周鑫

2017年畢業(yè)于浙江大學(xué)，讀研期間主要進行視頻編碼相關(guān)研究，目前在通信與視頻部門進行轉(zhuǎn)碼引擎相關(guān)研發(fā)。

作者簡介

●●●

引言

視頻質(zhì)量評估（VQA）一直是個很活躍的研究領(lǐng)域，原因其一是業(yè)內(nèi)一直缺少一種統(tǒng)一且準確的評估標準，其二是影響視頻質(zhì)量的因素過多，且包含很多主觀因素，難以客觀、定量地評價。經(jīng)過這么多年的研究，已經(jīng)誕生了非常多的視頻質(zhì)量評估方法，本文將簡單地對它們進行分類及介紹。

Figure1?影響視頻質(zhì)量的因素

●●●

?客觀質(zhì)量評估方法分類

首先，視頻質(zhì)量評估方法可分為主觀測試和客觀測試兩大類。主觀測試即通過人類肉眼觀察的手段來評分，可以說是最能體現(xiàn)觀眾對視頻質(zhì)量感受的方法，也是其他客觀評價方法的終極目標。但主觀測試極端耗費人力和時間，是無法直接在工業(yè)領(lǐng)域應(yīng)用的。

而客觀評估方法，按照國際電信聯(lián)盟（ITU）的建議，可以根據(jù)輸入的數(shù)據(jù)類型被分為5大類：媒體層（Media-layer）模型、參數(shù)集層（Parametric packet-layer）模型、參數(shù)規(guī)劃（Parametric planning）模型、碼流層（Bitstream-layer）模型、混合（Hybrid）模型。其中媒體層模型直接使用媒體信息進行運算分析給出評價結(jié)果，而其他類型的評估方法則是根據(jù)編碼參數(shù)或網(wǎng)絡(luò)信道狀態(tài)等等外部變量來評估質(zhì)量。

媒體層模型的方法可以依據(jù)是否需要輸入編碼前的原始視頻數(shù)據(jù)進一步劃分為全參考（FR，Full-Reference）、部分參考（RR，Reduced-Reference）和無參考（NR，No-Reference）三類。故名思議，全參考使用完整的原始視頻信號作為對比數(shù)據(jù)，而部分參考則使用經(jīng)過提取的部分視頻特征作為對比數(shù)據(jù)，無參考則僅使用用戶得到的實際數(shù)據(jù)來評價視頻質(zhì)量。這三類方法的準確度和適用場合均大有不同。

Figure2 FR，RR，NR視頻質(zhì)量評估的差異

?

●●●

全參考視頻質(zhì)量評估

顯然的，在這三類方法中，有完整的原始數(shù)據(jù)作為對比源的全參考質(zhì)量評估方法結(jié)果會更加準確。但是也正因為其需要使用原始數(shù)據(jù)，實際應(yīng)用時會存在較大的限制，所以一般僅在非實時的評估系統(tǒng)中會被使用。例如在開發(fā)過程中配置編碼參數(shù)或比較不同編碼器的性能時，大多會采用這類方法。

早期的全參考評估方法，一般直接使用像素差值作為衡量依據(jù)，比如均方差（MSE）、峰值信噪比（PSNR）等。這類方法計算簡單，且能夠一定程度反應(yīng)圖像的失真程度，所以至今仍然有很多應(yīng)用在使用它們。

但是畢竟人類主觀上不光只是依靠單個像素的差異來評價視頻質(zhì)量的。且不說視頻中包含的大量運動信息，即便只考慮靜態(tài)圖像，同樣的像素差值以不同的分布規(guī)律分布在不同的位置上時，對視頻質(zhì)量的影響也是不一樣的。為了更好的評價視頻質(zhì)量，研究人員根據(jù)人類自然視覺上的特性，提出了許多新的評價方法。例如基于結(jié)構(gòu)相似度的VSSIM，以及綜合統(tǒng)計了多種影響因子的VQM等。它們的評價結(jié)果相對前一類方法都更為接近人眼主觀感受。這里借用一下出自K.Seshadrinathan, A. C. Bovik的文獻“Motion Tuned Spatio-Temporal Quality Assessmentof Natural Videos”里的圖來展示一下PSNR，VSSIM，VQM的區(qū)別。下方三張圖橫坐標為客觀測試分數(shù)，縱坐標則為主觀測試分數(shù)。可以看到PSNR的結(jié)果與主觀分數(shù)差異較大，VSSIM則存在不同類型的視頻評價準確度不一的問題，VQM相對來說結(jié)果最好。

