專利名稱：視頻質(zhì)量評估方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及多媒體通信技術(shù)領(lǐng)域，尤其涉及一種視頻質(zhì)量評估方法及裝置。
背景技術(shù)：
視頻質(zhì)量評估在視頻壓縮、處理以及視頻通信等領(lǐng)域有著非常重要的作 用。最初的視頻質(zhì)量評估方法，通常是以單幀圖像質(zhì)量為基礎(chǔ)，首先評價視 頻序列中每幀的質(zhì)量，然后再對各幀質(zhì)量取平均值，得到視頻質(zhì)量。這類最 初的視頻質(zhì)量評估方法沒有考慮視頻的運動信息對視頻質(zhì)量的影響，因此， 對運動信息較多的視頻序列的評估結(jié)果與實際主觀感知的質(zhì)量并不能很好地 相符。根據(jù)實際應(yīng)用中發(fā)現(xiàn)，某些明顯影響單幀圖像質(zhì)量感知的因素，如塊 效應(yīng)，對整個視頻序列質(zhì)量的影響并不突出，因此，視頻質(zhì)量評估必須考慮 運動信息對;現(xiàn)覺感知的影響。
利用視頻序列的運動信息評估視頻質(zhì)量的方法有多種，較為典型的包括
運動矢量評估(MV)法和平均絕對差(MAD)法，概括而言，上述兩種方 法是利用運動矢量或平均絕對差描述視頻序列的運動信息，計算出運動參數(shù) (MA)，根據(jù)運動信息越多視頻越不平滑的原理計算視頻的平滑度，并結(jié)合 靜態(tài)圖像質(zhì)量評估中計算影像峰值信噪比(Peak Signal to Noise Ratios, PSNR) 值的方法計算出視頻序列的清晰度，最后，視頻序列的視頻質(zhì)量由清晰度和 平滑度加權(quán)獲得。另外，還可以對上述方法進行優(yōu)化，即使用相鄰兩幀的平 均絕對差MAD的比值y9作為運動參數(shù)，描述視頻的運動信息，視頻質(zhì)量由視 頻序列的單幀圖像質(zhì)量加權(quán)衡量，權(quán)重由 〃計算得到。
本領(lǐng)域人員都了解，人眼視覺存在"視覺興趣性"，即，人眼在觀察一 副圖像時，存在視覺感興趣區(qū)，只會對其中顯著變化的區(qū)域發(fā)生興趣，而對 那些亮度均勻的平滑區(qū)域或空間頻率相近的紋理區(qū)域則忽略掉，即人眼的興趣點是視頻中的運動體，當視頻對象運動時，人眼興趣點就集中在該運動的 對象上，對于背景運動也是同理，當背景運動時，人眼會忽略掉大部分視頻 對象信息。
然而，上述現(xiàn)有利用視頻序列的運動信息評估視頻質(zhì)量的方案都沒有考 慮視覺興趣性，特別是沒有針對背景運動而對視頻質(zhì)量進行評估，而是過于 依賴靜態(tài)圖像質(zhì)量計算結(jié)果，從而在背景運動時會引起視頻質(zhì)量評估不準確，
不具有通用性。另外，對于利用相鄰兩幀的評估方法，由于相鄰兩幀的MAD 算法是針對像素的灰度變化大小對視頻質(zhì)量的影響，適用于背景靜止的情況， 對于背景運動的視頻序列的評估是不準確的。

發(fā)明內(nèi)容
有鑒于此，本發(fā)明提供一種視頻質(zhì)量評估方法及裝置，以解決現(xiàn)有方案 沒有考慮視覺興趣性因素，特別是背景運動因素，而引起的評估不準確的問題。
為此，本發(fā)明實施例采用如下技術(shù)方案 一種視頻質(zhì)量評估方法，包括以下步驟 將視頻幀分為多個數(shù)據(jù)塊，計算每個數(shù)據(jù)塊的運動矢量； 利用計算出的各數(shù)據(jù)塊的運動矢量區(qū)分視頻中的背景和對象； 分別計算背景動態(tài)性參數(shù)和對象動態(tài)性參數(shù)，由所述背景動態(tài)性參數(shù)和 對象動態(tài)性參數(shù)確定所述視頻幀的動態(tài)性參數(shù)；
由所述動態(tài)性參數(shù)計算視頻平滑度，以視頻平滑度確定視頻質(zhì)量。 所述由背景動態(tài)性參數(shù)和對象動態(tài)性參數(shù)確定視頻幀的動態(tài)性參數(shù)的具
