[发明专利]一种基于编码信息的无参考压缩视频质量评估方法

权利要求书

1.一种基于编码信息的无参考压缩视频质量评估方法，其特征在于，包括以下步骤：

步骤1. 编码特征提取；

步骤1.1 通过HM解码软件提取码流视频的编码信息，包含：编码树划分深度、运动矢量幅值、量化参数值、以及每个像素点的跳过模式标记；

步骤1.2 针对码流视频的第k帧图像：计算该帧图像的编码树划分深度平均值作为帧级特征值，计算该帧图像的编码树划分深度标准差作为帧级特征值，计算该帧图像的运动矢量幅值平均值作为帧级特征值，计算该帧图像的运动矢量幅值标准差作为帧级特征值，计算该帧图像中零运动矢量像素点个数占像素点总数的比例作为帧级特征值，计算该帧图像中采用跳过模式的像素点个数占像素点总数的比例并取其相反数作为帧级特征值，取该帧图像的量化参数值的相反数作为帧级特征值；

步骤2. 编码特征的时间池化；

步骤2.1针对码流视频的第k帧图像：对每一个帧级特征值分别进行池化处理，分别得到池化后帧级特征值、、、、、、；所述池化处理具体为：对帧级特征值进行邻近帧最小值池化与Softmin加权池化，对两个池化结果进行线性加权得到池化后帧级特征值；

步骤2.2 针对码流视频的第k帧图像：计算该帧图像与前一帧图像的帧级特征值差值作为帧级特征值，计算该帧图像与前一帧图像的帧级特征值差值作为帧级特征值；

步骤2.3 针对码流视频：对步骤2.1的池化后帧级特征值与步骤2.2的帧级特征值的每一个帧级特征值分别进行平均池化，得到视频级编码特征：

，

其中，、、、、、、、、依次表示、、、、、、、、的平均池化结果；

步骤3. 编码特征融合；

将视频级编码特征输入至预训练无参考压缩视频质量评估模型中，由无参考压缩视频质量评估模型输出视频质量预测分数。

2.按权利要求1所述基于编码信息的无参考压缩视频质量评估方法，其特征在于，所述步骤3中，无参考压缩视频质量评估模型为GBRT回归树，GBRT回归树的个数设置为64、损失函数为平方误差；GBRT回归树的训练样本为带标签的码流视频，将训练样本经步骤1、步骤2提取得到视频级编码特征作为输入，GBRT回归树的训练目标为样本标签。