[发明专利]用于评估视频的主观质量的方法及装置

说明书

提出了一种用于评估视频的质量的方法和设备，其中：从用于评估质量的目标视频和将与目标视频进行比较的参考视频获得划分出的预定尺寸的块；将块输入到视频质量评估网络，确定针对每一个块的灵敏度信息和质量评价信息；以及基于针对每一个块的所述灵敏度将质量评估信息进行组合，并且确定目标视频的最终视频质量评估得分。

技术领域

本公开涉及一种用于评估视频的主观质量的方法和装置，并且更具体地，涉及一种用于通过使用视频质量评价网络来评估视频的主观质量的方法和装置，以及一种用于通过将视频质量评价网络应用于用于对尺寸进行变换的深度神经网络来对图像进行编码的方法和设备以及对图像进行解码的方法和设备。

背景技术

图像由遵循指定的数据压缩标准(例如，运动图像专家组(MPEG)压缩标准)的编解码器被编码，然后以比特流的形式被存储在记录介质中或者经由通信信道被发送。

随着用于再现和存储高分辨率/高质量图像的硬件的开发和供应，对能够有效地对高分辨率/高质量图像进行编码和解码的编解码器的需求正在增加。

发明内容

技术问题

因为针对每一个内容由人所感知的最小可觉差(JND)(即，人感觉视频质量不同的程度)不同，所以在保持相同感知的视频质量的同时传输最少量的信息是重要的。为此，在需要评估视频质量的图像编码/解码领域中，对人类视觉系统进行建模并接近人类视觉系统的方法需要过长的时间，因此使用一种用于评估视频质量的方法和装置，其中，使用从视频质量评价网络(VQANet)获得的视频质量数据集来训练人类视觉系统，并且通过使用基于时间维度的信息的块节省了通过训练VQANet所需的时间。

问题的解决方案

根据本公开的一个方面，一种评估图像质量的方法包括：通过对用于评估质量的目标图像和将与目标图像进行比较的参考图像进行划分来获得多个块，其中，每一个块具有预定尺寸；通过将所述多个块输入到视频质量评价网络来确定所述每一个块的灵敏度信息和质量评价信息；以及通过基于所述多个块的灵敏度信息将所述多个块的质量评价信息彼此组合来确定所述目标图像的最终图像质量评价得分。

根据本公开的一方面，一种图像解码方法包括：接收与经由通过缩小深度神经网络(DNN)进行AI缩小获得的第一图像相关的图像数据；基于所述图像数据获得与第一图像相应的第二图像；以及通过经由放大DNN对第二图像进行AI放大来获得第三图像，其中，所述放大DNN是基于图像质量评价损失信息被训练的，其中，所述图像质量评估损失信息是作为由所述放大DNN输出的第一训练图像相对于原始训练图像的视频质量评价的结果被获得的。

根据本公开的一方面，一种图像编码方法包括：将原始图像输入到缩小DNN；以及对通过经由所述缩小DNN对所述原始图像进行AI缩小而获得的第一图像进行编码，其中，所述缩小DNN是基于第一损失信息被训练的，其中，第一损失信息与将通过视频质量评价从多个质量增强图像中选择的质量增强图像与由所述缩小DNN输出的第一训练图像进行比较的结果相应，其中，所述多个质量增强图像是通过对与原始训练图像相应的缩减的训练图像执行多种增强方法被获得的。

根据本发明的一方面，一种用于评估目标图像的质量的设备包括：存储器，存储一个或更多个指令；以及处理器，被配置为执行存储在存储器中的至少一个指令，其中，处理器被配置为通过对用于评估质量的目标图像和将与目标图像进行比较的参考图像进行划分来获得多个块，其中，每一个块具有预定尺寸，通过将所述多个块输入到视频质量评价网络来确定所述每一个块的灵敏度信息和质量评价信息，并且通过基于所述多个块的灵敏度信息将所述多个块的质量评价信息彼此组合来确定目标图像的最终图像质量评价得分。