[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

说明书

本发明属于无参考视频质量评估领域，具体提供一种基于编码信息的无参考压缩视频质量评估方法，实现在不解码的情况下以更低的时间复杂度获取与人眼主观感受更一致的评估结果。本发明首先提取HEVC码流中与质量相关的特征：编码树划分深度、运动矢量幅值、量化参数值以及跳过模式占比，并计算得到多个帧级特征值；然后利用邻近帧最小值池化与加权池化的结果加权得到池化后帧级特征值，再对池化后帧级特征值进行平均池化，得到视频级编码特征；最后通过GBRT回归的无参考压缩视频质量评估模型得到视觉质量预测分数。综上，本发明实现了在不解码情况下的视频质量评估，且以更低的时间复杂度获取与人眼主观感受更一致的评估结果。

技术领域

本发明属于无参考视频质量评估领域，具体提供一种利用高效视频编码(HighEfficiency Video Coding，HEVC)码流编码信息的无参考压缩视频质量评估方法。

背景技术

伴随着互联网的快速发展，越来越多的短视频在网上快速传播；由于智能设备的普及，用户只需要一部手机就能够完成短视频的拍摄全程，为了能够实现对用户原创视频内容(User Generated Content，UGC)的视觉质量评估，无参考视频质量评估逐渐成为当今的研究热点。

视频在拍摄完成之后，受到硬件存储成本和网络带宽成本的限制，需要对视频进行编码，从而降低视频的文件大小。视频在编码过程中存在与其质量相关的编码信息，比如能够表征视频内容复杂程度的编码树划分深度、与视频质量相关度较高的量化参数值、进一步消除视频时间冗余的运动估计等；基于此，本发明提出一种基于编码信息的无参考压缩视频质量评估方法。

发明内容

本发明的目的在于提供一种基于编码信息的无参考压缩视频质量评估方法，用以实现在不解码情况下完成视频质量评估，以更低的时间复杂度获取与人眼主观感受更一致的评估结果。

为实现上述目的，本发明采用的技术方案为：

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、、、、、、；

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得池化后帧级特征值与步骤2.2得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。