视频图像质量测评的方法和系统技术方案

本发明专利技术的实施例公开了一种视频图像质量测评的方法和系统，能够克服现有主观测评方法的不足，提高客观测评的准确性。本发明专利技术实施例提供的方法包括：从待测视频图像上采集样本图片；针对主观测评的不同方面从所述样本图片中分别提取相应客观指标；对所述提取的相应客观指标模拟主观测评进行质量测评。本发明专利技术实施例提供的技术方案可用于对电视画面质量的测评。

【技术实现步骤摘要】

本专利技术涉及图像处理
，具体而言是涉及一种视频图像质量测评的 方法和系统。
技术介绍
已知的对视频图像质量测评的方法有主观测评和客) 见测评两种。主观测评 是通过多位专家对待测评的图像质量分别给出评分，然后对评分进行统计得出 平均分作为评价结果。这种主观测评的方法其测评结果准确，但比较费时，且操作复杂，不具有可重复性，代价较高。客观测评主要有两种方法第一种方 法是利用峰值信噪比(Peak Signal to Noise Ratio, PSNR)或均方误差(error of meansquare , MSE)来衡量数字图像的好坏。这种方法操作简单，成本低，易 于实现，但是不能完整地反映视频图像的质量，与人眼的观测结果差异较大。 第二种方法是基于人类视觉系统(HVS, Human Visual System)生理特征的， 用基于感知误差的统一模型来描述，但是当前人们对HVS的认识还不透彻，无 法建立一个准确、统一的模型，这直接影响到客观测评的准确性。
技术实现思路
有鉴于此，本专利技术实施例提供一种视频图像质量测评的方法和系统，能够 克服现有主观测评方法的不足，提高客观测评的准确性。为实现上述目的，本专利技术实施例是通过如下才支术方案实现的 一方面，提供一种视频图像质量测评的方法，包括 从待测视频图像上采集样本图片；针对主观测评的不同方面从所述样本图片中分别提取相应客观指标； 对所述提取的相应客观指标模拟主观测评进行分类。其中，对所述提取的相应客观指标模拟主观测评进行质量测评的方法包括 将所述提取的相应客观指标通过分类器进行分类，所述分类器对所述提取 的相应客观指标模拟主观测评分类对应的分值进行过有监督的学习训练。本专利技术实施例选用人工神经网络分类方法或支持向量机分类方法对分类器 进行有监督的学习训练。一种实施例，本专利技术实施例提供的方法还包括 从待测视频图像上釆集多个样本图片；对每个样本图片提取相应客观指标并分别通过分类器进行分类，得到每次 分类对应的分值；计算出所述多次分类对应分值的平均值，作为所述待测视频图像的质量测 评结果。以及，将所述质量测评结果作为反馈信息调整所述待测视频图像。 另一方面，提供一种视频图像质量测评的系统，包括 图像采集装置，用于从待测视频图像上采集样本图片； 客观指标提取单元，用于针对主观测评的不同方面从所述样本图片中分别 提取相应客观指标；分类器，用于对所述提取的相应客观指标模拟主观测评进行分类。所述系统包括一个以上的分类器，每个分类器针对主观测评的一个方面。一种实施例，本专利技术实施例提供的系统还包括均值计算单元，用于对所述图像采集装置采集的多个样本图片，分别经过 所述客观指标提取单元和所述分类器后得到的每次分类对应的分值，计算出它 们的平均值作为所述待测视频图像的质量测评结果。一种实施例，本专利技术实施例提供的系统为一个闭环反馈系统，还包括反馈单元，用于将所述均值计算单元计算出的质量测评结果作为反馈信息 调整所述待测视频图像。本专利技术实施例提供的系统可用于电视画面质量的测评。由以上本专利技术实施例提供的技术方案可知，通过从待测视频图像上采集样 本图片，针对主观测评的不同方面从所述样本图片中分别提取相应客观指标， 并模拟主观测评对待测视频图像进行质量测评，可以通过客观指标得到待测视应客观指标来模拟主观测评进行分类，能够完整地反映待测视频图像的质量，与现有技术相比能够克服现有主观测评方法的不足，提高客观测评的准确性。 