Сравнительный анализ метрик оценки качества восприятия потокового видео

Размещено на http://www.allbest.ru/

ФГОУВПО «Российский государственный университет туризма и сервиса»

Сравнительный анализ метрик оценки качества восприятия потокового видео

Марков Михаил Владимирович, магистрант

г. Москва

Аннотация

Рассмотрены различные метрики оценки качества передаваемой видеоинформации. Описаны алгоритмы вычисления объективных и субъективных оценок видеоизображений, в том числе RMSE, PSNR, PQR, VQM. Приведены основные проблемы, возникающие в процессе оценки качества и связанные с рассинхронизацией изображений и другими негативными эффектами, проявляющимися при передаче видеоинформации по беспроводным каналам связи. В заключении выполнено краткое сравнение рассмотренных метрик.

Ключевые слова: качество видеоинформации, SSCQE, DSIS, DSCQS, RMSE, PSNR, PQR, VQM

Various metrics of an estimation of the quality of transferred video information are considered. Algorithms of calculation of objective and value estimations of video images, including RMSE, PSNR, PQR, VQM are described. The author describes the basic problems arising in the course of an estimation of quality and connected with resynchronization of images and other negative effects, shown are resulted at video information transfer on wireless communication channels. In the conclusion there is a short comparison of the considered metrics.

Key words: quality of video information, SSCQE, DSIS, DSCQS, RMSE, PSNR, PQR, VQM

Введение

Постановка задачи. Цифровая видеоинформация, передаваемая через телекоммуникационные сети, подвергается искажениям, возникающим в процессе оцифровки, сжатия, передачи, декодирования и воспроизведения видеосигналов. Так, при сжатии видеосигналов происходит снижение качества, связанное с уменьшением количества информации о структуре изображения. Параметры, которые остаются неизменными, используются для оценки качества. В статье анализируются наиболее распространенные метрики оценки качества видео.

Субъективные метрики

Субъективные метрики используют особенности человеческого зрения. Эти метрики описаны в стандарте ITU-R BT.500-8-11. Стандарт содержит такие методики измерений, как SSCQE, DSIS, DSCQS.

SSCQE (Single-Stimulus Continuous Quality Evaluation) - непрерывная оценка качества в ходе единственного просмотра. Наблюдателю демонстрируется несколько видеороликов. Количество искажений в этих роликах может быть различным. Оценки выставляются в пределах от 0 (за худшее качество) до 1 (за лучшее качество). Оценка выставляется только один раз и в дальнейшем не может быть изменена.

DSIS (Double Stimulus Impairment Scale) - попарная оценка ухудшения качества видео. Наблюдателю предлагается сравнить две видеопоследовательности - искаженную и оригинальную. Длительность теста - 8 секунд. Наблюдатель оценивает визуальные искажения по пятибалльной шкале. Максимальный балл 5 - соответствует незаметным искажениям, средний балл 3 - искажения мешают смотреть, минимальный 1 - изображение просматривать невозможно.

DSCQS (Double Stimulus Continuous Quality Scale) - непрерывная оценка качества по результатам двух просмотров. Этот метод, основанный на двух ранее описанных метриках, получил широкое применение и позволяет оценивать потоковое видео с высокой степенью точности. Качество изображений оценивается так же, как в методике DSIS. Отличительной особенностью является то, что видеоролик воспроизводится в псевдослучайном порядке, а затем повторяется. По окончании просмотра наблюдателю дается некоторое время для выставления оценки. Методика оценивания также пятибалльная: 5 - превосходное качество, 4 - хорошее качество, 3 - удовлетворительное качество, 2 - плохое, 1 - очень плохое качество. Наблюдатель записывает выставленную оценку в специальный бланк или заносит данные в специализированную программу. Затем все оценки усредняются и преобразуются в стандартную шкалу (от 0 до 100). Таким образом, всегда можно оценить различия между оригинальным и искаженным видеорядом. По окончании сбора информации от всех экспертов данные обрабатываются с использованием статистических алгоритмов.

метрика качество рассинхронизация изображение

Объективные метрики

Для автоматизации процессов оценки качества потокового видео разработаны объективные метрики, позволяющие оценивать качество видеоинформации в двух режимах. В первом режиме для анализа доступна вся видеопоследовательность, во втором - оценка формируется отдельно для каждого кадра. Существуют следующие объективные метрики:

RMSE (Root Mean Square Error) - среднеквадратическая ошибка, определяемая как расстояние между двумя пикселями. Для вычисления этого параметра необходимо усреднить значение разности между отсчетами оригинальной и искаженной последовательностей.

.

Здесь f - оригинальный кадр, f`- искаженный, N и М - параметры, отвечающие за формат кадра.

SNR (Signal-to-Noise Ratio) -отношение между уровнем сигнала и уровнем шума, вычисленным для данного изображения, определяемое по формуле

.

PSNR (Peak Signal-to-Noise Ratio) - пиковое (логарифмическое) отношение сигнал-шум используется для определения качества работы алгоритмов кодирования и зависит от величины различий между оригинальным и искаженным изображением. Вычисляется отношение PSNR с помощью уравнения.

