視頻圖像質量測評的方法和系統的製作方法

2023-10-17 06:17:44

專利名稱：視頻圖像質量測評的方法和系統的製作方法
技術領域：
本發明涉及圖像處理技術領域，具體而言是涉及一種視頻圖像質量測評的 方法和系統。
背景技術：
已知的對視頻圖像質量測評的方法有主觀測評和客) 見測評兩種。主觀測評 是通過多位專家對待測評的圖像質量分別給出評分，然後對評分進行統計得出 平均分作為評價結果。這種主觀測評的方法其測評結果準確，但比較費時，且
操作複雜，不具有可重複性，代價較高。客觀測評主要有兩種方法第一種方 法是利用峰值信噪比(Peak Signal to Noise Ratio, PSNR)或均方誤差(error of meansquare , MSE)來衡量數字圖像的好壞。這種方法操作簡單，成本低，易 於實現，但是不能完整地反映視頻圖像的質量，與人眼的觀測結果差異較大。 第二種方法是基於人類視覺系統(HVS, Human Visual System)生理特徵的， 用基於感知誤差的統一模型來描述，但是當前人們對HVS的認識還不透徹，無 法建立一個準確、統一的模型，這直接影響到客觀測評的準確性。

發明內容
有鑑於此，本發明實施例提供一種視頻圖像質量測評的方法和系統，能夠 克服現有主觀測評方法的不足，提高客觀測評的準確性。
為實現上述目的，本發明實施例是通過如下才支術方案實現的 一方面，提供一種視頻圖像質量測評的方法，包括 從待測視頻圖像上採集樣本圖片；
針對主觀測評的不同方面從所述樣本圖片中分別提取相應客觀指標； 對所述提取的相應客觀指標模擬主觀測評進行分類。
其中，對所述提取的相應客觀指標模擬主觀測評進行質量測評的方法包括 將所述提取的相應客觀指標通過分類器進行分類，所述分類器對所述提取 的相應客觀指標模擬主觀測評分類對應的分值進行過有監督的學習訓練。本發明實施例選用人工神經網絡分類方法或支持向量機分類方法對分類器 進行有監督的學習訓練。
一種實施例，本發明實施例提供的方法還包括 從待測視頻圖像上釆集多個樣本圖片；
對每個樣本圖片提取相應客觀指標並分別通過分類器進行分類，得到每次 分類對應的分值；
計算出所述多次分類對應分值的平均值，作為所述待測視頻圖像的質量測 評結果。以及，
將所述質量測評結果作為反饋信息調整所述待測視頻圖像。 另一方面，提供一種視頻圖像質量測評的系統，包括 圖像採集裝置，用於從待測視頻圖像上採集樣本圖片； 客觀指標提取單元，用於針對主觀測評的不同方面從所述樣本圖片中分別 提取相應客觀指標；
分類器，用於對所述提取的相應客觀指標模擬主觀測評進行分類。
所述系統包括一個以上的分類器，每個分類器針對主觀測評的一個方面。
一種實施例，本發明實施例提供的系統還包括
均值計算單元，用於對所述圖像採集裝置採集的多個樣本圖片，分別經過 所述客觀指標提取單元和所述分類器後得到的每次分類對應的分值，計算出它 們的平均值作為所述待測視頻圖像的質量測評結果。
一種實施例，本發明實施例提供的系統為一個閉環反饋系統，還包括
反饋單元，用於將所述均值計算單元計算出的質量測評結果作為反饋信息 調整所述待測視頻圖像。
本發明實施例提供的系統可用於電視畫面質量的測評。
由以上本發明實施例提供的技術方案可知，通過從待測視頻圖像上採集樣 本圖片，針對主觀測評的不同方面從所述樣本圖片中分別提取相應客觀指標， 並模擬主觀測評對待測視頻圖像進行質量測評，可以通過客觀指標得到待測視
應客觀指標來模擬主觀測評進行分類，能夠完整地反映待測視頻圖像的質量，與現有技術相比能夠克服現有主觀測評方法的不足，提高客觀測評的準確性。


圖1為本發明實施例提供的視頻圖像質量測評的方法流程圖2為本發明實施例提供的視頻圖像質量測評的系統結構圖3為本發明實施例提供的閉環反饋的視頻圖像質量測評的系統結構圖4為本發明實施例提供的一種對電視畫面質量進行測評的工作框圖。
具體實施例方式