體實現(xiàn)方式為
<formula>formula see original document page 5</formula>
其中，,e和rA-。,分別表示背景動態(tài)性參數(shù)和對象動態(tài)性參數(shù)，w^和
W。e分別表示背景動態(tài)性參數(shù)權(quán)重和對象動態(tài)性參數(shù)權(quán)重，并且，K。e
， 『。"
，且『sg+『。，=1。
優(yōu)選地，上述方法還包括設(shè)置所述對象動態(tài)性參數(shù)權(quán)重大于所述背景
動態(tài)性參數(shù)。計算背景動態(tài)性參數(shù)的具體實現(xiàn)方式為
<formula>formula see original document page 6</formula>
其中，[Ax(m,"),AK附,")]表示背景塊(m,")的運動矢量，MF隨為朝L頻序列中 已播放圖像中運動矢量的最大值。
計算背景動態(tài)性參數(shù)的具體實現(xiàn)方式為
<formula>formula see original document page 6</formula>
其中，[Ax(/n,")，Ay(附，")]表示對象塊(m,")的運動矢量，MF腿為視頻序列中 已播放圖像中運動矢量的最大值。 上述方法還包括，
對于標記為未計算出運動矢量的數(shù)據(jù)塊，設(shè)置其動態(tài)性參數(shù)為大于1的 常數(shù)。
在所述由所述動態(tài)性參數(shù)計算視頻平滑度的過程中，采用抽樣方式獲取 視頻動態(tài)性參數(shù)的值每隔N幀取iV,幀計算視頻的動態(tài)性參數(shù)，其中，所述 N和7V,都為整數(shù)。
釆用塊匹配算法實現(xiàn)所述計算每個數(shù)據(jù)塊的運動矢量，其中，搜索算法 采用搜索次數(shù)比較少的四步搜索算法，塊匹配準則采用絕對平均誤差函數(shù)。 采用基于運動矢量場的全局運動估計迭代方法實現(xiàn)所述區(qū)分背景和對象。
一種視頻質(zhì)量評估裝置，包括
運動矢量計算單元，用于將視頻幀分為多個數(shù)據(jù)塊，計算每個數(shù)據(jù)塊的 運動矢量；
背景對象區(qū)分單元，利用計算出的各數(shù)據(jù)塊的運動矢量區(qū)分視頻中的背 景和對象；
動態(tài)性參數(shù)計算單元，用于分別計算背景動態(tài)性參數(shù)和對象動態(tài)性參數(shù)， 由所述背景動態(tài)性參數(shù)和對象動態(tài)性參數(shù)確定所述視頻幀的動態(tài)性參數(shù)；
評估單元，用于由所述動態(tài)性參數(shù)計算視頻平滑度，以視頻平滑度確定 視頻質(zhì)量。優(yōu)選地，上述裝置還包括
權(quán)重設(shè)置單元，用于為所述動態(tài)性參數(shù)計算單元計算出的背景動態(tài)性參 數(shù)和對象動態(tài)性參數(shù)分別設(shè)置第一權(quán)重和第二權(quán)重，其中，第一權(quán)重和第二 權(quán)重都為大于或等于0、小于或等于l的常數(shù)，且，第一權(quán)重與第二權(quán)重之和 為1,第一權(quán)重小于第二權(quán)重。
優(yōu)選地，上述裝置還包括
動態(tài)性參數(shù)設(shè)置單元，用于對于所述運動矢量計算單元未計算出運動矢 量的數(shù)據(jù)塊，設(shè)置其動態(tài)性參數(shù)為大于1的常數(shù)。
可見，本發(fā)明通過計算背景動態(tài)性參^t和對象動態(tài)性參數(shù)，從而確定 視頻的動態(tài)性參數(shù)，利用視頻動態(tài)性參數(shù)對視頻質(zhì)量進行評估，不論在背 景或?qū)ο筮\動時，都可以得到準確的質(zhì)量評估結(jié)果。


