(14)-式(19)分别获得用于质量估计的6个模型参数θ₇、θ₈、θ₉、θ₁₀、θ₁₁、θ₁₂：

θ₇＝ψ₁+ψ₂sd(i)+ψ₃exp(-sd(i)) (14)

θ₈＝ψ₄+ψ₅sd(i)+ψ₆exp(-sd(i)) (15)

θ₁₁＝ψ₁₃+ψ₁₄sd(i)+ψ₁₅(sd(i))² (18)

其中exp()是以自然常数e为底的指数函数，ψ₁、ψ₂、ψ₃、ψ₄、ψ₅、ψ₆、ψ₇、ψ₈、ψ₉、ψ₁₀、ψ₁₁、ψ₁₂、ψ₁₃、ψ₁₄、ψ₁₅、ψ₁₆、ψ₁₇、ψ₁₈为模型参数，模型参数的取值范围分别为：ψ₁∈[-2,-0.01]，ψ₂∈[-1,-0.0001]，ψ₃∈[100,3000]，ψ₄∈[10,100]，ψ₅∈[0,2]，ψ₆∈[-20×10⁴,-0.1×10⁴]，ψ₇∈[10,200]，ψ₈∈[-1000,-100]，ψ₉∈[-10×10⁵,-0.1×10⁵]，ψ₁₀∈[10,200]，ψ₁₁∈[-12,-2]，ψ₁₂∈[-2,-0.01]，ψ₁₃∈[10,50]，ψ₁₄∈[2,12]，ψ₁₅∈[-2,-0.01]，ψ₁₆∈[-2,-0.2]，ψ₁₇∈[0.1×10^-6,10×10^-6]，ψ₁₈∈[0.1,5]。本实施例的ψ₁取值为-0.01，ψ₂取值为-0.0001，ψ₃取值为3000，ψ₄取值为100，ψ₅取值为2，ψ₆取值为-0.1×10⁴，ψ₇取值为200，ψ₈取值为-100，ψ₉取值为-0.1×10⁵，ψ₁₀取值为200，ψ₁₁取值为-2，ψ₁₂取值为-0.01，ψ₁₃取值为50，ψ₁₄取值为12，ψ₁₅取值为-0.01，ψ₁₆取值为-0.2，ψ₁₇取值为10×10^-6，ψ₁₈取值为5。

其它步骤与实施例1相同。

为了验证本发明的有益效果，发明人采用本发明实施例1的方法对高效视频编码标准国际制定组织推荐的4个标准视频和服(Kimonol)、克里斯汀和萨拉(KristenAndSara)、赛马(RaceHorses)、公园景观(ParkScene)进行了实验，实验如下：

选择高效视频编码标准国际制定组织推荐的编码器HM16.0，在量化参数被分别设置为12、17、22、27、32、37的情况下，编码视频的第一幅图像，第一幅图像类型为帧内图像。编码后即可以获得图像对应的真实峰值信噪比及编码时间。

使用本发明实施例1的方法分别得到图像的估计峰值信噪比及方法运行的时间。方法运行的主要软硬件环境为：Windows 10操作系统，处理器为Intel(R)Core(TM)i7-8565U CPU(1.80GHz)，内存8.00GB。

采用式(23)-式(25)所示的BA_f,Y，BA_f,Cb，BA_f,Cr衡量本发明实施例1的方法对于纹理简单图像的质量估计准确度。

其中PSNR_f,Y,act，PSNR_f,Cb,act，PSNR_f,Cr,act分别表示HM16.0编码完纹理简单图像后得到的图像亮度分量Y、色度分量Cb、色度分量Cr对应的峰值信噪比。

采用式(26)-式(28)所示的BA_g,Y，BA_g,Cb，BA_g,Cr衡量本发明实施例1的方法对于纹理复杂图像的质量估计准确度，

其中PSNR_g,Y,act，PSNR_g,Cb,act，PSNR_g,Cr,act分别表示HM16.0编码完纹理复杂图像后得到的图像亮度分量Y、色度分量Cb、色度分量Cr对应的峰值信噪比。

采用算法运行的时间评判算法的复杂度，如式(29)-式(31)所示，采用ATC_f,Y，ATC_f,Cb，ATC_f,Cr分别衡量本发明实施例1的方法在估计纹理简单图像的亮度分量Y、色度分量Cb、色度分量Cr对应的峰值信噪比时的复杂度变化。

其中AT_f,Y,act、AT_f,Cb,act、AT_f,Cr,act分别表示HM16.0编码完纹理简单图像得到亮度分量Y、色度分量Cb、色度分量Cr对应的峰值信噪比需要运行的时间，AT_f,Y、AT_f,Cb、AT_f,Cr分别表示本发明实施例1的方法得到纹理简单图像亮度分量Y、色度分量Cb、色度分量Cr对应的峰值信噪比需要运行的时间。

如式(32)-式(34)所示，采用ATC_g,Y、ATC_g,Cb、ATC_g,Cr分别衡量本发明实施例1的方法在估计纹理复杂图像的亮度分量Y、色度分量Cb、色度分量Cr对应的峰值信噪比时的复杂度变化。