本發明的出發點是利用已經經過主觀測評的視頻圖像，從中提取相應客 觀指標進行訓練學習，構建專家系統，從而實現對未知待測視頻圖像的質量測 評。為使本發明的目的、技術方案、及優點更加清楚明白，下面結合附圖並舉 實施例，對本發明提供的技術方案進一步詳細描述。
參見圖1,圖1為本發明實施例提供的視頻圖像質量測評的方法流程圖，所 述方法包括
步驟11 ，從待測視頻圖像上採集樣本圖片。
例如，可以採用高端的單眼相機在暗室中拍攝視頻圖像進行樣本圖片採集。 步驟12，針對主觀測評的不同方面分別從所述樣本圖片中提取相應客觀指標。
對一幅待測視頻圖像，需要進行的主觀測評包括色飽和度、偏色、色彩梯 度、色彩保真度、膚色、亮色重合度、清晰度、對比度和銳度等不同方面；針 對主觀測評的不同方面，從所述樣本圖片中分別提取不同相應的客觀指標，例 如在進行色飽和度測評中，我們提取的相應客觀指標是樣本圖片的HSV色彩空 間的S分量的均值和熵，以及YUV色彩空間的U、 V分量的均值這四個客觀指 標。
步驟13，對所述提取的相應客觀指標模擬主觀測評進行質量測評。 本步驟中，對所述提取的相應客觀指標模擬主觀測評進行分類的方法包括 將所述提取的相應客觀指標通過分類器進行分類，所述分類器對所述提取 的相應客觀指標模擬主觀測評進行過有監督的學習訓練。我們可以選用支持向量機或者人工神經網絡對分類器進行有監督的學習訓練，利用其強大的學習能 力對已知類別的輸入圖片樣本進行學習，經多次訓練過程，就可以對其他的輸 入圖片樣本進行分類。也即使是說，從經過主觀評測分類的樣本圖片中提取相 應的客觀指標，對所述分類器進行有監督的學習訓練，然後將所述提取的相應 客觀指標通過該分類器進行分類。
下面以色飽和度為例，將如何對分類器進行有監督的學習訓練做一說明
首先由主觀測評將待測評的視頻圖像質量進行分類，例如可以將色飽和度
分為三類過飽和，好，欠飽和。
採用高端的單眼相機在暗室中分別拍攝每一類視頻圖像質量的照片，例如 每一類質量的視頻圖像拍攝15幅，並作為樣本圖片對支持向量機或人工神經網 絡進行訓練學習。
在對色飽和度測評中，我們從每幅樣本圖片中提取的相應客觀指標是樣 本圖片的HSV色彩空間的S分量的均值和熵，以及YUV色彩空間的U、 V分 量的均值這四個客觀指標。
每次使用這四個客觀指標作為支持向量機或人工神經網絡的輸入，並告訴 支持向量機或人工神經網絡對於每次不同的客觀指標輸入其輸出應該是哪一類 (過飽和，好，欠飽和)。支持向量機或人工神經網絡利用其強大的自學習的能 力，經過多次的訓練學習，就可以對每一類圖片進行正確的分類。當我們輸入 一幅待測評樣本圖片的客觀指標時，支持向量機或人工神經網絡經過分析就可 以得出該樣本圖片所對應的主觀測評類別，即得到待測評樣本圖片色飽和度的 客觀測評結果是過飽和、好還是欠飽和，這樣就完成了對分類器的有監督的學 習訓練。通過試驗驗證，經該有監督的學習訓練後的分類器得到的客觀測評結 果與主觀測評結杲的一致性在95%以上。
需要說明的是，以上僅以視頻圖像的色飽和度的客觀指標提取為例對如何 訓練分類器的過程進行說明，在實際應用中，我們要完成的主觀測評包括色飽 和度、偏色、色彩梯度、色彩保真度、膚色、亮色重合度、清晰度、對比度和 銳度等不同方面，對於主觀測評的不同方面，我們需要從樣本圖片中分別提取 相應客觀指標，以便客觀地模擬主觀測評對分類器進行有監督的學習訓練。本發明實施例提供的視頻圖像質量測評方法，通過從待測視頻圖像上採集 樣本圖片，針對主觀測評的不同方面從所述的樣本圖片中分別提取相應客觀指 標，並模擬主觀測評對待測視頻圖像進行質量測評，可以通過客觀指標得到待 測視頻圖像的客觀測評結果，而且可以針對主觀測評的不同方面通過提取不同 的相應客觀指標來模擬主觀測評進行測評，能夠完整地反映待測視頻圖像的質 量，與現有技術相比能夠克服現有主觀測評方法的不足，提高客觀測評的準確 性。
