针对客观视频质量的实时测量进行图像质量分析.doc

针对客观视频质量的实时测量进行图像质量分析 来源：互联网 数字声频与音频为消费者提供了立体声且高清晰度的声频体验，而相关测试则从传统的静态、单帧像分析，转换为动态测试、图像质量分析。 虽然单帧像分析可提供信号定时、色深、线条同步化，以及更多有用信息，但压缩/解压缩算法与缓冲错误的数字影像也常造成瑕疵，且无法通过单帧像所察觉。常见错误则包含宏区块、帧像停滞、声频遗失与截断，或像素化。此篇教学指南概述了图像质量分析，并说明NI Picture Quality Analysis软件应如何搭配NI Digital Video Analyzer使用，侦测数字声频与视频的瑕疵或假影。 HDMI串流的常见瑕疵 首先应了解图像质量分析，从而知道数字视频系统可能产生的瑕疵类型。 而用户自己就能发觉最常见、最重要的瑕疵，如宏区块、像素化、帧像模糊、停滞、遗失、声频截断和LipSync。 宏区块——数字影像往往是通过MPEG 4或H.264压缩成多个8x8色块。 若压缩/解压缩算法之间并无高度相关，则可能产生多个定义边缘的区域。 这就是宏区块。 图1. 若原始图像的解压缩效果不佳，宏区块就可能在解压缩后的像素之间形成定义边缘。 若传输期间遗失数据，则解码器将无法正确读取数据区块从而检索原始的像素数据,这样会造成明显的掉色区块错误。与宏色块相比，虽然这些错误均较为少见，但仍极为明显。 图2. 因数据遗失与错误解码而产生的像素化错误。 在解码或调整期间，可能遗失高频率的组件，进而在边缘之间遗失定义，或出现模糊的情况。 视频信号将因此丢失清晰度或鲜明度。 图3. 模糊将使视频信号产生不清晰的边缘。 图左在黑、白边缘之间的定义较不明显。 从图1到图3呈现了单一图像的模糊、像素化、宏区块；这些瑕疵往往不会再各个帧像逐一出现，而必须全时间完整测量设备以获得正确的结果。其他瑕疵如帧像停滞/遗失、声频切割、LipSync (声频/视频同步化)，也需分析多组帧像。 图像质量分析评分 图像质量分析即测量视频流的整体。 因此汇集了专业技术人员观看视频，并以其专业的主观角度评分，设立了Differential Mean Opinion Scores (DMOS)。 但此方法仍有许多待解的难题，如训练技术人员的成本，还有操作人员观看屏幕的重复性成本。 另一个重大挑战则是关于主观测试的质量。 在制造过程中，根本不可能聘请视频质量专家观看各组设备的生产细节，只能让水平较差的操作人员观看视频并评分。 因此如分心、疲劳、眼睛过度刺激等人为因素，均会降低产品品质而让劣质品过关，由此促使了工程师必须重新设计影像测试的方法。 较好的图像质量分析方式，即必须能重复套用客观的测量方式，以测量音频与视频的质量。 目前有多种算法，均与专业操作人员的主观评分相关。常见的两种测量之一为峰值信噪比 (PPSNR)，它是以均方差 (MSE)以及德州大学图像与视频工程实验室(LIVE)的Al Bovik教授和其团队，所设定的结构相似性(SSIM)指数为构架。 此项指数已成为最具公信力的视频质量测量指数。 只要套用如PSNR与SSIM算法，即可通过自动化、可重复的测量方法，轻松评定视频质量。 图4. 爱因斯坦照片的比较，代表了不同的失真程度： a) 参考图像, b)平均对比伸展, c)亮度平移, d)高斯噪音污染，e)脉冲噪音污染, f)JPEG压缩, g)模糊, h)空间缩放 (缩小), i)空间平移 (向右), i)空间平移 (向左), k)旋转 (逆时针), l)旋转 (顺时针)。 另一种视频质量测试方法是测量视频与音频内容的特定假影。 此时可套用特定瑕疵算法，以找出视频中的特定错误，如方格或帧像停滞/遗失。 许多生产应用不太需要如PSNR或SSIM的高性能测试。 反之，往往仅需确认没有产生宏区块、声频切割、视频停滞即可。 通过特定瑕疵的测量，即可迅速决定该款设备是通过还是失败。 具备NI Picture Quality Analysis软件的NI Digital Video Analyzer能够测量特定瑕疵，也可达到如PSNR与SSIM的高图像质量测量。 通过用户定义的测量，即可套用自定义的算法，以建立完全自定制的图像质量分析应用。 图5. 针对水平与垂直空间中的宏区块，需采集并分析1080p60的视频流。 参考与无参考测试 针对视频/音频流，进行图像质量分析测量的方法目前有三种。 1. 无参考测试: 不论图像内容如何，此方式可将测量套用至任何系统。 而此测量方式的挑战之处在于，因分析图像内容的不同，测量结果的差异也相当大。 2. 简化参考测试: 简化参考测试则需要“金级”或理想样本设备。在测量了金级样本设备的音频/视频质量之后，其它设备即根据金级样本结果进行测试，以定义该系统是通过还是失败。 3.