[发明专利]视频图像质量测评的方法和系统

说明书

技术领域

本发明涉及图像处理技术领域，具体而言是涉及一种视频图像质量测评的方法和系统。

背景技术

已知的对视频图像质量测评的方法有主观测评和客观测评两种。主观测评是通过多位专家对待测评的图像质量分别给出评分，然后对评分进行统计得出平均分作为评价结果。这种主观测评的方法其测评结果准确，但比较费时，且操作复杂，不具有可重复性，代价较高。客观测评主要有两种方法：第一种方法是利用峰值信噪比(Peak Signal to Noise Ratio，PSNR)或均方误差(error ofmean square，MSE)来衡量数字图像的好坏。这种方法操作简单，成本低，易于实现，但是不能完整地反映视频图像的质量，与人眼的观测结果差异较大。第二种方法是基于人类视觉系统(HVS，Human Visual System)生理特征的，用基于感知误差的统一模型来描述，但是当前人们对HVS的认识还不透彻，无法建立一个准确、统一的模型，这直接影响到客观测评的准确性。

发明内容

有鉴于此，本发明实施例提供一种视频图像质量测评的方法和系统，能够克服现有主观测评方法的不足，提高客观测评的准确性。

为实现上述目的，本发明实施例是通过如下技术方案实现的：

一方面，提供一种视频图像质量测评的方法，包括：

从待测视频图像上采集样本图片；

针对主观测评的不同方面从所述样本图片中分别提取相应客观指标；

对所述提取的相应客观指标模拟主观测评进行分类；

从待测视频图像上采集多个样本图片；

对每个样本图片提取相应客观指标并分别通过分类器进行分类，得到每次分类对应的分值；

计算出所述多次分类对应分值的平均值，作为所述待测视频图像的质量测评结果。

其中，对所述提取的相应客观指标模拟主观测评进行质量测评的方法包括：

将所述提取的相应客观指标通过分类器进行分类，所述分类器对所述提取的相应客观指标模拟主观测评分类对应的分值进行过有监督的学习训练。

本发明实施例选用人工神经网络分类方法或支持向量机分类方法对分类器进行有监督的学习训练。

一种实施例，本发明实施例提供的方法还包括：

将所述质量测评结果作为反馈信息调整所述待测视频图像。

另一方面，提供一种视频图像质量测评的系统，包括：

图像采集装置，用于从待测视频图像上采集样本图片；

客观指标提取单元，用于针对主观测评的不同方面从所述样本图片中分别提取相应客观指标；

分类器，用于对所述提取的相应客观指标模拟主观测评进行分类；

均值计算单元，用于对所述图像采集装置采集的多个样本图片，分别经过所述客观指标提取单元和所述分类器后得到的每次分类对应的分值，计算出它们的平均值作为所述待测视频图像的质量测评结果。

所述系统包括一个以上的分类器，每个分类器针对主观测评的一个方面。

一种实施例，本发明实施例提供的系统为一个闭环反馈系统，还包括：

反馈单元，用于将所述均值计算单元计算出的质量测评结果作为反馈信息调整所述待测视频图像。

本发明实施例提供的系统可用于电视画面质量的测评。

由以上本发明实施例提供的技术方案可知，通过从待测视频图像上采集样本图片，针对主观测评的不同方面从所述样本图片中分别提取相应客观指标，并模拟主观测评对待测视频图像进行质量测评，可以通过客观指标得到待测视频图像的客观测评结果，而且可以针对主观测评的不同方面通过提取不同的相应客观指标来模拟主观测评进行分类，能够完整地反映待测视频图像的质量，与现有技术相比能够克服现有主观测评方法的不足，提高客观测评的准确性。

附图说明

图1为本发明实施例提供的视频图像质量测评的方法流程图；

图2为本发明实施例提供的视频图像质量测评的系统结构图；

图3为本发明实施例提供的闭环反馈的视频图像质量测评的系统结构图；

图4为本发明实施例提供的一种对电视画面质量进行测评的工作框图。

具体实施方式

本发明的出发点是：利用已经经过主观测评的视频图像，从中提取相应客观指标进行训练学习，构建专家系统，从而实现对未知待测视频图像的质量测评。为使本发明的目的、技术方案、及优点更加清楚明白，下面结合附图并举实施例，对本发明提供的技术方案进一步详细描述。

参见图1，图1为本发明实施例提供的视频图像质量测评的方法流程图，所述方法包括：

步骤11，从待测视频图像上采集样本图片。