Основным недостатком описанных метрик является то, что они плохо коррелируют с субъективной оценкой и сильно зависят от пространственной и временной избыточности изображений. Поэтому были разработаны более эффективные метрики качества.

PQR (Picture Quality Ratio) - рейтинг качества изображения. Эта метрика учитывает ряд особенностей человеческого зрения. Сравниваются две видеопоследовательности, каждая из которых имеет произвольную продолжительность. Каждый кадр разбивается на три области отсчетов (отсчеты яркости Y, отсчеты цветоразностного-синего (Cb') и цветоразностного-красного (Cr') ). На основании этих данных формируются цветовые компоненты: красный R, зеленый G, синий B. Блок обработки фронта изображения используется для формирования из компонент RGB сигнала яркости и получения бихроматического изображения (u*, v*), которое используется в нижележащих блоках. Блок обработки отсчетов яркости осуществляет выборку параметра Y для двух типов изображения (оригинальной видеопоследовательности и искаженного видеоряда). Затем создается карта отсчетов PQR. Эта карта представляет собой изображение, состоящее из полутонов, уровень которых пропорционален разности пикселей анализируемых кадров. Указанная схема также содержит блок обработки цветностных компонент, который на своем выходе формирует карту интенсивностей цвета. Процесс обработки хроматических данных и информации об интенсивности цвета начинается на входе канала люминесценции и позволяет определить различия в структуре оригинального и искаженного кадра. При этом данные об отсчетах яркости и отсчетов интенсивности цвета выбираются из небольших областей передаваемого изображения и наносятся на соответствующую карту. Анализ таких карт позволяет более детально определить искажения принятого изображения. Метод PQR требует обязательной синхронизации анализируемой и оригинальной видеопоследовательностей. После формирования карт PQR осуществляется сравнение вычисленных параметров с субъективной оценкой пользователей.

VQM (Video Quality Metric) - это метрика, использующая дискретное косинусное преобразование для точного соответствия человеческому восприятию. Принцип действия заключается в следующем. Оригинальная и искаженная видеопоследовательности проходят один и тот же набор функциональных блоков, которые осуществляют выборку данных, их корректировку, вычисление различных показателей качества и, наконец, вычисление параметра VQM. Сам параметр оценивает искажения, вызванные прохождением видеосигналов через различные цифровые блоки системы передачи. К таким искажениям относятся погрешности кодирования, ошибки, возникающие в дискретном канале связи и ошибки декодирования сигналов. Для оценки таких искажений, как «подтормаживание» кадров, размытие, блокинг-эффект используется вероятностная модель. Вероятность появления искажений, равная 1, говорит о том, что изображение обладает очень низким качеством. Вероятность 0,5 соответствует серьезным искажениям, тем не менее, позволяющим рассмотреть детали изображения. Метрика VQM позволяет определить качество принятой картинки, однако не решает проблемы синхронизации между оригинальной и искаженной видеопоследовательностью.

MPQM (Moving Picture Quality Metric) -- оценка качества движущихся изображений. Эта метрика использует особенности восприятия видеоинформации зрительной системой человека. Процесс формирования метрики качества состоит из нескольких шагов. На первом шаге анализируется вся видеопоследовательность. Она пропускается через набор специальных фильтров, которые измеряют количество искажений. В результате формируется несколько каналов. Для каждого канала вычисляется контрастная чувствительность и маска, необходимая для коррекции искажений. Наложение маски происходит только в том случае, если ошибка превышает заранее заданное пороговое значение, что позволяет устранить наиболее заметные искажения. Вычисление метрики MPQM происходит на основе параметров, полученных на выходе фильтров. MPQM вычисляется для каждого блока данных с использованием выражения

.

Здесь e[x,y, t, с] - сигнал ошибки, обладающей координами (x,y), произошедшей в момент времени t в текущем блоке данных, обрабатываемых в канале С, Nx, Ny - расстояния по горизонтали и вертикали, Nt -- время передачи блока данных,N - количество каналов (наборов фильтров), необходимых для обработки данных; в - параметр Минковского обычно равный 4. Масштаб изображения принято измерять в децибелах. Дополнительной метрикой, используемой при оценке качества видеоинформации, является маскированное пиковое отношение сигнал-шум (MPSNR) .

Таким образом, сравнительный анализ различных методов оценки качества восприятия потокового видео при передаче через беспроводные сети показал, что ч помощью субъективных методов оценки можно оценить лишь визуальное качество изображений и не могут быть реализованы программно, что не позволяет автоматизировать процессы вычисления метрик качества видеосигналов. Объективные метрики даже при ограниченном наборе данных позволяют однозначно определить количество искажений принятых кадров. Самыми простыми методиками определения качества являются вычисление отношений PSNR, SNR и RMSE, однако имеют низкую точность. Метрики PQR, VQM, MPQM более адекватны субъективному восприятию при реальном тестировании.

Литература

1. Pulido J. A. Video quality evaluation in IP videoconference between fixed and mobile devices. С.: Universitat Politecnica de Catalunya, 2008. 66 c.

2. Tektronix. A guide to maintaining video quality of service for digital television programs: электронная версия. 28 с.

Размещено на Allbest.ru