本發(fā)明涉及一種視頻質(zhì)量的測量系統(tǒng)，特別是涉及一種視頻質(zhì)量的預(yù)測模型，應(yīng)用于利用碼流信息預(yù)測編碼視頻質(zhì)量的視頻編解碼
技術(shù)領(lǐng)域：
。
背景技術(shù)：
：終端用戶的感知質(zhì)量是形成用戶體驗(yàn)質(zhì)量qoe(qualityofservice)的關(guān)鍵因素。在相同的編碼參數(shù)下，如幀率、采樣格式、分辨率等，不同的視頻內(nèi)容可以得到不同的感官質(zhì)量。由于視頻質(zhì)量的內(nèi)容依賴性，進(jìn)行視頻質(zhì)量預(yù)測時(shí)考慮不同的內(nèi)容特性尤為必要。常見的感知視頻質(zhì)量估計(jì)的客觀測量可以分為兩類：基于人眼視覺特性和基于視頻參數(shù)。為了確保視頻質(zhì)量測量的低復(fù)雜度，有必要充分利用編碼產(chǎn)生的碼流，提取視頻特征而無需參考其他信息。通常決定視頻內(nèi)容類型的方法是從碼流中提取運(yùn)動特征然后逐像素地計(jì)算幀與幀之間的差異。文獻(xiàn)[1]中提出了一個(gè)無參質(zhì)量預(yù)測的方法，運(yùn)動特征包括兩幀變化的運(yùn)動幅度和方向。文獻(xiàn)[2]提出更精確的模型，采用優(yōu)化的h.264失真檢測模型進(jìn)行內(nèi)容分類計(jì)算。文獻(xiàn)[3]提出由運(yùn)動矢量信息和像素域絕對誤差和sad(sumofabsolutedifferences)信息來決定的內(nèi)容自適應(yīng)參數(shù)和內(nèi)容分類的視頻質(zhì)量估計(jì)模型。在文獻(xiàn)[4]的視頻質(zhì)量預(yù)測模型中，考慮的用戶體驗(yàn)質(zhì)量內(nèi)容類型包括：發(fā)送端碼率、塊失真率和平均失真長度，但是沒有考慮運(yùn)動特征和其他特性。文獻(xiàn)[5]利用空時(shí)域內(nèi)容特征建立預(yù)測算法，但是沒有考慮幀的類型。文獻(xiàn)[6]將hevc編碼參數(shù)、量化參數(shù)和內(nèi)容類型融合到質(zhì)量預(yù)測模型中，但是沒有考慮運(yùn)動特征和序列復(fù)雜度信息。文獻(xiàn)[1]:riesm,nemethovao,ruppm,motionbasedreference-freequalityestimationforh.264/avcvideostreaming.2ndinternationalsymposiumonwirelesspervasivecomputing,(2007)文獻(xiàn)[2]:g.vanwallendael,n.staelens,”no-referencebitstream-basedimpairmentdetectionforhighefficiencyvideocoding,”qualityofmultimediaexperience(qomex),2012fourthinternationalworkshopon,yarravalley,vic,pp.7-12,(2012).文獻(xiàn)[3]:m.ries,o.nemethova,andm.rupp,videoqualityestimationformobileh.264/avcvideostreaming,j.commun.,vol.3,no.1,pp.4150,(2008).文獻(xiàn)[4]:khana,sunl,ifeachore,qoepredictionmodelanditsapplicationinvideoqualityadaptationoverumtsnetworks.ieeetransmultimed14(2):431442,(2012)文獻(xiàn)[5]:b.konuk,e.zerman,”aspatiotemporalno-referencevideoqualityassessmentmodel,”2013ieeeinternationalconferenceonimageprocessing,melbourne,vic,pp.54-58,(2013).