圖1為本發(fā)明方法實施例一流程圖； 圖2為本發(fā)明方法實施例二中計算運動矢量的流程圖； 圖3為本發(fā)明方法實施例二中區(qū)分背景和對象的流程圖； 圖4為本發(fā)明方法實施例二中計算動態(tài)性參數(shù)流程圖； 圖5為本發(fā)明裝置實施例結(jié)構(gòu)示意圖。
具體實施例方式
本發(fā)明通過評價視頻動態(tài)性(VD)對視頻質(zhì)量的影響，其中，視頻動態(tài) 性又包括背景動態(tài)性和對象動態(tài)性兩方面，從而可適應(yīng)人眼的視覺興趣性， 不論在對象運動還是背景運動時，都可提供更為接近真實視頻的質(zhì)量估計結(jié) 果。
由于鏡頭運動引起的背景動態(tài)性和物體運動引起的對象動態(tài)性對人類視 覺影響并不相同，本發(fā)明綜合考慮了這兩種因素，提出了基于動態(tài)性的視頻 質(zhì)量評價方法。參見圖1,為本發(fā)明方法實施例一流程圖，包括
S101:對輸入圖像的第k個視頻幀分為若干數(shù)據(jù)塊，計算每個數(shù)據(jù)塊的 運動矢量；
S102:利用計算出的運動矢量區(qū)分背景和對象；
S103:利用計算出的運動矢量分別計算出背景動態(tài)性參數(shù)和對象動態(tài)性 參數(shù)，并取這兩個參數(shù)的加權(quán)值作為第k幀的動態(tài)性參數(shù)；
S104:由第k幀的動態(tài)性參數(shù)計算視頻平滑度，以視頻平滑度確定視頻 質(zhì)量。
由于本發(fā)明考慮了視覺興趣性因素，采用運動速度和運動面積兩個因素 來描述運動信息，特別是考慮了背景運動的影響，由此可提供更接近真實的 視頻質(zhì)量評估結(jié)果。
下面在方法實施例二中就圖1涉及到的四步驟進行詳細描述。
一、i十算運動矢量
可采用現(xiàn)有多種算法實現(xiàn)，例如，可采用較常用的塊匹配算法首先把 一幀分割為若干同樣大小的數(shù)據(jù)塊，再查找當前幀的每個數(shù)據(jù)塊在前一幀的 位置。
本文選擇大小為8x8像素的數(shù)據(jù)塊，再以這些數(shù)據(jù)塊為單位計算質(zhì)量指 標，目的是為了提高匹配的效率，而又能保證一定的精度。
搜索算法選擇搜索次數(shù)比較少的四步搜索算法(4SS),塊匹配準則采用 絕對平均誤差函數(shù)(MAE)，其定義如下
MAE(m,n)-^藝Z K"力-+Ax,少+ A力|................公式1
其中，A(x，力表示第k幀圖象在點(x,力處的亮度值，(x + Ax,j; + Ay)為點
(x,力在前一幀中的位置；m為數(shù)據(jù)塊的左上頂點的橫坐標，n為數(shù)據(jù)塊的左上
頂點的縱坐標，^據(jù)塊大小為MxN。
參見圖2,為本發(fā)明方法實施例二中采用4SS算法計算運動矢量的流程圖， 包括S201:將數(shù)據(jù)塊的中心點(x,力初始化為當前待搜索點的像素坐標，搜索 匹配點組成一個菱形窗口 ；
具體地，初始的9個匹配點為菱形的四個頂點、四條邊的中點以及菱形的 中心點(;c，力，計算對應(yīng)的MAE值；
S202:如果當前A點MAE最小，轉(zhuǎn)到S204,否則，以MAE最小的點的坐 標作為下一次搜索窗的中心的值，并轉(zhuǎn)到S203;
S203:取搜索步長為2，計算以(x,力為搜索中心點的菱形窗口上9個搜索 點所各自對應(yīng)的MAE,然后以MAE最小的點作為下一次搜索窗的中心(;c，力的 值；
如果當前搜索窗的中心點為MAE最小的點或到達搜索域的邊界，轉(zhuǎn)到 S204,否則取MAE最小的點為搜索中心點(x，力并循環(huán)執(zhí)行S203;
S204:搜索步長調(diào)整為l，計算以新的搜索中心點(x，力為中心2x2搜索窗 上的4個搜索點各自對應(yīng)的MAE，以MAE最小的點作為最佳匹配點。
最后，以最佳匹配點代表的塊計算運動矢量；如果其MAE值小于閾值 TMAE，則的運動矢量為最佳匹配點的(Ax，A力值；否則，標記該塊為未計算出 運動矢量，即可能是背景暴露區(qū)或新出現(xiàn)的對象區(qū)。