其中AT_g,Y,act，AT_g,Cb,act，AT_g,Cr,act分别表示HM16.0编码完纹理复杂图像得到亮度分量Y、色度分量Cb、色度分量Cr对应的峰值信噪比需要运行的时间，AT_g,Y，AT_g,Cb，AT_g,Cr分别表示本发明实施例1的方法得到纹理复杂图像亮度分量Y、色度分量Cb、色度分量Cr对应的峰值信噪比需要运行的时间。

这里需要说明，HM16.0编码完图像得到亮度分量Y、色度分量Cb、色度分量Cr对应的峰值信噪比需要运行的时间是相同的。而本发明实施例1的方法中估计图像亮度分量Y、色度分量Cb、色度分量Cr对应的峰值信噪比的步骤一样。所以ATC_f,Y＝ATC_f,Cb＝ATC_f,Cr，ATC_g,Y＝ATC_g,Cb＝ATC_g,Cr。

使用实施例1的方法，和服(Kimonol)和克里斯汀和萨拉(KristenAndSara)中的第一幅图像被判定为纹理简单图像，赛马(RaceHorses)和公园景观(ParkScene)中的第一幅图像被判定为纹理复杂图像。实验结果见表1和表2。

表1纹理简单图像对应的质量估计准确度及运行时间比较

由表1所示，对于纹理简单图像，实施例1的方法对应的BA_f,Y、BA_f,Cb、BA_f,Cr分别为1.43％、0.48％、0.44％，即估计的峰值信噪比与真实的峰值信噪比分别只有1.43％、0.48％、0.44％的偏差，说明实施例1的方法可以准确地估计图像的峰值信噪比。实施例1的方法对应的ATC_f,Y、ATC_f,Cb、ATC_f,Cr为96.98％，即相比HM16.0实际编码运行的时间，实施例1的方法节省了96.98％的运行时间，大大降低了运算复杂度。

表2纹理复杂图像对应的质量估计准确度及运行时间比较

由表2可见，实验数据也能得到表1类似的结论，即相比于HM16.0实际编码的方法，本发明实施例1的方法可以准确估计纹理复杂图像的峰值信噪比的同时显著降低算法的运算复杂度。

Claims (6)

1.一种高效视频编码标准帧内图像质量估计方法，其特征在于它是由下述步骤组成：

(1)确定边长

输入视频图像的空间分辨率，按照式(1)得到边长l：

其中round()为四舍五入取整函数，w_p为图像宽，h_p为图像高，γ∈[0.5,3.5]，σ∈[0.05,0.4]，w_c∈{88,89,...,704}，h_c∈{72,73,...,576}；

(2)确定基本计算单元大小

基本计算单元为矩形像素块，由边长l确定基本计算单元的宽w_b和高h_b：

w_b＝αl (2)

h_b＝βl (3)

其中α∈{0.5,1,1.5,2,2.5,3}，β∈{0.5,1,1.5,2,2.5,3}；

(3)确定图像的标准差

图像的标准差按式(4)确定：

其中sd(i)表示视频第i幅帧内图像的标准差，i∈{1,2,..,N_p}，N_p是视频的总图像数、为有限的正整数，int()为下取整函数，x(i,k,j)表示视频第i幅帧内图像第k个基本计算单元第j个像素的亮度值，k、j为有限的正整数；

(4)确定图像类型

第i幅帧内图像满足sd(i)≥T_sd，此图像被分类为纹理复杂图像，第i幅帧内图像满足sd(i)＜T_sd，此图像被分类为纹理简单图像，其中T_sd为复杂度分类阈值参数，T_sd∈[6,16]；

(5)获得纹理简单图像模型参数

对于纹理简单图像，根据式(5)-式(10)分别获得用于质量估计的6个模型参数θ₁、θ₂、θ₃、θ₄、θ₅、θ₆：

其中ln()是以自然常数e为底的对数函数，ξ₁、ξ₂、ξ₃、ξ₄、ξ₅、ξ₆、ξ₇、ξ₈、ξ₉、ξ₁₀、ξ₁₁、ξ₁₂、ξ₁₃、ξ₁₄、ξ₁₅、ξ₁₆、ξ₁₇、ξ₁₈为模型参数，模型参数的取值范围为：ξ₁∈[-2,-0.1]，ξ₂∈[0.001,0.5]，ξ₃∈[-0.2,-0.01]，ξ₄∈[100,2000]，ξ₅∈[-5000,-800]，ξ₆∈[1000,10000]，ξ₇∈[-2,-0.1]，ξ₈∈[5,100]，ξ₉∈[-200,-0.01]，ξ₁₀∈[1000,10000]，ξ₁₁∈[-30000,-2000]，ξ₁₂∈[5000,50000]，ξ₁₃∈[1×10^-10,30×10^-10]，ξ₁₄∈[0.1,12]，ξ₁₅∈[-2,-0.01]，ξ₁₆∈[130,2000]，ξ₁₇∈[-10000,-100]，ξ₁₈∈[1000,20000]；