文獻(xiàn)[6]:louisanegekuh,lingfensun,encodingandvideocontentbasedhevcvideoqualityprediction,multimediatoolsandapplications,volume74,issue11,pp.3715-3738,(2015)技術(shù)實(shí)現(xiàn)要素：為了解決現(xiàn)有技術(shù)問題，本發(fā)明的目的在于克服已有技術(shù)存在的不足，提供一種基于內(nèi)容的hevc碼流質(zhì)量預(yù)測模型，利用碼流中提取的視頻特征建立內(nèi)容相關(guān)矩陣，然后利用該矩陣建立視頻質(zhì)量預(yù)測模型。本發(fā)明在低復(fù)雜度的情況下，僅利用碼流中的信息，便能預(yù)測視頻質(zhì)量，而無需解碼，預(yù)測精度高于現(xiàn)有其他算法。為達(dá)到上述發(fā)明創(chuàng)造目的，采用如下發(fā)明構(gòu)思：在本發(fā)明利用空域復(fù)雜度、時(shí)域復(fù)雜度、碼率標(biāo)準(zhǔn)差和非零變換系數(shù)百分比，提出一個(gè)基于內(nèi)容的質(zhì)量預(yù)測模型。從編碼產(chǎn)生的碼流中提取參數(shù)，將這些內(nèi)容特性線性組合，建立一個(gè)內(nèi)容類型矩陣。在文獻(xiàn)[6]的基礎(chǔ)上，進(jìn)一步采用更精確的空時(shí)域復(fù)雜度矩陣，并增加碼率標(biāo)準(zhǔn)差和量化的變換系數(shù)兩個(gè)特征，然后根據(jù)內(nèi)容特性，提出hevc編碼碼流的基于內(nèi)容的視頻質(zhì)量預(yù)測模型。根據(jù)上述發(fā)明構(gòu)思，本發(fā)明采用下述技術(shù)方案：一種基于內(nèi)容的hevc碼流質(zhì)量預(yù)測模型，其特征在于：包括視頻特征提取模塊，內(nèi)容類型分類矩陣計(jì)算模塊和質(zhì)量預(yù)測模型模塊，視頻特征提取模塊利用碼流中提取的視頻特征信息，在內(nèi)容類型分類矩陣計(jì)算模塊中建立內(nèi)容相關(guān)矩陣，然后利用內(nèi)容相關(guān)矩陣通過質(zhì)量預(yù)測模型模塊建立視頻質(zhì)量預(yù)測模型，從而預(yù)測視頻質(zhì)量，具體為：上述視頻特征提取模塊能從已編碼的碼流中提取能影響視頻質(zhì)量或者與視頻質(zhì)量相關(guān)的基本特征參數(shù)數(shù)據(jù)，包括運(yùn)動矢量、碼率、變換系數(shù)和其他量化參數(shù)；上述內(nèi)容類型分類矩陣計(jì)算模塊包括時(shí)域復(fù)雜度子模塊、空域復(fù)雜度子模塊、碼率標(biāo)準(zhǔn)差子模塊和非零變換系數(shù)百分比子模塊，時(shí)域復(fù)雜度子模塊利用時(shí)域信息計(jì)算時(shí)域因子數(shù)據(jù)，空域復(fù)雜度子模塊利用空域信息計(jì)算空域因子數(shù)據(jù)，碼率標(biāo)準(zhǔn)差子模塊利用平均碼率信息計(jì)算碼率調(diào)制因子數(shù)據(jù)，非零變換系數(shù)百分比子模塊利用非零變換系數(shù)權(quán)重計(jì)算變換系數(shù)調(diào)制因子數(shù)據(jù)；上述質(zhì)量預(yù)測模型模塊利用內(nèi)容類型分類矩陣計(jì)算模塊計(jì)算所得內(nèi)容信息和量化參數(shù)信息，通過計(jì)算建立視頻質(zhì)量預(yù)測模型。