一種基于人腦記憶模型的無參考視頻質量評價方法
【技術領域】
[0001] 本發(fā)明屬于視頻質量評價技術領域，具體涉及一種基于人腦記憶模型的無參考視 頻質量評價方法。
【背景技術】
[0002] 隨著計算機與網絡通信技術的飛速發(fā)展，人們對獲取多媒體信息的需求日益旺 盛。近年來，與視頻相關的應用涵蓋各個領域，如視頻會議、視頻監(jiān)控和移動電視等。在這 些應用中，視頻信息在到達接收者之前都需要經過壓縮和傳輸，而這些過程往往會造成視 頻質量損失。為了獲得更好的主觀效果，有必要對視頻質量作出評價，根據結果調整編碼器 和傳輸信道的參數。視頻的最終受體是人類的眼睛，人眼觀察被認為是最精確的評價視頻 質量的方法。然而，由于視頻的信息量非常大，依靠人工觀察的主觀方法對視頻質量進行評 價需要消耗大量的人力和時間，不適合大規(guī)模實際應用。因此，如何根據人眼視覺系統(tǒng)特性 建立視頻質量評價模型，在此基礎上由計算機自動完成視頻的質量評價，成為一個非常有 意義的課題。
[0003] 視頻客觀質量評價方法（Video Objective QualityAssessment)是指通過設 計數學模型對視頻進行智能化分析，并按設定的尺度對視頻進行自動評分的客觀評價方 法。根據對原始視頻的依賴程度，視頻客觀質量評價方法可以分為全參考型、部分參考型 和無參考型三類。由于全參考型和部分參考型評價方法都需要額外的帶寬來傳輸原始視 頻及相關信息，其實用價值非常有限。相比之下，無參考質量評價方法不需要依賴任何與 原始視頻相關的信息，直接根據待評價視頻的信息計算視頻質量，具有更好的靈活性和適 應性，以及更廣泛的應用價值。特別是在與網絡多媒體相關的視頻應用中，無參考視頻客 觀質量評價在服務器質量檢測（Quality of Service, QoS)和終端質量體驗（Quality of Experience，QoE)上面起到重要作用，根據視頻質量評價反饋信息，視頻服務器可以動態(tài)調 整視頻編碼器參數和傳輸信道參數，以保證傳輸穩(wěn)定性，提高接收端視頻質量。另外，無參 考視頻客觀質量評價可以取代人眼，公正地比較不同視頻編解碼器輸出的視頻質量，為視 頻接收端提供參考，做出最優(yōu)選擇。
[0004] 現有的視頻質量評價方法雖然取得了一定的效果，形成了一些比較成熟的模型， 如基于PSNR(峰值信噪比）和基于SSIM(結構相似性）的兩種視頻質量評價模型，但這兩 種模型仍然存在一些問題，如：沒有考慮人腦對視頻關注度隨著時間而變化的因素；忽視 了視頻內容特征對視頻質量的影響；準確度還有待提高。
【發(fā)明內容】
[0005] 針對現有技術所存在的上述技術問題，本發(fā)明提供了一種基于人腦記憶模型的無 參考視頻質量評價方法，既能夠達到較高的準確度，又能適應各種不同視頻場景，而且不需 要原始視頻作為參考，實現靈活有效的視頻質量評價。
[0006] 一種基于人腦記憶模型的無參考視頻質量評價方法，包括如下步驟：
[0007] (1)將待評價視頻每幀圖像分割成若干個宏塊，進而根據像素的亮度值計算出每 個宏塊的復雜度C bltjdt;
[0008] (2)根據所述的復雜度計算宏塊的質量評價值Qbltxi;
[0009] (3)基于人眼空間注意模型結合整個視頻的運動趨勢，為宏塊賦予權重Wbltjdt; [0010] (4)根據所述的質量評價值Qbltxi和權重w bl。。,，計算每幀圖像的客觀質量
[0011] (5)根據每幀圖像的客觀質量結合人腦記憶模型，計算出待評價視頻中每個 圖像組的客觀質量Q? P，進而計算出整段待評價視頻的客觀質量Q。