計算出當前幀的每個塊的運動矢量后，利用這些計算出的值區(qū)分背景和 對象，并計算塊的動態(tài)性。
二、區(qū)分背景和對象
由于視覺對運動的背景和對象的敏感程度并不完全相同，需要分別計算 每幀的背景動態(tài)性和對象動態(tài)性，故此要區(qū)分每幀所有的數(shù)據(jù)塊屬于背景還 是運動對象。
本發(fā)明采用基于運動矢量場的全局運動估計迭代的方法，把屬于對象的 塊從當前幀中排除出去，獲得了所有背景塊的集合。相對于運動的前景，靜 止的背景通常占據(jù)場景的主要部分，因此全局運動又常常指攝像機運動帶來 的像素運動，所以又可將全局運動模型稱為攝像機運動模型，符合攝像機運 動模型的是背景，否則是前景。
攝像機運動模型有很多，本文采用四參數(shù)仿射模型。由下式表示<formula>formula see original document page 10</formula>.公式2
其中，(Ax，A力為像素點(;c，力從當前幀到下一幀的運動矢量；四個才莫型參 數(shù)的近似值可用最小二乘法來求解。
本發(fā)明實例中，以8x8像素大小的數(shù)據(jù)塊為單位，像素點(x,力取數(shù)據(jù)塊 的中心。以A初始化為整個幀的塊集合，使用迭代的方法收斂到背景。由于 對象和背景區(qū)分主要在于計算各部分對視頻質(zhì)量的影響，不需要太高的精度， 為了提高運算效率，可限制迭代次數(shù)。
參見圖3，為本發(fā)明方法實施例二中區(qū)分背景和對象的流程圖，包括
<formula>formula see original document page 10</formula>
初始化整個幀的數(shù)據(jù)塊集合A;
以集合A的運動矢量計算四個模型的參數(shù)值,"2',a3',fl4'); 由(al'，W,a3',a4')計算出集合A中的數(shù)據(jù)塊的運動矢量； 判斷運動矢量絕對誤差和是否大于或等于預(yù)置的閾值，若是，執(zhí) 行S306,否則，執(zhí)行S305;
S305:從集合A中排除該數(shù)據(jù)塊，然后執(zhí)行S306;
S306:判斷是否所有數(shù)據(jù)塊都計算完畢，若是，執(zhí)行S307,否則，返回 執(zhí)行S303;
S307:判斷迭代次數(shù)是否大于k或者集合A趨于穩(wěn)定，若是，執(zhí)行S308， 返回執(zhí)行S302;
S308:確定集合A為背景區(qū)域，迭代結(jié)束。
如圖3所示，由當前幀的像素點(;c,力及攝像機模型參數(shù)(al',。2',a3',"4')計 算出下一幀中(x，力運動矢量(Ax,Ay),若(Ax，A力與實際運動矢量相差^艮小，i兌 明符合攝像機運動模型，確定是背景，否則是對象。
三、計算動態(tài)性參數(shù)
參見圖4，為計算動態(tài)性參數(shù)流程圖，包括 S401:利用背景塊的運動矢量計算背景動態(tài)性參數(shù)； S402:利用對象塊的運動矢量計算對象動態(tài)性參數(shù)； 其中，上述S401和S402的順序可調(diào)換，即，可先計算對象動態(tài)性參數(shù)， 然后再計算背景動態(tài)性參數(shù)。S403:分別設(shè)置背景動態(tài)性參數(shù)和對象動態(tài)性參數(shù)的第 一權(quán)重和第二權(quán)
重；
S404:利用計算的背景動態(tài)性參數(shù)、對象動態(tài)性參數(shù)，以及設(shè)置的第一 權(quán)重和第二權(quán)重，計算出動態(tài)性參數(shù)。
另外，對于標記為未計算出運動矢量的數(shù)據(jù)塊，直接設(shè)置其動態(tài)性參數(shù) 為大于1的常數(shù)。
下面以公式具體介紹計算動態(tài)性參數(shù)的過程。