一種優化實施例，本發明實施例提供的視頻圖像質量測評的方法還包括
從待測視頻圖像上採集多個樣本圖片；對每個樣本圖片提取相應客觀指標 並分別通過分類器進行分類，得到每次分類對應的分值；計算出所述多次分類 對應分值的平均值，作為所述待測視頻圖像的質量測評結果。
仍以對視頻圖像的色飽和度質量測評為例，例如色飽和度的三個類別(過 飽和，好，欠飽和)，分別對應一個相應的分值，假設過飽和的類別設為3分， 好的類別設為5分，欠飽和的類別設為l分，這樣，每次輸入一個樣本圖片的 相應客觀指標，分類器便給出一個該樣本圖片對應類別的分值。為準確起見， 我們從待測視頻圖像上採集多個樣本圖片，對每個樣本圖片提取相應客觀指標 並分別通過分類器進行分類，這樣就得到多次分類對應的分值，取其平均值作 為該待測視頻圖像的質量測評結果。本優化實施例可以提高視頻圖像質量測評 的準確性；對同批次的多個待測產品，依據本優化實施例得到的總體質量測評 結果，可以作為保證同批次產品性能一致性工作的參考數據；同時，依據本優 化實施例得到的質量測評結果也可以作為主觀測評人員篩選測評樣本的依據。
進一步地，本發明還提供一種優化實施例將上述得到的質量測評結果作 為反饋信息，對所述待測視頻圖像進行調整。
具體的做法可以是，將得到的質量測評結果作為反饋信息，直接指導圖像 處理晶片寄存器的修正，從而減輕相關調試人員的工作量，提高測試效率，進 而改善視頻圖像質量。
參見圖2，圖2為本發明實施例提供的視頻圖像質量測評的系統結構圖，所 述系統包括圖像採集裝置21,用於從待測視頻圖像上採集樣本圖片。
客觀指標提取單元22,用於針對主觀測評的不同方面從所述樣本圖片中分 別提取相應客觀指標。
分類器23，用於對所述提取的相應客觀指標模擬主觀測評進行質量測評。
在本發明實施例提供的系統中，圖像採集裝置21可以採用高端的單眼相機 在暗室中拍攝視頻圖像進行樣本圖片採集。
對一幅待測視頻圖像，需要進行的主觀測評包括色飽和度、偏色、色彩梯 度、色彩保真度、膚色、亮色重合度、清晰度、對比度和銳度等不同方面；針 對主觀測評的不同方面，客觀指標提取單元22從所述樣本圖片中分別提取不同 相應的客觀指標，例如在進行色飽和度測評中，我們提取的相應客觀指標是樣 本圖片的HSV色彩空間的S分量的均值和熵，以及YUV色彩空間的U、 V分 量的均值這四個客觀指標。
因此，本發明實施例提供的系統包括一個以上的分類器，每個分類器針對 主，見測評的一個方面。
對於每個分類器，要實現對所述提取的相應客觀指標模擬主觀測評進行質 量測評，之前需要用所述提取的相應客觀指標對分類器模擬主觀測評進行過有 監督的學習訓練。本發明實施例提供的分類器可以利用人工神經網絡或支持向
量機等分類方法進行有監督的學習訓練，測評時將樣本圖片中提取的相應客觀 指標輸入到經過訓練學習後分類器中，就可以對待測的視頻圖像進行分類。如 何對分類器進行有監督的學習訓練如上述本發明實施例提供的方法中所說明的 過程，在此不再贅述。
仍參見圖2所示，本發明實施例提供的系統還包括
均值計算單元24,用於對所述圖像採集裝置21採集的多個樣本圖片，分別 經過所述客觀指標提取單元22和所述分類器23後得到的每次分類對應的分值， 計算出它們的平均值作為所述待測視頻圖像的質量測評結果。
例如色飽和度的三個類別(過飽和，好，欠飽和)，分別對應的分值為， 過飽和的類別3分，好的類別5分，欠飽和的類別l分，這樣，每次輸入一個 樣本圖片的相應客觀指標，分類器便給出一個該樣本圖片對應類別的分值。為準確起見，我們從待測視頻圖像上採集多個樣本圖片，對每個樣本圖片提取相 應客觀指標並分別通過分類器進行分類，這樣就得到多次分類對應的分值，取 其平均值作為該待測視頻圖像的質量測評結果。該均值計算單元24可以提高視
頻圖像質量測評的準確性；對同批次的多個待測產品，由均值計算單元24得到 的總體質量測評結果，可以作為保證同批次產品性能一致性工作的參考數據； 同時，依據均值計算單元24得到的質量測評結果也可以作為主觀測評人員篩選 測評樣本的依據。
