[發(fā)明專利]一種HEVC視頻質(zhì)量估計(jì)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811244900.5
• 申請(qǐng)日: 2018-10-24
• 公開（公告）號(hào): CN109286812B
• 公開（公告）日: 2020-06-05
• 發(fā)明（設(shè)計(jì)）人: 郭紅星;程浞;湯俊良;盧濤;夏濤;范曄斌;李榕
• 申請(qǐng)（專利權(quán)）人: 華中科技大學(xué)
• 主分類號(hào): H04N17/00
• 分類號(hào): H04N17/00;H04N19/124;H04N19/159;H04N19/42;H04N19/70
• 代理公司: 華中科技大學(xué)專利中心 42201
• 代理人: 曹葆青;李智

1.一種HEVC視頻質(zhì)量估計(jì)方法，其特征在于，包括如下步驟：

(1)從HEVC視頻的壓縮碼流中提取每一幀視頻的估計(jì)參數(shù)；

若所述壓縮碼流僅包含I幀，則所述估計(jì)參數(shù)包括量化參數(shù)、碼流大小和空間復(fù)雜度；否則，所述估計(jì)參數(shù)包括量化參數(shù)、碼流大小、空間復(fù)雜度和時(shí)間復(fù)雜度；

(2)以像素為基準(zhǔn)，對(duì)所述碼流大小進(jìn)行歸一化，以自適應(yīng)HEVC視頻的壓縮碼流的分辨率變化；

(3)根據(jù)已進(jìn)行碼流大小歸一化操作的估計(jì)參數(shù)估計(jì)所述HEVC視頻的質(zhì)量；

所述步驟(3)包括：

(31)對(duì)于所述壓縮碼流中的I幀，利用已訓(xùn)練好的第一模型和第二模型分別計(jì)算每一個(gè)I幀視頻的PSNR值和SSIM值；所述第一模型和所述第二模型分別用于根據(jù)量化參數(shù)、空間復(fù)雜度和已歸一化的碼流大小計(jì)算I幀視頻的PSNR值和SSIM值；

(32)計(jì)算所述壓縮碼流中所有I幀的平均量化參數(shù)和平均空間復(fù)雜度，并利用已訓(xùn)練好的第三模型和第四模型分別計(jì)算所述壓縮碼流中所有I幀的平均PSNR值和平均SSIM值；所述第三模型和所述第四模型分別用于根據(jù)所有I幀視頻的平均量化參數(shù)和平均空間復(fù)雜度以及已歸一化的碼流大小計(jì)算所有I幀視頻的平均PSNR值和平均SSIM值；

(33)若所述壓縮碼流中還包含P幀，則利用已訓(xùn)練好的第五模型和第六模型分別計(jì)算每一個(gè)P幀視頻的PSNR值和SSIM值；否則，轉(zhuǎn)入步驟(35)；所述第五模型和所述第六模型分別用于根據(jù)量化參數(shù)、時(shí)間復(fù)雜度和已歸一化的碼流大小計(jì)算P幀視頻的PSNR值和SSIM值；

(34)計(jì)算所述壓縮碼流中所有P幀的平均量化參數(shù)、平均空間復(fù)雜度和時(shí)間復(fù)雜度標(biāo)準(zhǔn)差，并利用已訓(xùn)練好的第七模型和第八模型分別計(jì)算所述壓縮碼流中P幀視頻的平均PSNR值和平均SSIM值；所述第七模型和所述第八模型分別用于根據(jù)所有P幀視頻的平均量化參數(shù)、平均空間復(fù)雜度和時(shí)間復(fù)雜度標(biāo)準(zhǔn)差以及已歸一化的碼流大小計(jì)算所有P幀視頻的平均PSNR值和平均SSIM值；

(35)視頻質(zhì)量估計(jì)完成；

其中，各模型均為多元線性回歸模型。

2.如權(quán)利要求1所述的HEVC視頻質(zhì)量估計(jì)方法，其特征在于，所述步驟(1)包括：

(11)對(duì)所述壓縮碼流進(jìn)行部分解碼，得到所述壓縮碼流中每幀視頻的量化參數(shù)和碼流大小；

(12)若所述壓縮碼流中僅包含I幀，則對(duì)所述壓縮碼流進(jìn)行完全解碼，并計(jì)算所述壓縮碼流中每一幀視頻的空間復(fù)雜度；否則，對(duì)所述壓縮碼流進(jìn)行完全解碼，并計(jì)算所述壓縮碼流中每一幀視頻的空間復(fù)雜度和時(shí)間復(fù)雜度。

3.如權(quán)利要求1或2所述的HEVC視頻質(zhì)量估計(jì)方法，其特征在于，所述第一模型、所述第二模型、所述第三模型和所述第四模型的訓(xùn)練方法包括：

確定M₁個(gè)具有相同分辨率且具有不同紋理特性的標(biāo)準(zhǔn)視頻序列作為訓(xùn)練序列，并確定N₁個(gè)量化參數(shù)；對(duì)于任意一個(gè)訓(xùn)練序列，分別根據(jù)每一個(gè)量化參數(shù)對(duì)該訓(xùn)練序列進(jìn)行壓縮編碼，編碼方式為：將該訓(xùn)練序列的前F₁幀編碼為I幀；將每一個(gè)編碼結(jié)果作為一個(gè)訓(xùn)練樣本，獲得其中每一幀的量化參數(shù)和空間復(fù)雜度，以及所有幀的平均量化參數(shù)和平均空間復(fù)雜度，并以像素為基準(zhǔn)，對(duì)其碼流大小進(jìn)行歸一化，由此得到由全部共M₁×N₁個(gè)訓(xùn)練樣本構(gòu)成的第一訓(xùn)練集；

確定M₂個(gè)具有相同分辨率且具有不同紋理特性的標(biāo)準(zhǔn)視頻序列作為測(cè)試序列，并確定N₂個(gè)量化參數(shù)；對(duì)于任意一個(gè)測(cè)試序列，分別根據(jù)每一個(gè)量化參數(shù)對(duì)該測(cè)試序列進(jìn)行壓縮編碼，編碼方式為：將該測(cè)試序列的所有幀編碼為I幀；將每一個(gè)編碼結(jié)果作為一個(gè)測(cè)試樣本，獲得其中每一幀的量化參數(shù)和空間復(fù)雜度，以及所有幀的平均量化參數(shù)和平均空間復(fù)雜度，并以像素為基準(zhǔn)，對(duì)其碼流大小進(jìn)行歸一化，由此得到由全部共M₂×N₂個(gè)測(cè)試樣本構(gòu)成的第一測(cè)試集；

分別構(gòu)建所述第一模型、所述第二模型、所述第三模型和所述第四模型，并分別利用所述第一訓(xùn)練集和所述第一測(cè)試集訓(xùn)練并測(cè)試所構(gòu)建的各個(gè)模型，由此完成模型的訓(xùn)練。