區(qū)分出背景和對象后，需要分別計算背景動態(tài)性參數(shù)^V^和對象動態(tài)性 參數(shù)WV。b ，第k幀的動態(tài)性參數(shù)ra,取它們的加權(quán)值
px^ =wBG xrzVsG +w。B xrzv。？..................公式3
其中，W^和W。b分別是背景動態(tài)性參數(shù)、對象動態(tài)性參數(shù)的權(quán)重，滿足
『BGe
,『。se
,且『恥+f^-l，優(yōu)選地，『。s〉r恥。
因為人眼觀察一幅圖像時，存在"視覺興趣區(qū)，，，即只會對其中顯著變化
的區(qū)域發(fā)生興趣，而對那些亮度均勻的平滑區(qū)域或空間頻率相近的紋理區(qū)則
忽略掉，即人眼的興趣點是視頻中的運動對象，其動態(tài)性對視覺感知的影響
將更大，所以公式3 —般滿足Wb?！碬。b。
計算塊的動態(tài)性的方法有兩種 一種是基于運動矢量的計算方法，計算
了每個塊的運動距離的大小，即計算了運動速度對視頻質(zhì)量的影響；另一種
是基于前后兩幀亮度差值的算法，輸出結(jié)果只描述了運動面積對視頻質(zhì)量的影響。
視頻序列中，背景動態(tài)性和對象動態(tài)性都應(yīng)該由運動面積、運動速度兩 個特征值共同體現(xiàn)。
本文優(yōu)先采用運動矢量的方法計算背景塊(m，M)的動態(tài)性參數(shù)P7V^(m^)，
再把所有背景塊的動態(tài)性平均值作為背景動態(tài)性，對象動態(tài)性的計算方法同 理。
設(shè)A^為整個幀的塊數(shù)，本發(fā)明設(shè)置第k幀的視頻背景動態(tài)性參數(shù)^v^為
ZiyA—,g(附,")其中，(/n， w)為當前幀的對象塊(m, w)的背景動態(tài)性參凄丈。
同理，定義第k幀的對象動態(tài)性參數(shù)^v。,為
= " m w-r........................公式5
其中，(m，")為當前幀的對象塊(m,")的對象動態(tài)性參數(shù)。 數(shù)據(jù)塊的背景動態(tài)性參數(shù)計算公式可以由其運動速度推導(dǎo)出。運動速度 Fk(w,")長口7>式6所示
，，")=如—)2+A*，")2 ........................公式6
其中，n為第k幀與第k-l幀的時間間隔，(Ax,A力為數(shù)據(jù)塊(m,")乂人上一 幀運動到當前幀的運動矢量。
由于公式6中n在一個視頻序列中是個恒定值，對公式6進行歸一化處 理，得出描述第k幀的背景塊(m,")的動態(tài)性參數(shù)rzv^(附，")的表達式
Mk咖x
其中，[Ax(m，"),AK附,")]表示背景塊(附,")的運動矢量，Mr隨為該-現(xiàn)頻序列 中已播放圖像中運動矢量的最大值。
同理，第k幀的對象塊(m,")的動態(tài)性參ltFiV。s(附,")為
VAx(m,w)2+Ay(w,w)2 八j^ s
其中，[Ax(附,")，Ay(w,")]表示對象塊(m，")的運動矢量，M「max為該視頻序列
中已播放圖像中運動矢量的最大值。
將公式7、 8的值分別代入公式4、 5中，便可計算得出第k幀的動態(tài)性參數(shù)。
對于標記為未計算出運動矢量的數(shù)據(jù)塊，其動態(tài)性參數(shù)PT^取大于1的常數(shù)。
對于場景切換幀，由于大多數(shù)數(shù)據(jù)塊都標記為未計算出運動矢量，其總的動態(tài)性參數(shù)值將會比較大，從而體現(xiàn)場景頻繁切換對視頻質(zhì)量的影響。 四、；魄頻質(zhì)量的評估
當視頻序列中的運動信息增多時，即動態(tài)性增大時，如果幀速率不變， 視頻的平滑度將會降低。本發(fā)明中用計算出的視頻動態(tài)性代替現(xiàn)有方案中的
運動性參數(shù)MA,計算視頻的平滑度(Video Smoothness, ra),并且每次取7V, 幀計算視頻動態(tài)性，得出下式
ra = ^^-..............................公式9
