一种基于无参考质量评估的智能视频传输监控方法技术

本发明专利技术公开了一种基于无参考质量评估的智能视频传输监控方法，以下步骤：1)利用Gabor滤波器进行视频分割；2)利用图像平滑来测量视频中两帧之间的差异，以获取视频中两个相邻帧之间的相关性，得图像的运动平滑度Q_M；3)将视频失真分为两类，其中，第一类为：当网络传输状况良好时，视频失真表现在压缩编码；第二类为：当网络传输状况不佳时，影响视频质量的原因为丢包抖动造成的图像失真，分别计算两类视频失真下的视频质量，得最终的视频质量Q

【技术实现步骤摘要】
一种基于无参考质量评估的智能视频传输监控方法
本专利技术涉及一种智能视频传输监控方法，具体涉及一种基于无参考质量评估的智能视频传输监控方法。
技术介绍
随着通信技术的发展，多媒体视频系统已经广泛应用于互联网应用，如视频会议、视频对话、在线教学等。与传统的单向视频服务相比，现代视频服务可以提供双向交流和互动。然而，在压缩、传输或解压缩期间，视频质量容易受到影响。一旦视频被破坏，视频服务的质量将急剧下降。例如，由于传输速率的影响，视频延迟会严重影响视频通信的质量，从而导致用户体验不佳。因此，构建有效的视频质量监控方法在视频服务中起着重要的作用。一般来说，影响视频传输质量的因素有多种，如机器异常抖动、网络拥塞、网络带宽变化等。这些因素会导致抖动、条纹、马赛克，从而影响服务质量。网络应用中视频质量受损的主要原因是当前网络质量有限。有限的传输网络带宽决定了视频必须进行大比例压缩，导致视频压缩受损。不稳定和不可靠的网络传输不可避免地会导致视频流在传输过程中出现误码，导致传输质量受损。图像质量评估(IQA)已被广泛用于评估测试图像与参考图像的质量。典型的IQA算法包括主观评估和客观评估。主观评价的目的是根据观察者的判断来评价图像质量，这明显反映了人类的视觉机制。然而，这种算法在实际应用中无法推广，因为这种方法需要大量的人力和物力。因此，客观评估被广泛使用，其被进一步分为全参考、减少参考和无参考IQA算法。NR-IQA算法是应用中最适合扩展的方法，因为这些算法不需要任何参考图像。网络视频质量评估面临两大挑战:1)网络视频应用通常远离客户端和服务器，这使得使用原始视频数据作为评估参考几乎是不可能的。2)网络视频应用是在互联网上传输的，网络情况复杂，很难建立对网络状况的检测，同时也没有很好的方法将网络状况指标与视频质量准确匹配。视频质量评估可以看作是基于帧的图像质量评估。因此，需研究一种方法，该方法能够通过提取视频失真信息来预测视频质量。
技术实现思路
本专利技术的目的在于克服上述现有技术的缺点，提供了一种基于无参考质量评估的智能视频传输监控方法，该方法能够通过提取视频失真信息来预测视频质量。为达到上述目的，本专利技术所述的基于无参考质量评估的智能视频传输监控方法包括以下步骤：1)利用Gabor滤波器进行视频分割；2)利用图像平滑来测量视频中两帧之间的差异，以获取视频中两个相邻帧之间的相关性，得图像的运动平滑度QM；3)将视频失真分为两类，其中，第一类为：当网络传输状况良好时，视频失真表现在压缩编码；第二类为：当网络传输状况不佳时，影响视频质量的原因为丢包抖动造成的图像失真，分别计算两类视频失真下的视频质量，得最终的视频质量为Qvideo为：其中，E表示视频失真，QM表示视频的平滑质量。步骤2)的具体操作为：利用两幅图像之间的绝对误差来描述一幅图像的运动程度，其中，Lk，c(m，n)表示第c个帧中第k个通道的亮度，Dk，c(i，j)表示两帧之间的差异，则有第k个帧的宏块(i，j)的运动程度AM，k为：则运动平滑度QM为：其中，N表示经验常数。当网络处于良好状态时，客户端接收的视频质量与服务器发送的视频质量相同，即视频质量的失真来自视频压缩编码；压缩算法质量比QE为：QE＝fMPQM(BitRate，CodeType)则网络处于良好状态时的视频质量Q1为：Q1＝WE×QE+WM×QM其中，WE及WM分别表示压缩算法的质量比QE及视频运动平滑质量的权重QM。视频失真E表示为：其中，NC表示过滤和分解后的通道数，C表示通道，PQct表示通道C，在时间t处的图像失真。通道C，时间t处的图像失真PQct＝(Bh+Bv)/2，其中，Bh表示通道的垂直损伤评估结果，Bv表示通道的水平损伤评估结果。通道的垂直损伤评估结果Bh及通道的水平损伤评估结果Bv的表达式分别为：其中，dh(m，n)表示像素处(m，n)垂直线的差异。当网络状况不好时，设x(m，n)表示图像中的像素，其中，m∈[1，M]，n∈[1，N]，M和N表示图像的高度和宽度；将图像转换到频域，设dh(m，n)表示像素处(m，n)垂直线的差异，dh(m，n)为：dh(m，n)＝x(m，n+1)-x(m，n)，n∈[1，N]。当网络传输状况不佳时，视频质量Q2表示为：其中，QM表示视频的平滑质量，γ为调整常数。本专利技术具有以下有益效果：本专利技术所述的基于无参考质量评估的智能视频传输监控方法在具体操作时，通过视频失真分为两类，即当网络传输状况良好时，视频失真表现在压缩编码；当网络传输状况不佳时，影响视频质量的原因为丢包抖动造成的图像失真，具有较高的有效性和鲁棒性，同时分别计算两类视频失真下的视频质量，对视频服务具有重要的作用。附图说明图1为本专利技术中网络视频通信管道的示意图；图2为本专利技术与现有技术的对比图。具体实施方式下面结合附图对本专利技术做进一步详细描述：多媒体视频系统在现代互联网应用中扮演着重要的角色，例如基于网络广播的视频会议。然而，由于噪声、网络拥塞，视频质量在传输过程中可能会受到影响。构建端到端的智能视频传输监控系统意义重大。本专利技术利用Gabor滤波器进行视频分割，然后对视频进行图像平滑度估计，以测量相邻两个帧之间的相关性，随后考虑视频失真的两种状态，即压缩和视频传输，具有较高的有效性和鲁棒性。参考图1，网络视频通信的管道由信源编码器、载波网络和终端解码播放器组成，由于编码器可以获得参考视频，因此评估编码器的输出视频质量可以利用全参考算法，由于解码器不能获得参考视频，因此本专利技术只利用无参考IQA算法，由于网络节点需要监控大规模视频质量，因此本专利技术具有较低的计算复杂度。而接收机对计算复杂度要求不高，解码后的视频只能用重构后的视频信息进行评估。基于不同的信息，网络视频质量评估可以分为参数规划模型、分组层评估模型、比特流层评估模型、媒体层评估模型及混合评估模型。在视频压缩、网络传输和视频解压缩过程中，视频质量下降是不可避免的，由于原始视频在接收器处不可用，因此本专利技术设计了无参考视频质量评估算法来评估所获得视频的失真状况。为提高视频服务水平，有效评估视频传输系统的服务质量，本专利技术提供了一种无参考视频质量评估算法，首先，使用动态图像质量评估视频压缩的危害，然后，设计评价视频传输状态的指标，最后设计无参考视频质量评估算法来评估视频接收机的质量。本专利技术所述的基于无参考质量评估的智能视频传输监控方法包括以下步骤：1)利用Gabor滤波器进行视频分割；特征相似性指数(FSIM)利用Gabor滤波器和对数Gabor滤波器作为正交滤波器对，纹理分析采用Gabor滤波器，适用于纹理的表示及识别，Gabor本文档来自技高网...