需要說明的是，上述的客觀指標提取單元22、分類器23以及均值計算單元 24可以設置在一個設備中，對每幅需要進行某一方面主觀測評的樣本圖片，該 設備可以完成相應客觀指標的提取，並經過分類和計算後輸出每幅樣本圖片的 客觀測評結果。
本發明實施例提供的系統可用於電視畫面質量的測評。
一種優化實施例，參見圖3,本發明實施例提供的系統為一個閉環反饋系統， 包括
圖像採集裝置21,用於從待測視頻圖像上採集樣本圖片； 客觀指標提取單元22，用於針對主觀測評的不同方面從所述樣本圖片中分
別提取相應客觀指標；
分類器23，用於對所述提取的相應客觀指標模擬主觀測評進行質量測評； 均值計算單元24，用於對所述圖像採集裝置21採集的多個樣本圖片，分別
經過所述客觀指標—提取單元22和所述分類器23後得到的每次分類對應的分值，
計算出它們的平均值作為所述待測視頻圖像的質量測評結果；及
反饋單元31,用於將所述均值計算單元24計算出的質量測評結果作為反饋
信息調整所述待測;f見頻圖像。
下面以對電視畫面質量的測評為例，對本發明實施例4是供的系統估爻具體說明。
為敘述的方便，我們可以將由客觀指標提取單元22、分類器23以及均值計 算單元24構成的整體稱作為 一個畫面質量測評系統(Image Quality Assessment Systems,筒稱IQAS,下同)，負責對電視畫面質量進行測評，而整個測評增強系統為一個閉環反饋系統，可以分為三個部分，其工作框圖如圖4
所示
① IQAS信號輸入IQAS的輸入信號是直接從LCD屏幕上採集的圖像， 如圖4中的①。例如，可以採用高端的單眼相機在暗室中拍攝電視LCD屏幕。
② IQAS對電視畫面進行測評通過提取待測電視畫面圖像的客觀指標對 其進行分類，並根據分類結果計算其客觀評測的最終分值，用來模擬主觀測評 的結杲，如圖4中的②。對同批次的多個LCD視頻圖像，可以多次拍攝LCD 屏幕進行IQAS信號的輸入，並取其平均值作為該批次LCD視頻圖像的總體質 量測評結果，可以作為保證同批次產品性能一致性工作的參考數據；同時，該 質量測評結果也可以作為主觀測評人員篩選測評樣本的依據。
③ IQAS同時給出反饋信息用於指導圖像處理晶片內部寄存器的修正， 以增強畫面質量，如圖4中的③。通過將②輸出的測評結果作為反饋信息指導 TV內部的電路中晶片寄存器的修正，其輸出的低壓差分信號LVDS( Low Voltage Differential Signal)對電視LCD視頻圖像質量進行調節，從而減輕相關調試人 員的工作量，提高測試效率，進而改善視頻圖像質量。
本發明實施例提供的視頻圖像質量測評的系統，通過圖像採集裝置21從待 測視頻圖像上採集樣本圖片，針對主觀測評的不同方面由客觀指標提取單元22 從所述樣本圖片中分別提取相應客觀指標，並由分類器23模擬主觀測評對待測 視頻圖像進行質量測評，可以通過客觀指標實現對待測視頻圖像的客觀測評結
觀測評進行分類，能夠完整地反映待測視頻圖像的質量，與現有技術相比能夠 克服現有主觀測評方法的不足，提高客觀測評的準確性。
綜上所述，本發明實施例提供的技術方案，利用已知畫面質量質量的視頻 段，從中提取客觀指標進行訓練，構建專家系統，義人而能夠準確的對未知視頻 片段進行分類評估，克服了現有視頻質量主觀測評方法中的不足；而且現有的 客觀測評模型往往由一個或幾個客觀指標來衡量視頻圖像的質量，該指標往往 只能反映模型某些方面的性能，本發明實施例提供的技術方案針對主觀測評的 不同方面分別提取相應的客觀指標，並且利用支持向量機或神經網絡的強大的學習能力，可以克服現有客觀測評模型的局限性，測評的結果與主觀測評的一 致性更強，能夠比較準確地對不同畫面質量的視頻片段進行測評，且算法運算 量較小，速度較快，實現性更高。