其中，第k幀的動態(tài)性參數(shù)rA由公式3計算得出；/^為第k幀的幀 速率。
公式9表明，圖像的動態(tài)性增加時，ra降低，視頻質(zhì)量將會變差。此時如 果提高幀速率/^，可以優(yōu)化視頻質(zhì)量。
當圖像靜止時，raj直為0，此時視頻質(zhì)量不再受動態(tài)性影響，可使除數(shù) 為一極小值，以減小對VS值的影響。又由于幀速率i^在一個^L頻序列中為一 個恒定值，公式9可轉(zhuǎn)化為
ra =——^——...........................公式10
八/ a=i
其中，r為一個極小的常數(shù)，例如0.001。
另外，在利用公式9或公式10評估視頻質(zhì)量時，優(yōu)選地，取iV,幀視
頻圖像動態(tài)性參數(shù)的平均值，而不是取整個序列的平均值，采用抽樣方法
獲取視頻動態(tài)性參數(shù)的值，每隔N幀取iV,幀計算視頻的動態(tài)性參數(shù)，其 中，所述N和7V,都為整數(shù)。由此，不但提高運算效率，而且可以提高評
估準確性。
由此可見，本發(fā)明采用運動速度和運動面積兩個因素來描述運動信 息，通過計算背景動態(tài)性參數(shù)和對象動態(tài)性參數(shù)，從而確定視頻的動態(tài)性 參數(shù)，利用視頻動態(tài)性參數(shù)對視頻質(zhì)量進行評估，不論在背景或?qū)ο筮\動 時，都可以得到準確的質(zhì)量評估結(jié)果。經(jīng)實驗證明，本發(fā)明提供的實施例較現(xiàn)有MV或MAD方案，更接近 視頻實際的動態(tài)特性，在背景或?qū)ο筮\動時，可進行準確的視頻質(zhì)量估計。
與上述方法相對應(yīng)，本發(fā)明還提供一種視頻質(zhì)量評估裝置，該裝置可以 由硬件實現(xiàn)，或者可由軟件實現(xiàn)，當然也可以由軟硬件結(jié)合實現(xiàn)，具體實現(xiàn) 形式本發(fā)明不作限定。
參見圖5，為本發(fā)明提供的裝置結(jié)構(gòu)示意圖，該裝置包括以下各單元 運動矢量計算單元501,用于將視頻幀分為多個數(shù)據(jù)塊，計算每個數(shù)據(jù)塊 的運動矢量；
其中，采用塊匹配算法實現(xiàn)所述計算每個數(shù)據(jù)塊的運動矢量，其中，搜 索算法采用搜索次數(shù)比較少的四步搜索算法，塊匹配準則采用絕對平均誤差 函數(shù)。具體實現(xiàn)參見方法實施例二中圖2以及對圖2的描述，此處不再贅述。
背景對象區(qū)分單元502,利用計算出的各數(shù)據(jù)塊的運動矢量區(qū)分視頻中的 背景和對象；
其中，采用基于運動矢量場的全局運動估計迭代方法實現(xiàn)所述區(qū)分背景 和對象。具體實現(xiàn)參見方法實施例二中圖3以及對圖3的描述，此處不再贅述。
動態(tài)性參it計算單元503，用于分別計算背景動態(tài)性參tt和對象動態(tài)性參 數(shù)，由所述背景動態(tài)性參數(shù)和對象動態(tài)性參數(shù)確定所述視頻幀的動態(tài)性參數(shù)；
其中，所述由背景動態(tài)性參數(shù)和對象動態(tài)性參數(shù)確定視頻幀的動態(tài)性參 數(shù)的具體實現(xiàn)方式為FA=wB(3 x「A-sC+w。B x「iV。s ,其中，^和rzv。,分
別表示背景動態(tài)性參數(shù)和對象動態(tài)性參數(shù)，WB。和w。e分別表示背景動態(tài)性參 數(shù)權(quán)重和對象動態(tài)性參數(shù)權(quán)重，并且，『see
，rOTe
，且。計算背景 動態(tài)性參^t的具體實現(xiàn)方式為
=麵")2+一，")2
其中，[Ax(m,"),Ay(OT,")]表示背景塊(m,")的運動矢量，MFmax為一見頻序列中
已播放圖像中運動矢量的最大值。
