专利名称：视频质量的无参评估方法
技术领域：
本发明涉及一种视频质量的无参评估方法，更具体地说，涉及一种对MPEG2视频压缩序列进行视频质量的无参数评估的方法。
背景技术：
视频压缩多为有损压缩，压缩过程中损失的细节信息在解码端无法完全恢复，所以视频的压缩噪声估计是一个典型病态问题。目前，业内人士通常采用峰值信噪比(PSNR)来度量压缩视频的视频质量。但是峰值信噪比是一种有参损失估计以原视频作为参考，将经过解码的压缩视频与之比较，用其差值信号描述压损损失。有参损失估计算法简单且较 为精确，但其使用条件苛刻，仅适用于编码器性能评估等有源视频作为参考的场合。对于实际的视频监控系统，是根本无法获取无压缩的原始场景信息；所以，也就无法使用有参损失评估算法。因此，提供一种创新的、高效的无参评估体系，即在没有原视频参考的情况下，依据压缩视频的参数及先验知识来度量视频监控系统中视频的压缩误差是本领域亟需解决的技术问题。
发明内容
本发明的目的旨在提供一种视频质量的无参评估方法，来解决现有技术中存在的各种不足。根据本发明，提供一种视频质量的无参评估方法，包括以下步骤步骤I :从压缩视频数据流中提取量化参数以及量化后的离散余弦变换(DCT)系数值，由量化参数中估计出原始DCT系数的分布区间；步骤2 :将数据流中提取的DCT系数以及量化参数与训练集中的样本比对，进而估算出未压缩时DCT系数的概率分布参数；步骤3 :对DCT系数PDF分布进行积分，以此产生对压缩噪声的客观估计。根据本发明的一实施例，DCT系数符合拉普拉斯分布 入(U1V)
权利要求
1.ー种视频质量的无參评估方法，其特征在于，包括以下步骤 步骤I :从压缩视频数据流中提取量化參数以及量化后的DCT系数值，由所述量化參数中估计出原始DCT系数的分布区间； 步骤2 :将所述数据流中提取的所述DCT系数以及所述量化參数与训练集中的样本比对，进而估算出未压缩时DCT系数的概率分布參数； 步骤3 :对所述DCT系数PDF分布进行积分，以此产生对压缩噪声的客观估计。
2.如权利要求I所述的视频质量的无參评估方法，其特征是所述DCT系数符合拉普拉斯分布
3.如权利要求I所述的视频质量的无參评估方法，其特征是 以64个λ (u,v)系数组成的分布參数块为目标函数，将具有相同所述DCT系数分布特征的多个数据块聚类在一起， 所述聚类算法为
4.如权利要求3所述的视频质量的无參评估方法，其特征是 先取出多个未压缩测试图像，由所述未压缩图像计算所述DCT系数的真实λ，将所述未压缩图像量化压缩，产生不同的压缩样本，再由所述压缩样本估计所述DCT系数的概率分布，并且将估计出的λ与真实λ对比，计算所述估计出的λ与所述真实λ的差的均值与方差。
5.如权利要求I所述的视频质量的无參评估方法，其特征是 将解压缩后的图像块和样本库对比，以提取所述DCT系数分布的λ參数，将压缩图像块与先验知识库样本中压缩參数一致的图像块进行对比，首先读取数据块的编码模式及所述量化參数，随后读入相应的所述先验知识库信息。
6.如权利要求5所述的视频质量的无參评估方法，其特征是 将解量化后的所述DCT系数直接与所述先验知识库中的样本对比。
7.如权利要求5所述的视频质量的无參评估方法，其特征是 先将预测帧完全解码，再调用DCT变换函数，将其转换成为所述DCT系数，所述DCT系数上的量化误差由Inter量化表产生，在模块匹配时，采用对应的inter先验库中的样本进行匹配。
8.如权利要求I所述的视频质量的无參评估方法，其特征是 估计随机变量Xi被量化为Xi的概率，并且得到原始的所述DCT系数X的概率分布函数为
全文摘要
本发明揭示了一种视频质量的无参评估方法，包括以下步骤步骤1从压缩视频数据流中提取量化参数以及量化后的DCT系数值，由量化参数中估计出原始DCT系数的分布区间；步骤2将数据流中提取的DCT系数以及量化参数与训练集中的样本比对，进而估算出未压缩时DCT系数的概率分布参数；步骤3对DCT系数PDF分布进行积分，以此产生对压缩噪声的客观估计。本发明在没有原始视频序列参考的情况下，该方法基于对视频先验知识的学习，分布参数的计算，模糊的C均值分类器，宏块最近领域的匹配算法以及信噪比计算的积分算法，实现了对MPEG2视频压缩序列进行视频质量的无参数评估。
文档编号H04N7/26GK102685548SQ20121017122
公开日2012年9月19日 申请日期2012年5月29日 优先权日2012年5月29日
发明者宋好好, 邱梓华, 顾健 申请人:公安部第三研究所