作為本發(fā)明優(yōu)選的技術(shù)方案，在內(nèi)容類型分類矩陣計(jì)算模塊中建立內(nèi)容相關(guān)矩陣，內(nèi)容相關(guān)矩陣的計(jì)算公式如下：ctc＝a+b*tinfo+c*sinfo+d*bdev+e*ρ(i)其中，ctc表示內(nèi)容相關(guān)矩陣，tinfo表示序列時(shí)域復(fù)雜度因子，sinfo表示空域復(fù)雜度因子，bdev表示碼率的標(biāo)準(zhǔn)差因子，ρ表示經(jīng)過量化的變換系數(shù)中非零系數(shù)的百分比因子，a＝19865.338，b＝21668.041，c＝-43044.104，d＝0.563，e＝-1207737.87。作為上述方案的進(jìn)一步優(yōu)選的技術(shù)方案，對于序列時(shí)域復(fù)雜度因子tinfo，在時(shí)域復(fù)雜度子模塊中通過如下公式計(jì)算處理得到：其中，bave表示平均碼率，表示運(yùn)動區(qū)域的比重，marg表示對應(yīng)運(yùn)動區(qū)域的平均幅度，表示序列的運(yùn)動量；在時(shí)域復(fù)雜度子模塊(4)中，在(ⅱ)式中的平均碼率bave通過如下公式計(jì)算處理得到：其中，bitsi表示第i幀的輸出碼率，n代表編碼的幀數(shù)。在時(shí)域復(fù)雜度子模塊中，在(ⅱ)式中的對應(yīng)運(yùn)動區(qū)域的平均幅度marg通過如下公式計(jì)算處理得到：在公式(ⅳ)和公式(ⅴ)中，ki表示第i幀中非零運(yùn)動矢量的數(shù)目，w和h分別代表視頻幀的寬度和高度，mi表示第i幀中非零運(yùn)動矢量的平均幅值，n代表編碼的幀數(shù)，對應(yīng)運(yùn)動區(qū)域的平均幅度marg通過對每一幀的mi求均而得到，marg也作為表示時(shí)域復(fù)雜度特征的一種參數(shù)；在時(shí)域復(fù)雜度子模塊中，在(ⅱ)式中的運(yùn)動區(qū)域的比重c通過如下公式計(jì)算處理得到：在公式(ⅵ)和公式(vii)中，counti(mvnon-zero)表示第i幀中非零運(yùn)動矢量的數(shù)目，counti(mv)表示第i幀中總的運(yùn)動矢量數(shù)目，n表示編碼的幀數(shù)，ci表示第i幀視頻中非零運(yùn)動矢量的比例，ci也作為表示時(shí)域復(fù)雜度特征的一種參數(shù)，表示檢測視頻中的運(yùn)動區(qū)域所占比例，越大表示靜止區(qū)域所占比重越大。作為上述方案的進(jìn)一步優(yōu)選的技術(shù)方案，對于空域復(fù)雜度因子sinfo，在空域復(fù)雜度子模塊中通過如下公式計(jì)算處理得到：在公式(ⅷ)和公式(ⅸ)中，和分別表示前一qp和當(dāng)前qp下的碼率，l、m和k分別表示不同類型的編碼的i、p和b幀的幀數(shù)，bits*和qp*分別表示對應(yīng)的碼率和qp，表示當(dāng)qp增加1時(shí)，平均碼率降低的百分比。maxbits表示視頻序列的最大輸出碼率，對空間復(fù)雜度歸一化處理，用來消除空間分辨率對視頻質(zhì)量的影響。作為上述方案的進(jìn)一步優(yōu)選的技術(shù)方案，優(yōu)選取值0.11。作為上述方案的進(jìn)一步優(yōu)選的技術(shù)方案，對于碼率的標(biāo)準(zhǔn)差因子bdev，在碼率標(biāo)準(zhǔn)差子模塊中通過如下公式計(jì)算處理得到：bave表示序列的平均碼率，如公式(ⅲ)所示，biti表示第i幀的編碼碼率，n表示編碼的幀數(shù)。作為上述方案的進(jìn)一步優(yōu)選的技術(shù)方案，對于經(jīng)過量化的變換系數(shù)中非零系數(shù)的百分比因子ρ，在非零變換系數(shù)百分比子模塊中通過如下公式計(jì)算處理得到：在公式(ⅹⅱ)中，其中coeffnonzero-i表示第i幀中非零變換系數(shù)的數(shù)目，coeffi表示第i幀中所有變換系數(shù)的數(shù)目，n代表編碼的幀數(shù)。