計算背景動態(tài)性參數(shù)的具體實現(xiàn)方式為<formula>formula see original document page 15</formula>
其中，[Ax(m，")，4y(w,")]表示對象塊Oz,w)的運動矢量，MFmax為視頻序歹寸中
已播放圖像中運動矢量的最大值。
評估單元504，用于由所述動態(tài)性參數(shù)計算視頻平滑度，以視頻平滑度確 定視頻質(zhì)量。
優(yōu)選地，該裝置還可包括權(quán)重設(shè)置單元505,用于為所述動態(tài)性參數(shù)計算
單元計算出的背景動態(tài)性參數(shù)和對象動態(tài)性參數(shù)分別設(shè)置第 一權(quán)重和第二權(quán)
重，其中，第一權(quán)重和第二權(quán)重都為大于或等于o、小于或等于1的常數(shù)，且，
第一權(quán)重與第二權(quán)重之和為1,第一權(quán)重小于第二權(quán)重。
進一步，該裝置還可包括動態(tài)性參數(shù)設(shè)置單元506，用于對于標記為未計 算出運動矢量的數(shù)據(jù)塊，設(shè)置其動態(tài)性參數(shù)為大于1的常數(shù)。
可見，本發(fā)明提供的視頻質(zhì)量評估裝置通過計算背景動態(tài)性參數(shù)和對 象動態(tài)性參數(shù)，從而確定視頻的動態(tài)性參數(shù)，利用視頻動態(tài)性參數(shù)對視頻 質(zhì)量進行評估，不論在背景或?qū)ο筮\動時，都可以得到準確的質(zhì)量評估結(jié) 果。
以上所述僅是本發(fā)明的優(yōu)選實施方式，應(yīng)當指出，對于本技術(shù)領(lǐng)域的普 通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進和潤 飾，這些改進和潤飾也應(yīng)視為本發(fā)明的保護范圍。
權(quán)利要求
1、一種視頻質(zhì)量評估方法，其特征在于，包括將視頻幀分為多個數(shù)據(jù)塊，計算每個數(shù)據(jù)塊的運動矢量；利用計算出的各數(shù)據(jù)塊的運動矢量區(qū)分視頻中的背景和對象；分別計算背景動態(tài)性參數(shù)和對象動態(tài)性參數(shù)，由所述背景動態(tài)性參數(shù)和對象動態(tài)性參數(shù)確定所述視頻幀的動態(tài)性參數(shù)；由所述動態(tài)性參數(shù)計算視頻平滑度，以視頻平滑度確定視頻質(zhì)量。
2、 根據(jù)權(quán)利要求l所述方法，其特征在于，所述由背景動態(tài)性參數(shù)和對象動態(tài)性參數(shù)確定視頻幀的動態(tài)性參數(shù)的具體實現(xiàn)方式為 叫=WBG x叫—恥+W0B x叫—os .其中，^V^和rA,分別表示背景動態(tài)性參數(shù)和對象動態(tài)性參數(shù)，w^和 w。e分別表示背景動態(tài)性參數(shù)權(quán)重和對象動態(tài)性參數(shù)權(quán)重，并且，『sc e[o，l]，『朋e[O,l],且『恥+『朋=1。
3、 根據(jù)權(quán)利要求2所述方法，其特征在于，還包括設(shè)置所述對象動態(tài) 性參數(shù)權(quán)重大于所述背景動態(tài)性參數(shù)。
4、 根據(jù)權(quán)利要求l所述方法，其特征在于，計算背景動態(tài)性參數(shù)的具體 實現(xiàn)方式為MFmax其中，[A;c(m,")，Ay(m，")]表示背景塊(w，")的運動矢量，MF鵬為牙見頻序歹'J中 已播放圖像中運動矢量的最大值。
5、根據(jù)權(quán)利要求l所述方法，其特征在于，計算背景動態(tài)性參數(shù)的具體 實現(xiàn)方式為rA,(，)=^，")2+A*，")2M廠鵬其中，[Ajc(附,"),AK附,")]表示對象塊(m,")的運動矢量，MFmax為^L頻序列中已播放圖像中運動矢量的最大值。