[0012] 所述的步驟（1)中根據以下算式計算宏塊的復雜度Cbltrck:
[0013]
【主權項】
1. 一種基于人腦記憶模型的無參考視頻質量評價方法，包括如下步驟： (1) 將待評價視頻每帖圖像分割成若干個宏塊，進而根據像素的亮度值計算出每個宏 塊的復雜度句1。心 (2) 根據所述的復雜度計算宏塊的質量評價值斯1。心 (3) 基于人眼空間注意模型結合整個視頻的運動趨勢，為宏塊賦予權重Wbiwk; (4) 根據所述的質量評價值QblDtk和權重W bl。。,，計算每帖圖像的客觀質量Qframe; (5) 根據每帖圖像的客觀質量。結合人腦記憶模型，計算出待評價視頻中每個圖像 組的客觀質量斯。P，進而計算出整段待評價視頻的客觀質量Q。
2. 根據權利要求1所述的無參考視頻質量評價方法，其特征在于：所述的步驟（1)中 根據W下算式計算宏塊的復雜度Cbiwk;
其中；N為宏塊內像素的總個數，Pi為宏塊內第i個像素的亮度值，Pwg為宏塊內像素 的平均亮度值。
3. 根據權利要求1所述的無參考視頻質量評價方法，其特征在于：所述的步驟（2)中 根據W下算式計算宏塊的質量評價值斯1。心
其中；q為宏塊在進行視頻壓縮時所用到的量化系數，Qmay為當前宏塊及其周圍八個宏 塊的量化系數最大值。
4. 根據權利要求1所述的無參考視頻質量評價方法，其特征在于：所述的步驟（3)中 根據W下關系式為每個宏塊賦予不同的權重：
其中；Wi~W3均為給定的權重系數，d和h分別為圖像的寬和高，1為宏塊的中屯、像素 至圖像的中屯、像素之間的距離。
5. 根據權利要求4所述的無參考視頻質量評價方法，其特征在于：所述的權重系數W1 =0. 8,Wi= 0. 5,W3= 0. 2。
6. 根據權利要求1所述的無參考視頻質量評價方法，其特征在于：所述的步驟（4)中 根據W下算式計算每帖圖像的客觀質量。：
其中；Qbiwk(j)和WbiwkU)分別為圖像中第j個宏塊的質量評價值和權重，M為圖像中 宏塊的總個數。
7. 根據權利要求1所述的無參考視頻質量評價方法，其特征在于；所述的步驟巧）中 根據W下算式計算每個圖像組的客觀質量Q?p:
其中；為圖像組中第t帖圖像的客觀質量，T為圖像組的帖數，f(t)為圖像組 中第t帖圖像距離關鍵帖的帖間隔，r為編碼帖率，y為給定的人腦記憶殘留時間系數，C 為給定的記憶模型參數。
8. 根據權利要求1所述的無參考視頻質量評價方法，其特征在于；所述的步驟巧）中 根據W下算式計算整段待評價視頻的客觀質量Q:
其中；Q?p(k)為待評價視頻中第k個圖像組的客觀質量，s(k)為待評價視頻中第k個 圖像組的帖數，a和b均為給定的計算參數，K為待評價視頻中圖像組的個數。
【專利摘要】本發(fā)明公開了一種基于人腦記憶模型的無參考視頻質量評價方法，包括：1)將一幀視頻劃分成宏塊，根據每個宏塊內像素的亮度值，計算宏塊的復雜度；2)利用每個宏塊的復雜度和量化系數，結合周圍宏塊的影響，得到宏塊的質量評價值；3)基于人眼空間注意模型，結合整個視頻的運動趨勢，對不同位置的宏塊賦予不同的權重，得到人眼注意力分布圖；4)結合每個宏塊的質量評價值和人眼注意力分布圖，得到一幀視頻的客觀質量；5)以一個圖像組為單位，結合人腦記憶模型，給出該段視頻的客觀質量。本發(fā)明方法簡單，只需要待評價視頻就能得到其客觀質量，具有很高的靈活性，同時對各種不同的視頻場景都能得到比較準確的評價結果，具有較好的普適性。
【IPC分類】H04N17-00
【公開號】CN104796690
【申請?zhí)枴緾N201510185462
【發(fā)明人】林翔宇, 張華熊
【申請人】浙江理工大學
【公開日】2015年7月22日
【申請日】2015年4月17日