需要說明的是，本發明實施例中的方法可以軟體功能模塊的形式實現，並 且該軟體功能模塊作為獨立的產品銷售或使用時，也可以存儲在一個計算機可 讀取存儲介質中。上述提到的存儲介質可以是只讀存儲器，磁碟或光碟等。
本發明實施例中的各功能單元可以集成在一個處理模塊中，也可以是各個 單元單獨物理存在，也可以兩個或兩個以上單元集成在一個才莫塊中。上述集成 的模塊既可以採用硬體的形式實現，也可以採用軟體功能模塊的形式實現。所 述集成的模塊如果以軟體功能模塊的形式實現並作為獨立的產品銷售或使用 時，也可以存儲在一個計算機可讀取存儲介質中。上述提到的存儲介質可以是 只讀存儲器，磁碟或光碟等。
以上對本發明實施例所提供的視頻圖像質量測評的方法和系統進行了詳細 介紹，實施例的說明只是用於幫助理解本發明的方法及其思想；任何熟悉本技 術領域的技術人員在本發明揭露的技術範圍內，可輕易想到變化或替換，都應 涵蓋在本發明的保護範圍之內。因此，本發明的保護範圍應所述以權利要求的 保護範圍為準。
權利要求
1、一種視頻圖像質量測評的方法，其特徵在於，包括從待測視頻圖像上採集樣本圖片；針對主觀測評的不同方面從所述樣本圖片中分別提取相應客觀指標；對所述提取的相應客觀指標模擬主觀測評進行質量測評。
2、 根據權利要求1所述視頻圖像質量測評的方法，其特徵在於，對所述提 取的相應客觀指標模擬主觀測評進行質量測評的方法包括將所述提取的相應客觀指標通過分類器進行分類，所述分類器對所述提取 的相應客觀指標模擬主觀測評分類對應的分值進行過有監督的學習訓練。
3、 根據權利要求2所述視頻圖像質量測評的方法，其特徵在於，選用人工 神經網絡分類方法或支持向量機分類方法對分類器進行有監督的學習訓練。
4、 根據權利要求2所述視頻圖像質量測評的方法，其特徵在於，所述方法 還包括從待測視頻圖像上採集多個樣本圖片；對每個樣本圖片提取相應客觀指標並分別通過分類器進行分類，得到每次 分類對應的分值；計算出所述多次分類對應分值的平均值，作為所述待測視頻圖像的質量測 評結果。
5、 根據權利要求4所述視頻圖像質量測評的方法，其特徵在於，所述方法 還包括將所述質量測評結果作為反饋信息調整所述待測視頻圖像。
6、 一種視頻圖像質量測評的系統，其特徵在於，包括 圖像採集裝置，用於從待測視頻圖像上採集樣本圖片； 客觀指標提取單元，用於針對主觀測評的不同方面從所述樣本圖片中分別提取相應客觀指標；分類器，用於對所述提取的相應客觀指標模擬主觀測評進行質量測評。
7、 根據權利要求6所述視頻圖像質量測評的系統，其特徵在於，所述系統 包括一個以上的分類器，每個分類器針對主觀測評的一個方面。
8、 根據權利要求6所述視頻圖像質量測評的系統，其特徵在於，所述系統還包括均值計算單元，用於對所述圖像採集裝置釆集的多個樣本圖片，分別經過 所述客觀指標提取單元和所述分類器後得到的每次分類對應的分值，計算出它 們的平均值作為所述待測視頻圖像的質量測評結果。
9、 根據權利要求6所述視頻圖像質量測評的系統，其特徵在於，所述系統 為一個閉環反饋系統，還包括反饋單元，用於將所述均值計算單元計算出的質量測評結果作為反饋信息 調整所述待測視頻圖像。
10、 根據權利要求6至9任一項所述的系統，其特徵在於，所述系統用於 電一見畫面質量的測^平。
全文摘要
本發明的實施例公開了一種視頻圖像質量測評的方法和系統，能夠克服現有主觀測評方法的不足，提高客觀測評的準確性。本發明實施例提供的方法包括從待測視頻圖像上採集樣本圖片；針對主觀測評的不同方面從所述樣本圖片中分別提取相應客觀指標；對所述提取的相應客觀指標模擬主觀測評進行質量測評。本發明實施例提供的技術方案可用於對電視畫面質量的測評。
文檔編號G06K9/62GK101426150SQ20081018454
公開日2009年5月6日 申請日期2008年12月8日 優先權日2008年12月8日
發明者微 劉, 雷 裴, 健 韓 申請人:青島海信電子產業控股股份有限公司