基于人眼视觉特性的视频质量评价模型

基于人眼视觉特性的图像视觉质量评价方法

Ｋｅｏｄ：ｖｕｌｏｅｉａｃａａｔｓｃ；ｓｂｅｔｅｑａｉｓｅｓｅｔｂｅｔｅｑａｔａｓｓｍｎｙｗｒｓｉａｍｄｌｓｌｈｒｃｒｔｓｕｊｃｖｕｔａｓｓｍｎ；ｏｊｃｖｕｉｅｓｅｔｓ；ｖｕｅｉｉｉｌｙｉｌｙｓ
ｖｌｅ．Ｉｍａｅｅａａｉｏｅｎｔｎｙｂｏｓｔｔｉｅａｖｔｅｏｊｃｖｕｌｙａｓｓｍｎ，ｂｔｌｏｔａｕｓｔｄｖｌｔｎｍｄｌｏｏｌｅｃｎｉｅｔｔｄａａｆｂｅｔｅｑａｔｓｅｓｅｔｕｓｔｋｉｏｕｏｓｎｗｈｈｎｇｏｉｉａｏｏｎａｃｕｔｈｕａｉａｅｐｒｎｅｔａｃｎｉｅｔｉｅｏｊｃｖｙａｄｓｂｅｔｉｆｈｍｎｅｅ．Ｔｅｖｌａｅｃｏｎｅｈｍｎｖｕｌｘｅｅｃ．ＩｗｓｏｓｔｎｗｔｔｂｅｔｉｎｕｊｃｉｔｏｕａｙｓｈａｄｔｔｓｉｓｈｈｉｔｖｙｉｄｒｓｌｆｍａｅｓｂｅｔｅｅａｕｔｎｏａｂｓｆＥＡｎｖｒｔｏｎｅｔｅｒｖａｔｒｐｓｄｍｅｏｅｅｕｓｇｕｊｃｖｖａｏｎｄｔａｅｏＸＳＵｉｓｙｆｉｄＳａｓｐｏｅｔｔｈｐｏｏｅｔｄｇｔｔｏｉｉｌｉａＴｅｉＵｔｔｈｅｈｓｂｔｒｏｓｔｎｙｗｔｓｂｅｔｅａｓｓｍｎ．ｅｅｎｉｅｃｉｕｊｃｖｓｅｓｅｔｔｃｓｈｉ
ＪｕｎｌｆＣｍｐｔｒＡｐｌａｉｎｏｒａｏｕｅｐｉｔｓｏｃｏ
ＩＳ１ＳＮ００１９．０８１

一种符合人眼视觉特性的全参考图像质量评价方法

关键
词：图像修补质量；全参考评价准则；人眼视觉系统（ＨＶＳ）
文献标志码：Ａ
中图分类号：ＴＰ３９１
随着图像修补技术应用到众多方面，修补后图像的质量好坏逐渐受到重视．修补后图像的质
１ＨＶＳ特性
性的图像质量评价方法，如基于人眼视觉特性的
加权峰值信噪比评价方法方法 … ，文中分析了图
像的亮度、纹理、边缘等影响人眼视觉的特性，并
觉非线性特性．当观察者观察一幅亮度为的图
像，将这幅图像分成两个部分，将其中一部分图像
第３Ｏ卷第９朗２０１３年９月
吉林化工学院学报
ＪＯＵＲＮＡＬＯＦＪＩＬＩＮＩＮＳＴＩＴＵＴＥＯＦＣＨＥＭＩＣＡＬＴＥＣＨＮ０Ｌ０ＧＹ
Ｖｏ！．３０Ｎｏ．９
眼视觉特性的图像修补质量评价方法成为近年来
的一个研究热点．
觉非线性衰减、二维视觉敏感度带通和视觉多通
道及掩盖效应．（１）视觉非线性．韦伯定律描述了ＨＶＳ的视
目前，研究人员提出了多种结合人眼视觉特
了较好的评价效果．本文实现了建立在人眼视觉
其中Ｏｔ、为常量．
（２）二维视觉敏感度带通．人眼视觉对比度