【技术保护点】
1.一种基于无参考质量评估的智能视频传输监控方法，其特征在于，包括以下步骤：/n1)利用Gabor滤波器进行视频分割；/n2)利用图像平滑来测量视频中两帧之间的差异，以获取视频中两个相邻帧之间的相关性，得图像的运动平滑度Q

【技术特征摘要】
1.一种基于无参考质量评估的智能视频传输监控方法，其特征在于，包括以下步骤：
1)利用Gabor滤波器进行视频分割；
2)利用图像平滑来测量视频中两帧之间的差异，以获取视频中两个相邻帧之间的相关性，得图像的运动平滑度QM；
3)将视频失真分为两类，其中，第一类为：当网络传输状况良好时，视频失真表现在压缩编码；第二类为：当网络传输状况不佳时，影响视频质量的原因为丢包抖动造成的图像失真，分别计算两类视频失真下的视频质量，得最终的视频质量为Qvideo为：



其中，E表示视频失真，QM表示视频的平滑质量。


2.根据权利要求1所述的基于无参考质量评估的智能视频传输监控方法，其特征在于，步骤2)的具体操作为：
利用两幅图像之间的绝对误差来描述一幅图像的运动程度，其中，Lk，c(m，n)表示第c个帧中第k个通道的亮度，Dk，c(i，j)表示两帧之间的差异，则有



第k个帧的宏块(i，j)的运动程度AM，k为：



则运动平滑度QM为：



其中，N表示经验常数。


3.根据权利要求1所述的基于无参考质量评估的智能视频传输监控方法，其特征在于，当网络处于良好状态时，客户端接收的视频质量与服务器发送的视频质量相同，即视频质量的失真来自视频压缩编码；
压缩算法质量比QE为：
QE＝fMPQM(BitRate，CodeType)
则网络处于良好状态时的视频质量Q1为：
Q1＝WE×QE+WM×QM
其中，WE及W...

【专利技术属性】
技术研发人员：侯瑞，胡阳，赵云灏，李建彬，任国文，任羽圻，方苏婉，袁梦，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：北京;11