作為上述方案的進(jìn)一步優(yōu)選的技術(shù)方案，在質(zhì)量預(yù)測模型模塊中建立視頻質(zhì)量預(yù)測模型，采用的計(jì)算公式如下：psnr＝φ+γ*qp+η*ln(ctc)(xii)其中psnr表示測編碼視頻質(zhì)量，φ＝86.683，γ＝-0.773，η＝-2.463。本發(fā)明與現(xiàn)有技術(shù)相比較，具有如下顯而易見的突出實(shí)質(zhì)性特點(diǎn)和顯著優(yōu)點(diǎn)：1.本發(fā)明基于內(nèi)容的hevc碼流質(zhì)量預(yù)測模型具有低復(fù)雜度，通過從碼流中提取特征建立內(nèi)容相關(guān)矩陣，無需獲取原始視頻像素信息，在計(jì)算上沒有復(fù)雜算法或復(fù)雜迭代；2.本發(fā)明基于內(nèi)容的hevc碼流質(zhì)量預(yù)測模型具有高精度，由于提取的特征和建立的內(nèi)容矩陣與視頻質(zhì)量高度相關(guān)，所以能很好地預(yù)測視頻質(zhì)量，采用本發(fā)明質(zhì)量預(yù)測模型訓(xùn)練序列的精度能達(dá)到98％，測試序列精度能達(dá)到97％，均高于其他算法。附圖說明圖1為本發(fā)明優(yōu)選實(shí)施例基于內(nèi)容的hevc碼流質(zhì)量預(yù)測模型的系統(tǒng)結(jié)構(gòu)示意圖。圖2為本發(fā)明優(yōu)選實(shí)施例基于內(nèi)容的hevc碼流質(zhì)量預(yù)測模型系統(tǒng)框圖。圖3為本發(fā)明優(yōu)選實(shí)施例的時(shí)域復(fù)雜度與psnr之間關(guān)系圖。圖4為本發(fā)明優(yōu)選實(shí)施例的空域復(fù)雜度和psnr之間關(guān)系圖。圖5為本發(fā)明優(yōu)選實(shí)施例的qp和sdb之間關(guān)系圖。圖6為本發(fā)明優(yōu)選實(shí)施例的sdb和psnr之間關(guān)系圖。圖7為本發(fā)明優(yōu)選實(shí)施例的pnqtc和碼率(kbps)的關(guān)系圖。圖8為本發(fā)明優(yōu)選實(shí)施例的qp和pnqtc的關(guān)系圖。圖9為本發(fā)明優(yōu)選實(shí)施例的pnqtc和psnr的關(guān)系圖。圖10為本發(fā)明優(yōu)選實(shí)施例的驗(yàn)證ctc和碼率相關(guān)性的曲線形式對比圖，其中圖10(a)為qp與ctc的關(guān)系圖，圖10(b)為qp與碼率的關(guān)系圖。圖11為本發(fā)明優(yōu)選實(shí)施例的ctc與psnr的關(guān)系圖。圖12為本發(fā)明優(yōu)選實(shí)施例的訓(xùn)練序列實(shí)際psnr和實(shí)際psnr對比圖。圖13為本發(fā)明優(yōu)選實(shí)施例的測試序列實(shí)際psnr和預(yù)測psnr對比圖。圖14為本發(fā)明優(yōu)選實(shí)施例的測試序列psnr散點(diǎn)圖。具體實(shí)施方式本發(fā)明的優(yōu)選實(shí)施例詳述如下：在本實(shí)施例中，參見圖1，一種基于內(nèi)容的hevc碼流質(zhì)量預(yù)測模型，包括視頻特征提取模塊1，內(nèi)容類型分類矩陣計(jì)算模塊2和質(zhì)量預(yù)測模型模塊3，視頻特征提取模塊1利用碼流中提取的視頻特征信息，在內(nèi)容類型分類矩陣計(jì)算模塊2中建立內(nèi)容相關(guān)矩陣，然后利用內(nèi)容相關(guān)矩陣通過質(zhì)量預(yù)測模型模塊3建立視頻質(zhì)量預(yù)測模型，從而預(yù)測視頻質(zhì)量，具體為：視頻特征提取模塊1能從已編碼的碼流中提取能影響視頻質