一种基于人眼视觉特性的立体图像质量客观评价方法

摘要：通过模拟人眼视觉特性中的对比度敏感函数、多通道效应以及立体感知特性，提出了一种基于人眼视觉特性的立体图像质量客观评价方法。在评价左右图像质量时，利用小波变换模拟人眼视觉特性中的多通道效应，不同空间频带的小波系数按对比度敏感函数进行加权，左右图像质量度量采用Ｃｎｅｒ￣－ａｂｒ离。在评价立体感知时，ａ则通过计算原始与测试左右图像的绝对差值图相似度来实现。其后，通过回归分析将左右图像质量和立体感知评
ＡａｉｓｓｍｅｔｅｈｄｏｔｒｏｃｐｃｍａｅＱｕｌｙＡｓｅｓｎｔｏｆｅｅｓｏｉＩｇｓｔＭＳ
ＢａｅｎＨｕｍａｓｌｓｅｓｄｏｎＶｉｕａｔｍＳｙ
ＷＡＮＧｈｎＡ．ｏｇ，ＹＵＭｅ＇Ｅｉ－，ＰＮＧｏｇｕ，ＷＡＺｎｑＮＧＸｕ，
价结果拟合成为所需的立体图像质量客观评价模型。实验结果表明该模型与主观评价结果具有较好的一致性。
关键词：立体图像质量；人眼视觉特性；立体感知中图分类号：Ｔ３１Ｐ９文献标志码：Ａｄｉ０３６／ｉｎ１０ —０Ｘ．１．１２ｏ：１．９．ｓ．０３５１２１．５９ｊｓ０００
ＪＩＡＮＧａ－．ＺＨＯＵｕｎｍｉｇ，ＳＨＡＯｎｇＧｎｇｙｉ’，Ｊ．ｎＦｅ
（．ａｕｔｏｌｏｍｔｎＳｉｃｎＥｇｎｅｉｇＮｎｂｎｖｒｉ，ｉｂ１２１ＺｅａｇＰｏｉｃ，ｈｎ；１Ｆｃｌｎｒａｉｃｅｅｄｎｉｅｒ，ｉｏＵｉｓＮｎｏ３５１，ｈｊｎｒｖｎｅＣｉｙｆｆｏｎａｎｇｅｔｙｇｉａ２ＮｔｎｌｅａＳｆｗｒＮｅｅｈｏｏｙＮａｊｎｎｖｒｉ，ａｊｎ１０３Ｃｉａ．ａｉａＫｙＬｂｆｏｔａｅｗＴｃｎｌ，ｎｉｇＵｉｓｔＮｎｉｏｏｇｅｙｇ２０９，ｈｎ）

基于人类视觉系统特性的图像质量评价算法

Ｌｉｎ，Ｌｉ血
（１．ＣｈｏｎｇｑｉｎｇＲａｄｉｏａｎｄＴＶＵｎｉｖｅｒｓｉｔｙ，Ｃｈｏｎｇｑｉｎｇ４００４２０，Ｃｈｉｎａ；
２．１ｏｇｉｓｔｉｃｓＥｎｇｉｎｅｅｉｒｎｇＣｏｌｌｅｇｅ，ＳｉｃｈｕａｎＪｉｎｇｙａｎ４０００４２，Ｃｈｉｎａ）
量。利用人眼视觉系统特性的评价方法是关注的话题，
１．１全参考评价方法
需要参考原始图像，将需要评价图像和原始图像
信号相比获得误差信号。目前最简单的算法为均方差
图像质量评价可以鉴定算法的可行性、算法的优劣和最后传输参数的标准等。图像质量评价的作用将越来越大，还将推动相关应用领域的发展。
Ｋｅｙｗｏｒｄｓ：ｉｍａｇｅｑｕａｌｉｔｙａｓｓｅｓｓｍｅｎｔ；ＨＶＳ；ｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍ；ｈｕｍａｎｖｉｓｕａｌ
多媒体技术的发展，图像信号处理变得尤为重要，
（１．重庆广播电视大学，重庆４０００４２；２．后勤工程学院，四川井研４０００４２）
摘
要：在详细介绍图像质量评价和人类视觉系统（ＨＶＳ）特性的基础上，提出一种基于ＨＶＳ特性的新评
价方法。它采用小波分解图像信号，提取视觉特征，建立符合ＨＶＳ特性的评价指标，并且分析具体算法。