Figure3 PSNR，VSSIM，VQM客觀評測分數(shù)

與主觀評測分數(shù)對比

后來，研究人員引入了基于人類視覺系統(tǒng)（HVS）的感知模型，進一步提升了視頻質(zhì)量評估的準確性。這其中比較有代表性的是MOVIE（MOtion-based Video IntegrityEvalution）。這種方法會計算視頻中物體的運動矢量，聯(lián)合時域和空域的失真信息，最終得到一個符合主觀感受的失真評價分數(shù)。在眾多全參考視頻質(zhì)量評估方法中，MOVIE屬于結(jié)果較為優(yōu)秀的一種。但是同時，MOVIE的運算復(fù)雜度也要遠高于前面提及的幾種算法。下圖橫坐標為MOVIE應(yīng)用在視頻質(zhì)量專家組（VQEG）數(shù)據(jù)庫提供的測試序列上得到的客觀評分，縱坐標為主觀測試得分。

Figure4 MOIVE客觀評分與主觀評分對比

?

●●●

部分參考視頻質(zhì)量評估

全參考視頻質(zhì)量評估需要完整的原始視頻信號，也就是未經(jīng)壓縮的像素數(shù)據(jù)。這個量級的數(shù)據(jù)一般是無法實時傳輸?shù)?#xff0c;這也就導(dǎo)致無法在遠程實時監(jiān)測視頻質(zhì)量。為了解決這個問題，人們提出了部分參考的評估方法。這類方法會提取原始視頻信號中某些特征值，利用它們來評價視頻質(zhì)量。常見的特征值有DCT系數(shù)、運動矢量等。作為一種介于全參考與無參考之間的折中方案，它夠解決遠程傳輸?shù)膯栴}，而其代價是準確度的降低。現(xiàn)有的部分參考質(zhì)量評估方法大都僅能達到與PSNR準確度相當?shù)乃健?/p>

?

●●●

無參考視頻質(zhì)量評估

無參考視頻質(zhì)量評估不再需要失真前的數(shù)據(jù)，而僅需要和觀眾實際得到的相同的視頻信息，就能得到一個大體的質(zhì)量評分。這類方法雖然實現(xiàn)起來較為困難，但是一旦實現(xiàn)，即可很靈活地應(yīng)用在視頻相關(guān)的各個領(lǐng)域，是一種比較理想的視頻質(zhì)量評估手段。但是到目前為止，無參考評估仍然沒有一個較為成熟的方案。一方面其評估結(jié)果的準確性與有參考的評估方法相比還有一定差距，另一方面其對視頻內(nèi)容有比較大的依賴性，普適性仍不能夠得到保證。

不過無參考視頻質(zhì)量評價目前已是視頻質(zhì)量相關(guān)研究的重點。并且，近些年機器學(xué)習(xí)技術(shù)的進步與普及，也為解決如何在沒有參考對比的前提下評價視頻質(zhì)量這個問題提供了新的方向。目前業(yè)界也已經(jīng)有了一些借助機器學(xué)習(xí)手段來進行無參考視頻質(zhì)量評估的嘗試，其效果如何仍有待驗證。相信隨著研究者們的不斷探索與嘗試，未來我們能夠得到一種成熟的方案。

?

●●●

總結(jié)

視頻質(zhì)量評估的內(nèi)容非常多，本文僅僅粗略地介紹了客觀視頻質(zhì)量評價的種類以及它們的適用場景。在實際應(yīng)用時，仍需要根據(jù)實際情況來選擇合適的方法。例如是否需要比較不同幀率或不同分辨率的視頻質(zhì)量，是否需要考慮網(wǎng)絡(luò)抖動的影響等等。最后，用下面的分類圖做一個總結(jié)：

Figure5 視頻質(zhì)量評估方法大致分類

——【特別推薦】——

與50位技術(shù)專家面對面20年技術(shù)見證，附贈技術(shù)全景圖

總結(jié)

以上是生活随笔為你收集整理的视频质量评价方法简介的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。