(6)估计纹理简单图像质量

用式(11)-式(13)分别得到纹理简单图像亮度分量Y、色度分量Cb、色度分量Cr对应的估计峰值信噪比PSNR_f,Y、PSNR_f,Cb、PSNR_f,Cr：

PSNR_f,Y＝θ₁QP+θ₂ (11)

PSNR_f,Cb＝θ₃QP+θ₄ (12)

PSNR_f,Cr＝θ₅QP+θ₆ (13)

其中QP表示用于编码的量化参数；

(7)获得纹理复杂图像模型参数

对于纹理复杂图像，根据式(14)-式(19)分别获得用于质量估计的6个模型参数θ₇、θ₈、θ₉、θ₁₀、θ₁₁、θ₁₂：

θ₇＝ψ₁+ψ₂sd(i)+ψ₃exp(-sd(i)) (14)

θ₈＝ψ₄+ψ₅sd(i)+ψ₆exp(-sd(i)) (15)

θ₁₁＝ψ₁₃+ψ₁₄sd(i)+ψ₁₅(sd(i))² (18)

其中exp()是以自然常数e为底的指数函数，ψ₁、ψ₂、ψ₃、ψ₄、ψ₅、ψ₆、ψ₇、ψ₈、ψ₉、ψ₁₀、ψ₁₁、ψ₁₂、ψ₁₃、ψ₁₄、ψ₁₅、ψ₁₆、ψ₁₇、ψ₁₈为模型参数，模型参数的取值范围分别为：ψ₁∈[-2,-0.01]，ψ₂∈[-1,-0.0001]，ψ₃∈[100,3000]，ψ₄∈[10,100]，ψ₅∈[0,2]，ψ₆∈[-20×10⁴,-0.1×10⁴]，ψ₇∈[10,200]，ψ₈∈[-1000,-100]，ψ₉∈[-10×10⁵,-0.1×10⁵]，ψ₁₀∈[10,200]，ψ₁₁∈[-12,-2]，ψ₁₂∈[-2,-0.01]，ψ₁₃∈[10,50]，ψ₁₄∈[2,12]，ψ₁₅∈[-2,-0.01]，ψ₁₆∈[-2,-0.2]，ψ₁₇∈[0.1×10^-6,10×10^-6]，ψ₁₈∈[0.1,5]；

(8)估计纹理复杂图像质量

根据式(20)-式(22)分别得到纹理复杂图像亮度分量Y、色度分量Cb、色度分量Cr对应的峰值信噪比PSNR_g,Y、PSNR_g,Cb、PSNR_g,Cr：

PSNR_g,Y＝θ₇QP+θ₈ (20)

2.根据权利要求1所述的高效视频编码标准帧内图像质量估计方法，其特征在于：在确定边长步骤(1)中，所述的γ取值为2.312,σ取值为0.1098，w_c取值为176，h_c取值为144。

3.根据权利要求1所述的高效视频编码标准帧内图像质量估计方法，其特征在于：在确定基本计算单元大小步骤(2)中，所述的α取值为1,β取值为1。

4.根据权利要求1所述的高效视频编码标准帧内图像质量估计方法，其特征在于：在确定图像类型步骤(4)中，所述的T_sd取值为9.12。

5.根据权利要求1所述的高效视频编码标准帧内图像质量估计方法，其特征在于：在获得纹理简单图像模型参数步骤(5)中，所述的ξ₁取值为-0.5637,ξ₂取值为0.0757,ξ₃为-0.1341,ξ₄取值为988.9938,ξ₅取值为-3757.8642，ξ₆取值为6992.5402，ξ₇取值为-1.3832,ξ₈取值为17.1871,ξ₉取值为-69.3852,ξ₁₀取值为4261.0297,ξ₁₁取值为-16930.2401，ξ₁₂取值为31464.9802，ξ₁₃取值为7.6974×10^-10,ξ₁₄取值为1.1118,ξ₁₅取值为-0.3504,ξ₁₆取值为1303.1992,ξ₁₇取值为-5013.0618，ξ₁₈取值为9302.5936。

6.根据权利要求1所述的高效视频编码标准帧内图像质量估计方法，其特征在于：在获得纹理复杂图像模型参数步骤(7)中，所述的ψ₁取值为-0.5893，ψ₂取值为-0.0141，ψ₃取值为1871.2642，ψ₄取值为55.4507，ψ₅取值为0.302，ψ₆取值为-2.4956×10⁴，ψ₇最佳取值为140.8854，ψ₈最佳取值为-421.6006，ψ₉取值为-1.2082×10⁵，ψ₁₀取值为123.5036，ψ₁₁取值为-8.4543，ψ₁₂取值为-0.3476，ψ₁₃取值为22.2138，ψ₁₄取值为8.0586，ψ₁₅取值为-0.1659，ψ₁₆取值为-0.802，ψ₁₇取值为3.5974×10^-6，ψ₁₈取值为1.3514。

Images