(zhì)量或者與視頻質(zhì)量相關(guān)的基本特征參數(shù)數(shù)據(jù)，包括運(yùn)動矢量、碼率、變換系數(shù)和其他量化參數(shù)；內(nèi)容類型分類矩陣計(jì)算模塊2包括時(shí)域復(fù)雜度子模塊4、空域復(fù)雜度子模塊5、碼率標(biāo)準(zhǔn)差子模塊6和非零變換系數(shù)百分比子模塊7，時(shí)域復(fù)雜度子模塊4利用時(shí)域信息計(jì)算時(shí)域因子數(shù)據(jù)，空域復(fù)雜度子模塊5利用空域信息計(jì)算空域因子數(shù)據(jù)，碼率標(biāo)準(zhǔn)差子模塊6利用平均碼率信息計(jì)算碼率調(diào)制因子數(shù)據(jù)，非零變換系數(shù)百分比子模塊7利用非零變換系數(shù)權(quán)重計(jì)算變換系數(shù)調(diào)制因子數(shù)據(jù)；質(zhì)量預(yù)測模型模塊3利用內(nèi)容類型分類矩陣計(jì)算模塊2計(jì)算所得內(nèi)容信息和量化參數(shù)信息，通過計(jì)算建立視頻質(zhì)量預(yù)測模型。編碼參數(shù)對視頻質(zhì)量影響的質(zhì)量預(yù)測模型的系統(tǒng)框圖參見圖2，包括以下組成部分：下面進(jìn)一步詳細(xì)描述本發(fā)明所示系統(tǒng)的子模塊的具體實(shí)施過程：1)內(nèi)容類型分類矩陣計(jì)算模塊如圖1所示，內(nèi)容類型分類矩陣計(jì)算模塊2包含時(shí)域復(fù)雜度子模塊4、空域復(fù)雜度子模塊5、碼率標(biāo)準(zhǔn)差子模塊6和非零變換系數(shù)百分比子模塊7。(1)時(shí)域復(fù)雜度計(jì)算子模塊運(yùn)動活動是最常見的運(yùn)動特征，運(yùn)動活動用來描述視頻序列的運(yùn)動緩慢、適中還是劇烈。在運(yùn)動快慢表示時(shí)域復(fù)雜度的前提下，運(yùn)動矢量是描述時(shí)域復(fù)雜度的最基本元素。如果當(dāng)前塊和參考幀中的匹配塊處于同一位置，則該運(yùn)動矢量的幅值為0，該運(yùn)動矢量被稱為零運(yùn)動矢量，說明當(dāng)前塊沒有運(yùn)動。一幀中零運(yùn)動矢量的百分比表示連續(xù)兩幀中沒有變化的塊的比例。因此，視頻中非零運(yùn)動矢量的比例能表示時(shí)域復(fù)雜度，定義如下：其中，counti(mvnon-zero)表示第i幀中非零運(yùn)動矢量的數(shù)目，counti(mv)表示第i幀中總的運(yùn)動矢量數(shù)目，n表示編碼的幀數(shù)。該特征能檢測視頻中運(yùn)動區(qū)域所占比例，越大表示靜止區(qū)域所占比重越大。但是只能區(qū)分靜止區(qū)域和運(yùn)動區(qū)域，為了進(jìn)一步區(qū)分運(yùn)動快慢，計(jì)算每一個(gè)cu的運(yùn)動矢量幅度特性。運(yùn)動速度也是代表視頻時(shí)域特性的一個(gè)重要特性。因此每一個(gè)非零運(yùn)動矢量的幅度特性定義如下：其中，ki表示第i幀中非零運(yùn)動矢量的數(shù)目，w和h分別代表視頻幀的寬度和高度，mi是第i幀中非零運(yùn)動矢量的平均幅值，則時(shí)域復(fù)雜度marg通過對每一幀的mi求均而得到。為了將運(yùn)動特征轉(zhuǎn)變?yōu)橐曨l質(zhì)量的測量標(biāo)準(zhǔn)，進(jìn)一步計(jì)算視頻的平均碼率。其中，bitsi表示第i幀的輸出碼率，n代表編碼的幀數(shù)。然后，將marg和bave組合起來得到序列時(shí)域復(fù)雜度的定義。因?yàn)楸硎具\(yùn)動區(qū)域的比重，marg表示對應(yīng)區(qū)域的平均幅度，所以用列的運(yùn)動量。