附图说明图1为本专利技术实施例提供的视频图像质量测评的方法流程图2为本专利技术实施例提供的视频图像质量测评的系统结构图3为本专利技术实施例提供的闭环反馈的视频图像质量测评的系统结构图4为本专利技术实施例提供的一种对电视画面质量进行测评的工作框图。具体实施例方式本专利技术的出发点是利用已经经过主观测评的视频图像，从中提取相应客 观指标进行训练学习，构建专家系统，从而实现对未知待测视频图像的质量测 评。为使本专利技术的目的、技术方案、及优点更加清楚明白，下面结合附图并举 实施例，对本专利技术提供的技术方案进一步详细描述。参见图1,图1为本专利技术实施例提供的视频图像质量测评的方法流程图，所 述方法包括步骤11 ，从待测视频图像上采集样本图片。例如，可以采用高端的单反相机在暗室中拍摄视频图像进行样本图片采集。 步骤12，针对主观测评的不同方面分别从所述样本图片中提取相应客观指标。对一幅待测视频图像，需要进行的主观测评包括色饱和度、偏色、色彩梯 度、色彩保真度、肤色、亮色重合度、清晰度、对比度和锐度等不同方面；针 对主观测评的不同方面，从所述样本图片中分别提取不同相应的客观指标，例 如在进行色饱和度测评中，我们提取的相应客观指标是样本图片的HSV色彩空 间的S分量的均值和熵，以及YUV色彩空间的U、 V分量的均值这四个客观指 标。步骤13，对所述提取的相应客观指标模拟主观测评进行质量测评。 本步骤中，对所述提取的相应客观指标模拟主观测评进行分类的方法包括 将所述提取的相应客观指标通过分类器进行分类，所述分类器对所述提取 的相应客观指标模拟主观测评进行过有监督的学习训练。我们可以选用支持向量机或者人工神经网络对分类器进行有监督的学习训练，利用其强大的学习能 力对已知类别的输入图片样本进行学习，经多次训练过程，就可以对其他的输 入图片样本进行分类。也即使是说，从经过主观评测分类的样本图片中提取相 应的客观指标，对所述分类器进行有监督的学习训练，然后将所述提取的相应 客观指标通过该分类器进行分类。下面以色饱和度为例，将如何对分类器进行有监督的学习训练做一说明首先由主观测评将待测评的视频图像质量进行分类，例如可以将色饱和度分为三类过饱和，好，欠饱和。采用高端的单反相机在暗室中分别拍摄每一类视频图像质量的照片，例如 每一类质量的视频图像拍摄15幅，并作为样本图片对支持向量机或人工神经网 络进行训练学习。在对色饱和度测评中，我们从每幅样本图片中提取的相应客观指标是样 本图片的HSV色彩空间的S分量的均值和熵，以及YUV色彩空间的U、 V分 量的均值这四个客观指标。每次使用这四个客观指标作为支持向量机或人工神经网络的输入，并告诉 支持向量机或人工神经网络对于每次不同的客观指标输入其输出应该是哪一类 (过饱和，好，欠饱和)。支持向量机或人工神经网络利用其强大的自学习的能 力，经过多次的训练学习，就可以对每一类图片进行正确的分类。当我们输入 一幅待测评样本图片的客观指标时，支持向量机或人工神经网络经过分析就可 以得出该样本图片所对应的主观测评类别，即得到待测评样本图片色饱和度的 客观测评结果是过饱和、好还是欠饱和，这样就完成了对分类器的有监督的学 习训练。通过试验验证，经该有监督的学习训练后的分类器得到的客观测评结 果与主观测评结杲的一致性在95%以上。需要说明的是，以上仅以视频图像的色饱和度的客观指标提取为例对如何 训练分类器的过程进行说明，在实际应用中，我们要完成的主观测评包括色饱 和度、偏色、色彩梯度、色彩保真度、肤色、亮色重合度、清晰度、对比度和 锐度等不同方面，对于主观测评的不同方面，我们需要从样本图片中分别提取 相应客观指标，以便客观地模拟主观测评对分类器进行有监督的学习训练。本专利技术实施例提供的视频图像质量测评方法，本文档来自技高网...

【技术保护点】
一种视频图像质量测评的方法，其特征在于，包括：　从待测视频图像上采集样本图片；　针对主观测评的不同方面从所述样本图片中分别提取相应客观指标；　对所述提取的相应客观指标模拟主观测评进行质量测评。

【技术特征摘要】

【专利技术属性】
技术研发人员：刘微，韩健，裴雷，
申请(专利权)人：青岛海信电子产业控股股份有限公司，
类型：发明
国别省市：95[中国|青岛]