[发明专利]视频质量估计技术

说明书

本申请是2010年1月11日提交的中国专利申请No.201080061198.4的发明名称为“视频质量估计技术”的分案申请。

技术领域

本公开大体上涉及用于估计视频质量的技术，具体涉及一种基于比特流的视频质量估计技术。

背景技术

视频是当今常见的媒体服务，且在末端用户中迅速受到欢迎。通过通信网络传递的作为比特流的视频可能经历通信约束或问题，该通信约束或问题可以导致诸如数据丢失或数据延迟之类的错误。这种错误可以引起末端用户体验到的可见质量劣化。通常，这种可见劣化展现为冻结或失真的图像。

质量监视是让服务提供商维持视频服务的令人满意的体验质量(QoE)的重要操作方案。为此，要求良好的技术来准确并及时地评估视频质量，这绝不是一件平凡的任务。

可能最准确的视频质量评估技术是主观测试，其中，收集大量末端观众的意见，并基于此形成质量的公共观点。然而，主观测试是昂贵的、人工的、费时的，且在很多情况下是不可行的；例如，不可能针对通信网络或机顶盒中的视频质量监视来进行主观测试。因此，必须提供基于客观测量来估计视频的主观质量的手段。该需求已推动了客观视频质量评估技术的发展。客观视频质量估计不仅可以在评估视频质量方面取代主观测试，而且其还可以使得对主观质量的实时和自动评估成为可能。

在本公开的上下文中，类似于“估计”、“评估”、“测量”的单词可以互相交换使用。

近些年来，已提出和开发了客观视频质量技术的不同模型。基于使用的输入参数，可以将它们分类为感知模型和参数模型。参数模型也被称为网络层模型。

感知模型采用解码视频作为对模型的输入，有时候也利用参考视频作为对模型的输入。例如，对于所谓的全参考(FR)模型，输入参数是源视频的像素数据以及解码视频的像素数据。感知模型通常以在估计视频质量方面的高准确度为特征，但是他们是高度复杂的、费时的以及消耗计算能力的，这使得它们不适合很多情况，比如实时监视。此外，当在感知模型中使用参考视频时，模型必须努力解决将参考视频与解码视频加以同步的关键问题。

对于轻量视频质量模型的关注已导致了近来对参数模型的发展。参数模型采用分组报头信息作为输入，并基于此计算质量分数。网络协议报头信息通常取自以下一项或多项：网际协议(IP)、用户数据报协议(UDP)、实时传输协议(RTP)和运动图像专家组2传输流(MPEG2TS)层。参数模型与感知模型相比相对不复杂，但是由于可以从网络协议报头中检索到的有限信息，因此它们可以实现的估计准确度相当低。例如，难以对数据丢失在解码视频中将如何可见进行有用的估计。

发明内容

因此，需要一种客观估计或评估视频质量的改进技术。如下面将看到的，本文呈现的技术实现了令人满意的视频质量估计准确度，且同时较简单并消耗较少的计算资源等。

根据第一方面，提供了一种视频质量估计方法。所述方法包括以下步骤：接收包括图像帧序列的视频比特流；确定图像帧中的错误发生(例如，确定在所述图像帧中已发生了错误以及所述错误在所述图像帧中的位置)；确定将所述错误的时间传播和空间传播中的至少一项考虑在内的错误传播(例如，确定所述错误的时间传播和空间传播中至少一项)；以及基于上述确定的结果(例如，所确定的错误传播)，估计所述视频比特流的质量。所述错误可以由于信息的延迟或丢失而发生(例如，由于分组、图像帧、图像帧分区的延迟或丢失，等等)。此外，所述质量估计步骤可以基于评分方案。

所述方法还可以包括以下步骤：确定(例如，估计或测量)由所述错误引起的可见劣化。换言之，该步骤是用于确定所述错误的可视性，或由所述错误引起的对视频质量的影响。可见劣化是针对错误可视性的特定且可计量的度量。在一个实施例中，确定可见劣化包括：确定指示由所述错误引起的可见劣化的惩罚值。

所述图像帧可以包括多个分区(比如但不限于像素、宏块等)。所述错误可以发生在所述图像帧的一个或更多个分区处，或影响所述图像帧的一个或更多个分区。此外，考虑到扩散效应，在一个图像帧中发生的错误可以影响在一个或更多个其他图像帧中的一个或更多个分区。因此，确定由所述错误引起的可见劣化可以包括以下步骤：针对每个受错误影响的分区或图像帧，计算单独的惩罚值。所述惩罚值是指示由所述错误对所述视频引起的可见劣化的数量或程度的值。

可以根据规则集合来计算或分配惩罚值。规则可以是预先定义的且可调整的。以下是用于计算惩罚值的规则的非穷尽列表：

●如果错误发生在场景改变中，则向错误分配(比在错误是与场景改变无关的错误的情况下)较高的惩罚值；