在相同碼率的情況下，時(shí)域失真隨著運(yùn)動量的增加而增加；在相同運(yùn)動量的情況下，時(shí)域失真隨著平均碼率的增加而減小。圖3顯示時(shí)域復(fù)雜度和psnr之間的關(guān)系，從圖中曲線趨勢能看出，對同一序列來說，視頻質(zhì)量隨著時(shí)域復(fù)雜度增加而增加。且psnr和時(shí)域復(fù)雜度之間近似呈對數(shù)分布。(2)空域復(fù)雜度計(jì)算子模塊從不同類型的i幀、p幀、b幀的編碼幀中提取平均圖片復(fù)雜度特征來表征視頻序列的空域復(fù)雜度。在相同量化參數(shù)的情況下，視頻幀的碼率與空域復(fù)雜度高度相關(guān)。每一幀的碼率隨著qp增大而減小，而不同幀的變化趨勢又有所不同。也就是說，qp對不同幀的碼率影響不同，即對不同幀的質(zhì)量影響不同。其中，表示當(dāng)qp增加1時(shí)，平均碼率降低的百分比。本實(shí)施例中取值0.11。和分別表示前一qp和當(dāng)前qp下的碼率，l、m和k分別表示編碼的i、p和b幀的幀數(shù)，bits*和qp*分別表示對應(yīng)的碼率和qp。maxbits表示視頻序列的最大輸出碼率，對空間復(fù)雜度歸一化處理，用來消除空間分辨率對視頻質(zhì)量的影響。圖4顯示空域復(fù)雜度和psnr之間的關(guān)系，從曲線趨勢能看出視頻質(zhì)量隨著空域復(fù)雜度的增加而增加，且兩者之間近似呈對數(shù)分布。(3)碼率標(biāo)準(zhǔn)差計(jì)算子模塊由公式(6)和公式(7)定義的時(shí)空域復(fù)雜度沒有考慮到視頻整體的碼率變化趨勢，因此進(jìn)一步考慮輸出碼率的標(biāo)準(zhǔn)差(sdb):其中，bave表示序列的平均碼率，bitsi表示第i幀的編碼碼率，n表示編碼的幀數(shù)。圖5顯示qp和sdb之間關(guān)系，能看出sdb隨著qp增大而減小。而又因?yàn)橐曨l質(zhì)量隨著qp增大而減小，所以sdb和psnr之間存在某種正相關(guān)關(guān)系。圖6顯示sdb和psnr之間關(guān)系，從圖中能看出，psnr隨著sdb增大而增大，且兩者之間也存在近似的對數(shù)關(guān)系。(4)非零系數(shù)百分比計(jì)算子模塊在視頻編碼中，量化后的dct系數(shù)與視頻質(zhì)量之間存在顯著關(guān)系。而dct系數(shù)中的零系數(shù)在圖像、視頻變換中起到重要作用，尤其在低碼率情況下。零系數(shù)的百分比與編碼碼率之間存在嚴(yán)格的線性關(guān)系。用ρ表示經(jīng)過量化的變換系數(shù)中非零系數(shù)的百分比(pnqtc)其中coeffnonzero-i表示第i幀中非零變換系數(shù)的數(shù)目，coeffi表示第i幀中所有變換系數(shù)的數(shù)目，n代表編碼的幀數(shù)。很明顯，ρ隨著量化參數(shù)增大而單調(diào)遞減，說明能用ρ來預(yù)測視頻質(zhì)量。圖7顯示pnqtc和碼率的關(guān)系，能看出兩者之間滿足嚴(yán)格的線性關(guān)系。圖8顯示qp和pnqtc的關(guān)系，當(dāng)qp增大時(shí)，pnqtc單調(diào)遞減。因?yàn)橐曨l質(zhì)量也隨著qp增大而減小，所以pnqtc與質(zhì)量之間存在正相關(guān)。圖9顯示pnqtc和psnr之間的關(guān)系，能看出psnr隨著pnqtc增大而增大，且兩者近似滿足對數(shù)關(guān)系。從上面的分析可知，時(shí)域復(fù)雜度、空域復(fù)雜度、碼率標(biāo)準(zhǔn)差、非零系數(shù)百分比與psnr之間都近似呈對數(shù)分布，所以為了定義內(nèi)容類型，將上述特征線性組合，得到內(nèi)容類型分類矩陣ctc(contenttypeclassification)ctc＝a+b*tinfo+c*sinfo+d*bdev+e*ρ(11)其中，a＝19865.338，b＝21668.041，c＝-43044.104，d＝0.563，e＝-1207737.87，通過回歸擬合得到。