6、根據(jù)權(quán)利要求1至5中任一項所述方法，其特征在于，還包括，對于標記為未計算出運動矢量的數(shù)據(jù)塊，設(shè)置其動態(tài)性參數(shù)為大于1的 常數(shù)。
7、 根據(jù)權(quán)利要求1至5中任一項所述方法，其特征在于， 在所述由所述動態(tài)性參數(shù)計算視頻平滑度的過程中，采用抽樣方式獲取視頻動態(tài)性參數(shù)的值每隔N幀取7V)幀計算視頻的動態(tài)性參數(shù)，其中，所述 N和iV,都為整數(shù)。
8、 根據(jù)權(quán)利要求1至5中任一項所述方法，其特征在于，采用塊匹配算 法實現(xiàn)所述計算每個數(shù)據(jù)塊的運動矢量，其中，搜索算法采用搜索次數(shù)比較 少的四步搜索算法，塊匹配準則采用絕對平均誤差函數(shù)。
9、 根據(jù)權(quán)利要求1至5中任一項所述方法，其特征在于， 采用基于運動矢量場的全局運動估計迭代方法實現(xiàn)所述區(qū)分背景和對象。
10、 一種視頻質(zhì)量評估裝置，其特征在于，包括運動矢量計算單元，用于將視頻幀分為多個數(shù)據(jù)塊，計算每個數(shù)據(jù)塊的 運動矢量；背景對象區(qū)分單元，利用計算出的各數(shù)據(jù)塊的運動矢量區(qū)分視頻中的背 景和對象；動態(tài)性參數(shù)計算單元，用于分別計算背景動態(tài)性參^:和對象動態(tài)性參數(shù)， 由所述背景動態(tài)性參數(shù)和對象動態(tài)性參數(shù)確定所述視頻幀的動態(tài)性參數(shù)；評估單元，用于由所述動態(tài)性參數(shù)計算視頻平滑度，以視頻平滑度確定 視頻質(zhì)量。
11、 根據(jù)權(quán)利要求IO所述裝置，其特征在于，還包括 權(quán)重設(shè)置單元，用于為所述動態(tài)性參數(shù)計算單元計算出的背景動態(tài)性參數(shù)和對象動態(tài)性參數(shù)分別設(shè)置第一權(quán)重和第二權(quán)重，其中，第一權(quán)重和第二 權(quán)重都為大于或等于0、小于或等于l的常數(shù)，且，第一權(quán)重與第二權(quán)重之和 為1,第一權(quán)重小于第二權(quán)重。
12、 根據(jù)權(quán)利要求10或11所述裝置，其特征在于，還包括動態(tài)性參數(shù)設(shè)置單元，用于對于所述運動矢量計算單元未計算出運動矢 量的數(shù)據(jù)塊，設(shè)置其動態(tài)性參數(shù)為大于1的常數(shù)。
全文摘要
本發(fā)明公開了一種視頻質(zhì)量評估方法，包括將視頻幀分為多個數(shù)據(jù)塊，計算每個數(shù)據(jù)塊的運動矢量；利用計算出的各數(shù)據(jù)塊的運動矢量區(qū)分視頻中的背景和對象；分別計算背景動態(tài)性參數(shù)和對象動態(tài)性參數(shù)，由所述背景動態(tài)性參數(shù)和對象動態(tài)性參數(shù)確定所述視頻幀的動態(tài)性參數(shù)；由所述動態(tài)性參數(shù)計算視頻平滑度，以視頻平滑度確定視頻質(zhì)量。本發(fā)明通過計算背景動態(tài)性參數(shù)和對象動態(tài)性參數(shù)，從而確定視頻的動態(tài)性參數(shù)，利用視頻動態(tài)性參數(shù)對視頻質(zhì)量進行評估，不論在背景或?qū)ο筮\動時，都可以得到準確的質(zhì)量評估結(jié)果。與上述方法相對應(yīng)，本發(fā)明還提供一種視頻質(zhì)量評估裝置。
文檔編號H04N7/26GK101557516SQ200810103640
公開日2009年10月14日 申請日期2008年4月9日 優(yōu)先權(quán)日2008年4月9日
發(fā)明者徐瑞芬, 野 邢 申請人:北京中創(chuàng)信測科技股份有限公司