一种基于人脑记忆模型的无参考视频质量评价方法
【技术领域】
[0001] 本发明属于视频质量评价技术领域，具体涉及一种基于人脑记忆模型的无参考视 频质量评价方法。
【背景技术】
[0002] 随着计算机与网络通信技术的飞速发展，人们对获取多媒体信息的需求日益旺 盛。近年来，与视频相关的应用涵盖各个领域，如视频会议、视频监控和移动电视等。在这 些应用中，视频信息在到达接收者之前都需要经过压缩和传输，而这些过程往往会造成视 频质量损失。为了获得更好的主观效果，有必要对视频质量作出评价，根据结果调整编码器 和传输信道的参数。视频的最终受体是人类的眼睛，人眼观察被认为是最精确的评价视频 质量的方法。然而，由于视频的信息量非常大，依靠人工观察的主观方法对视频质量进行评 价需要消耗大量的人力和时间，不适合大规模实际应用。因此，如何根据人眼视觉系统特性 建立视频质量评价模型，在此基础上由计算机自动完成视频的质量评价，成为一个非常有 意义的课题。
[0003] 视频客观质量评价方法（Video Objective QualityAssessment)是指通过设 计数学模型对视频进行智能化分析，并按设定的尺度对视频进行自动评分的客观评价方 法。根据对原始视频的依赖程度，视频客观质量评价方法可以分为全参考型、部分参考型 和无参考型三类。由于全参考型和部分参考型评价方法都需要额外的带宽来传输原始视 频及相关信息，其实用价值非常有限。相比之下，无参考质量评价方法不需要依赖任何与 原始视频相关的信息，直接根据待评价视频的信息计算视频质量，具有更好的灵活性和适 应性，以及更广泛的应用价值。特别是在与网络多媒体相关的视频应用中，无参考视频客 观质量评价在服务器质量检测（Quality of Service, QoS)和终端质量体验（Quality of Experience，QoE)上面起到重要作用，根据视频质量评价反馈信息，视频服务器可以动态调 整视频编码器参数和传输信道参数，以保证传输稳定性，提高接收端视频质量。另外，无参 考视频客观质量评价可以取代人眼，公正地比较不同视频编解码器输出的视频质量，为视 频接收端提供参考，做出最优选择。
[0004] 现有的视频质量评价方法虽然取得了一定的效果，形成了一些比较成熟的模型， 如基于PSNR(峰值信噪比）和基于SSIM(结构相似性）的两种视频质量评价模型，但这两 种模型仍然存在一些问题，如：没有考虑人脑对视频关注度随着时间而变化的因素；忽视 了视频内容特征对视频质量的影响；准确度还有待提高。
【发明内容】
[0005] 针对现有技术所存在的上述技术问题，本发明提供了一种基于人脑记忆模型的无 参考视频质量评价方法，既能够达到较高的准确度，又能适应各种不同视频场景，而且不需 要原始视频作为参考，实现灵活有效的视频质量评价。
[0006] 一种基于人脑记忆模型的无参考视频质量评价方法，包括如下步骤：
[0007] (1)将待评价视频每帧图像分割成若干个宏块，进而根据像素的亮度值计算出每 个宏块的复杂度C bltjdt;
[0008] (2)根据所述的复杂度计算宏块的质量评价值Qbltxi;
[0009] (3)基于人眼空间注意模型结合整个视频的运动趋势，为宏块赋予权重Wbltjdt; [0010] (4)根据所述的质量评价值Qbltxi和权重w bl。。,，计算每帧图像的客观质量
[0011] (5)根据每帧图像的客观质量结合人脑记忆模型，计算出待评价视频中每个 图像组的客观质量Q? P，进而计算出整段待评价视频的客观质量Q。
[0012] 所述的步骤（1)中根据以下算式计算宏块的复杂度Cbltrck:
[0013]
【主权项】
1. 一种基于人脑记忆模型的无参考视频质量评价方法，包括如下步骤： (1) 将待评价视频每帖图像分割成若干个宏块，进而根据像素的亮度值计算出每个宏 块的复杂度句1。心 (2) 根据所述的复杂度计算宏块的质量评价值斯1。心 (3) 基于人眼空间注意模型结合整个视频的运动趋势，为宏块赋予权重Wbiwk; (4) 根据所述的质量评价值QblDtk和权重W bl。。,，计算每帖图像的客观质量Qframe; (5) 根据每帖图像的客观质量。结合人脑记忆模型，计算出待评价视频中每个图像 组的客观质量斯。P，进而计算出整段待评价视频的客观质量Q。
2. 根据权利要求1所述的无参考视频质量评价方法，其特征在于：所述的步骤（1)中 根据W下算式计算宏块的复杂度Cbiwk;
其中；N为宏块内像素的总个数，Pi为宏块内第i个像素的亮度值，Pwg为宏块内像素 的平均亮度值。
3. 根据权利要求1所述的无参考视频质量评价方法，其特征在于：所述的步骤（2)中 根据W下算式计算宏块的质量评价值斯1。心
其中；q为宏块在进行视频压缩时所用到的量化系数，Qmay为当前宏块及其周围八个宏 块的量化系数最大值。
4. 根据权利要求1所述的无参考视频质量评价方法，其特征在于：所述的步骤（3)中 根据W下关系式为每个宏块赋予不同的权重：
其中；Wi~W3均为给定的权重系数，d和h分别为图像的宽和高，1为宏块的中屯、像素 至图像的中屯、像素之间的距离。
5. 根据权利要求4所述的无参考视频质量评价方法，其特征在于：所述的权重系数W1 =0. 8,Wi= 0. 5,W3= 0. 2。
6. 根据权利要求1所述的无参考视频质量评价方法，其特征在于：所述的步骤（4)中 根据W下算式计算每帖图像的客观质量。：
其中；Qbiwk(j)和WbiwkU)分别为图像中第j个宏块的质量评价值和权重，M为图像中 宏块的总个数。
7. 根据权利要求1所述的无参考视频质量评价方法，其特征在于；所述的步骤巧）中 根据W下算式计算每个图像组的客观质量Q?p:
其中；为图像组中第t帖图像的客观质量，T为图像组的帖数，f(t)为图像组 中第t帖图像距离关键帖的帖间隔，r为编码帖率，y为给定的人脑记忆残留时间系数，C 为给定的记忆模型参数。
8. 根据权利要求1所述的无参考视频质量评价方法，其特征在于；所述的步骤巧）中 根据W下算式计算整段待评价视频的客观质量Q:
其中；Q?p(k)为待评价视频中第k个图像组的客观质量，s(k)为待评价视频中第k个 图像组的帖数，a和b均为给定的计算参数，K为待评价视频中图像组的个数。
【专利摘要】本发明公开了一种基于人脑记忆模型的无参考视频质量评价方法，包括：1)将一帧视频划分成宏块，根据每个宏块内像素的亮度值，计算宏块的复杂度；2)利用每个宏块的复杂度和量化系数，结合周围宏块的影响，得到宏块的质量评价值；3)基于人眼空间注意模型，结合整个视频的运动趋势，对不同位置的宏块赋予不同的权重，得到人眼注意力分布图；4)结合每个宏块的质量评价值和人眼注意力分布图，得到一帧视频的客观质量；5)以一个图像组为单位，结合人脑记忆模型，给出该段视频的客观质量。本发明方法简单，只需要待评价视频就能得到其客观质量，具有很高的灵活性，同时对各种不同的视频场景都能得到比较准确的评价结果，具有较好的普适性。
【IPC分类】H04N17-00
【公开号】CN104796690
【申请号】CN201510185462
【发明人】林翔宇, 张华熊
【申请人】浙江理工大学
【公开日】2015年7月22日
【申请日】2015年4月17日