2)質(zhì)量預(yù)測模型子模塊在視頻編碼過程中，在同樣的量化參數(shù)下，由于視頻內(nèi)容不同輸出碼率和視頻質(zhì)量也會不同。也就是說輸出視頻質(zhì)量很大程度上依賴于視頻內(nèi)容，ctc與視頻質(zhì)量之間必然存在某種關(guān)系。圖10(a)顯示qp與ctc的關(guān)系，(b)顯示qp與碼率的關(guān)系。從曲線的走勢上能看出，兩者之間的趨勢相同，都隨著qp增大單調(diào)遞減。既然輸出碼率與psnr之間滿足對數(shù)關(guān)系，則認(rèn)為ctc與psnr之間也滿足線性關(guān)系。為了進(jìn)一步驗(yàn)證的上述對ctc和碼率的關(guān)系預(yù)測，進(jìn)一步計(jì)算ctc和碼率之間的相關(guān)性，計(jì)算出相關(guān)系數(shù)(r2)，參見表1。表1ma/ctc與碼率的相關(guān)性從表1能看出，本實(shí)施例提出的矩陣比文獻(xiàn)[6]中的算法具有更高的相關(guān)性。視頻質(zhì)量隨著碼率減小而下降，既然ctc與碼率之間存在正相關(guān)關(guān)系，則ctc與psnr之間也存在某種正相關(guān)關(guān)系。采用hm編碼平臺得到碼流，對六個(gè)不同內(nèi)容的序列進(jìn)行分析訓(xùn)練。圖11顯示ctc與psnr之間的關(guān)系圖。從圖11中能看出，所有序列的psnr都隨著ctc的增加而增加，且近似符合對數(shù)分布，與bitrates-psnr的分布趨勢基本一致。為了進(jìn)一步驗(yàn)證兩者之間是否符合對數(shù)關(guān)系，直接計(jì)算ctc和psnr之間的相關(guān)系數(shù)，如表2所示。表2ctc與psnr相關(guān)系數(shù)從表2能看出，ctc與psnr之間的相關(guān)系數(shù)和bitrate與psnr之間的相關(guān)系數(shù)接近，也就是說ctc與psnr之間確實(shí)遵循對數(shù)關(guān)系?；谝陨戏治?，能用ctc來預(yù)測編碼視頻質(zhì)量。ctc和psnr都隨著qp增大而減小，定義視頻質(zhì)量預(yù)測：psnr＝f(qp,ctc)(12)因?yàn)閜snr與qp之間符合現(xiàn)行關(guān)系，與ctc之間符合對數(shù)關(guān)系，所以上式能改寫為：psnr＝φ+γ*qp+η*ln(ctc)(13)其中φ＝86.683,γ＝-0.773,η＝-2.463，通過回歸擬合得到，適用于所有序列。實(shí)驗(yàn)測試分析：下面進(jìn)行大量仿真實(shí)驗(yàn)來評估上述實(shí)施例所提出的基于內(nèi)容的hevc碼流質(zhì)量預(yù)測模型的性能。在配置為intelpentium4cpu3.00ghz,windows7operationsystem的pc機(jī)上編解碼。多采用隨機(jī)接入模式進(jìn)行hevc編碼，從碼流中提取相應(yīng)的特征。量化參數(shù)設(shè)為20,25,30,35和40，幀率設(shè)為30fps，視頻的分辨率為1280×720和1920×1080。時(shí)域復(fù)雜度、空域復(fù)雜度、碼率標(biāo)準(zhǔn)差和非零量化系數(shù)百分比等特征從編碼碼流中提取參數(shù)計(jì)算得到。訓(xùn)練過程：采用jct-vc建議的訓(xùn)練環(huán)境設(shè)置，對六個(gè)序列(basketballdrive,vidyo1,johnny,bqterrace,kimono和parkscene)進(jìn)行編碼。訓(xùn)練序列的預(yù)測效果參見表3。