[发明专利]一种基于自适应ST区的高清视频图像质量评价方法及装置

说明书

技术领域

本发明涉及一种高清视频图像质量评价的方法及装置，具体地说是一种利用自适应ST区实现高清视频图像质量评价的方法及装置。

背景技术

高清电视(HDTV)是当前数字电视最高级的业务形式，具有清晰度高、画面尺寸大、色彩鲜艳、临场感强等优点。随着数字视频压缩技术的不断发展，高清视频在日常生活中也得到了较为广泛的应用，特别是近几年高清电视节目的出现，以及视频压缩编解码技术的发展，数字高清图像质量评价逐渐成为研究中的一个热点问题。

传统的图像/视频质量评价方法可分为主观评价和客观评价两大类。其中主观评价是用户对视频质量的直接评价，是一种重要且可靠的评价方式。该方法在多年应用中已形成相对稳定的系列标准，如用于标清电视主观评价的ITU-R BT.500-11标准和用于高清电视主观评价的ITU-RBT.710-2标准等。主观评价具有结果直观，可信度高等特性；但它对测试环境要求较高，且测量过程复杂、费时，评价结果因人而异。此外，主观评价无法实现在线的视频质量测量。而客观评价方法测量指标客观，具有可重复性，容易实现自动方便地监控且适合多种应用场合。

数字图像质量的客观评价方法可分为三种，根据测量时对无失真视频(或称原始序列)的依赖程度分为：基于全参考帧的视频质量测量(Full-Reference Video Quality Metric：FR-VQM)，基于缩减参考帧(Reduced-Reference，RR-VQM)和基于无参考帧(No-Reference，NR-VQM)的视频质量测量。其中NR-VQM不需要任何来自原始视频图像的数据，而仅仅在接收端对受损视频图像进行测量，通过对某些特征(如边缘能量差、空间频率差、活动能量差等技术指标)的提取和统计分析来测量视频的损伤程度。由于评价过程中不考虑原始数据的特性，因此，该方法对某些失真的敏感度较低，评价结果的准确度较另外两种要稍差些。对于高质量的高清电视节目，FR-VQM和RR-VQM是更为常用、也是更加可靠的客观评价技术。因此，对于高清视频质量的评价研究多从全参考和缩减参考这两个角度分析。

其中，FR-VQM的方法思路如图1所示。FR-VQM以受损视频和原始视频序列之间逐帧逐像素之间的差异为比较的基准，通过对这些差异的统计分析，并结合视觉感知特性，获得最终的评价结果。不同的图像处理方法和不同差值图像分析方法确定了不同的FR-VQM方法。该方法可以最大程度保留两个序列的不同之处。在FR-VQM方法中结合了人眼视觉感知特性，可以获取与主观评价结果较一致的客观评价结果。信号分析中的峰值信噪比(PSNR)是一种最简单的FR-VQM方法，它通过逐帧逐像素地计算出原始图像与受损图像的差值影射图，然后算出均方根值，来获取对受损图像的质量评价值。该方法并没有结合人类视觉机制的任何特性，但对一般图像/视频的质量测量，还是可获得较为准确的测量结果，因此，常作为一种参考算法去衡量其他的FR-VQM方法。

RR-VQM的实现框架如图2所示。该类方法首先分别从原始视频和受损视频提取某些特征参数，其次对这些特征进行统计分析以获取原始视频和受损视频对应的特征统计数据，然后对这两组统计特征信息进行比较计算，分析多种图像质量损伤，如：模糊、块效应、图像跳跃(失帧或重复帧)、噪声、色度失真、振铃等，以获取可以指示图像受损程度、或定义图像质量的数据。相对于FR-VQM而言，该方法的主要优点在于，评价过程中只需要传输从原始序列中提取的有限特征数据即可，所需的附加带宽较小，因此可用于实时的监控和测试。由于此方法的评价结果主要取决于参与比较的特征参数，因此，特征参数的定义和提取将直接影响到评价结果的准确性。

这两类方法在研究中分别有其不同的侧重点。FR-VQM算法可以分析到图像之间像素级别的差异，并通过结合人眼视觉的感知特性来对这些差异进行加权处理，以获取与主观评价结果拟合性非常好的客观评价结果。但计算过程较为复杂，数据量大，很难实现在线测量；而RR-VQM方法首先定义特征参数，然后分别提取原始视频和受损视频的特征参数，通过比较这些参数来获取对受损图像的质量评价结果。在参数的定义和比较中，RR-VQM也会考虑结合视觉感知特性来提高评价结果的准确性。由于RR-VQM参与运算的只是原始图像的一部分数据，因此，其评价结果与主观结果的一致性则取决于不同设计的方法。但该方法运算速度快，并且可借助辅助信道实现在传输两端任一端的在线测量。