表3訓(xùn)練序列的預(yù)測效果表3顯示每個(gè)序列的訓(xùn)練結(jié)果，通過相關(guān)系數(shù)r2(correlationcoefficient)和均方根誤差rmse(rootmeansquareerror)來衡量。從實(shí)驗(yàn)數(shù)據(jù)能看出，訓(xùn)練序列的r2均在0.988以上，rmse均低于0.57，說明上述實(shí)施例預(yù)測結(jié)果精度很高。圖12顯示在不同qp下，訓(xùn)練序列的預(yù)測psnr和實(shí)際psnr曲線圖。從圖中能看出，兩條曲線幾乎重疊在一起，說明上述實(shí)施例預(yù)測結(jié)果和實(shí)際結(jié)果幾乎一致。測試過程：為了進(jìn)一步測試上述實(shí)施例模型的精度，采用四個(gè)測試序列(chinaspeed,fourpeople,cactus和kristenandsara)進(jìn)行測試。測試環(huán)境和訓(xùn)練過程保持一致，將回歸得到的參數(shù)用在測試序列中。圖13顯示測試序列在不同qp下實(shí)際psnr和預(yù)測psnr的曲線圖。從圖中能看出，預(yù)測psnr和真實(shí)psnr曲線也幾乎重合，而且上述實(shí)施例模型的預(yù)測的曲線比文獻(xiàn)[6]中預(yù)測的曲線更接近于真實(shí)值，也就是說上述實(shí)施例模型的預(yù)測結(jié)果更精確。圖14顯示真實(shí)psnr和預(yù)測psnr的散點(diǎn)圖，從圖14中能看出，絕大多數(shù)點(diǎn)都分布在直線y＝x上，說明絕大多數(shù)預(yù)測值和真實(shí)值都接近甚至相等。為了定量分析，同樣采用r2和rmse來說明測試序列的預(yù)測精度。測試序列性能數(shù)據(jù)參見表4。表4測試序列性能從表4能看出，所以測試序列的r2均大于0.99，rmse均低于0.88。表5顯示所有測試序列結(jié)果和文獻(xiàn)[6]的對比情況，如下：表5所有測試序列精度cor.coef.ma[6]ctcr20.93750.9769rmse1.31750.9947從中表5中看出，上述實(shí)施例模型r2增加了4％，rmse減小了24.5％，預(yù)測精度明顯提高。結(jié)合以上各圖表能看出，本發(fā)明通過提出一個(gè)內(nèi)容感知hevc碼流質(zhì)量預(yù)測模型。首先，定義一個(gè)內(nèi)容類型分類標(biāo)準(zhǔn)，從編碼的碼流中提取特征，計(jì)算出時(shí)域復(fù)雜度、空域復(fù)雜度、碼率標(biāo)準(zhǔn)差和非零變換系數(shù)百分比。然后利用該內(nèi)容分類標(biāo)準(zhǔn)和量化參數(shù)和建立質(zhì)量預(yù)測模型。實(shí)驗(yàn)結(jié)果表明，訓(xùn)練序列的相關(guān)系數(shù)能達(dá)到98％，測試序列的整體相關(guān)系數(shù)能達(dá)到97％。預(yù)測精度高于現(xiàn)有的其他算法。本發(fā)明上述實(shí)施例能保證低復(fù)雜度的情況下，利用碼流中信息預(yù)測編碼視頻質(zhì)量，預(yù)測精度高于其他算法。上面結(jié)合附圖對本發(fā)明實(shí)施例進(jìn)行了說明，但本發(fā)明不限于上述實(shí)施例，還可以根據(jù)本發(fā)明的發(fā)明創(chuàng)造的目的做出多種變化，凡依據(jù)本發(fā)明技術(shù)方案的精神實(shí)質(zhì)和原理下做的改變、修飾、替代、組合或簡化，均應(yīng)為等效的置換方式，只要符合本發(fā)明的發(fā)明目的，只要不背離本發(fā)明基于內(nèi)容的hevc碼流質(zhì)量預(yù)測模型的技術(shù)原理和發(fā)明構(gòu)思，都屬于本發(fā)明的保護(hù)范圍。當(dāng)前第1頁12