目前视频质量得评价算法主要有2种,主观评价法与客观评价法

目前视频质量得评价算法主要有2种,主观评价法与客观评价法。

根据各算法所引用得源素材多少,可把视频质量客观评价分为3类:全参考评价体系、部分参考评价体系、无参考评价体系。

全参考评价体系:要求占有完整得源素材信息,就是目前客观评价3大体系中发展较为成熟得部分,其现状代表当前客观评价技术得最高水平。

1、基于全像素失真统计得评价方法:以统计理论为基础,逐帧、逐像素比较参考源与测试源得数据差异。

通过获得原数据与待测数据间得总体误码累计,体现像素噪声层面上得绝对误码率,从而反映视频质量。

该类评价方法能敏感捕获两端视频在像素层面上得细微失真,具有很高得敏感性。

此为,其数学方法简单,物理含义清晰,就是目前应用最广泛得评价方法。

但它们都就是从整体上反映原始图像与恢复图像像素层面上得差别,其评价机制无法体现出视频图像数据所承载得不同于一般数据得内容信息,常造成评价结果与主观感受相偏离,并不能较好满足客观评价得应用需求。

该类评价方法得主要代表有:PSNR与MSE等。

其中,与,分别为原始与重建图像中对应得像素值,N2为N×N图像得总像素数。

其中MN为图像大小,与分别代表原始图像与失真图像在点(m,n)处得像素值。

图为PSNR模型进行客观评价得程序流程图。

2.基于人眼视觉系统(HVS)得评价方法。

人眼自身得“生理特点”与人关注内容得“心理特点”都对绝对误码效果产生不同程度得掩蔽效果,使得图像质量好坏得理解并不仅仅依赖绝对误码损耗。

当前,基于HVS得评价方法主要可划分成以下2类主流算法模型:“基于视觉感知得算法模型”与“基于视觉兴趣加权得算法模型”。

2、1 基于视觉感知得算法模型。

人眼“生理特性”主要有:视觉非线性(Weber定律)、视觉灵敏度差异、视觉多通道与掩盖效应等。

利用这些特性,通过模拟视觉感知,将绝对差值映射成能被人眼觉察得JND(Just noticeable difference)单位。

如差错高于视觉得敏感门限,则表示所产生得绝对误码可被察觉;否则差错不足以引起人眼感知,可忽略不计。

面向人眼视觉感知特性的图像质量评价

面向人眼视觉感知特性的图像质量评价面向人眼视觉感知特性的图像质量评价在如今信息时代，图像已经成为人们不可或缺的一部分。

无论是在社交媒体上分享生活照片，还是在科学研究中使用高精度图像，图像的质量对于我们的生活和工作都至关重要。

因此，为了能够准确评估图像的质量，我们需要了解人眼视觉感知特性的基本原理，并将其应用于图像质量评价。

人的视觉系统是非常复杂和精密的，它包括了眼球、视网膜、视神经和大脑的多个部分。

在视觉感知中，我们通常关注的是明暗、颜色和纹理等方面。

然而，我们对不同特性的感知能力是不同的，这也决定了图像质量评价中的不同权重。

明暗对比度是人们对图像质量的一个重要指标。

较高的对比度可以使图像更加清晰和生动，而较低的对比度则可能导致图像变得模糊或失真。

在图像质量评价中，我们可以通过计算图像的平均灰度值和最大对比度来衡量图像的明暗对比度。

颜色对于人类视觉感知同样至关重要。

不同的颜色在视觉上也产生不同的效果。

例如，红色和蓝色是较为显眼的颜色，而灰色和黑色则使图像看起来更加柔和。

在图像质量评价中，我们可以使用色彩空间模型（例如RGB或Lab颜色空间）来将图像转换为颜色信息，然后计算颜色的平均值、颜色分布的均匀性等指标。

此外，纹理也是人眼感知图像质量的一个重要因素。

纹理可以提供更多的图像细节和特征，使图像看起来更加真实和自然。

在图像质量评价中，我们可以使用纹理特征提取方法，如局部二值模式或方向梯度直方图等，来量化图像中的纹理信息，并进一步评估图像的质量。

需要强调的是，人眼视觉感知特性的图像质量评价需要结合机器学习和人类主观评价的方法。

机器学习可以通过训练大量的图像样本来建立一个模型，来预测人类主观评价图像质量的结果。

这样，在进行图像质量评价时，我们可以利用机器学习模型来代替传统的客观评价指标。

综上所述，面向人眼视觉感知特性的图像质量评价是一个复杂而又重要的研究方向。

通过了解人眼视觉感知的基本原理，我们可以设计出更加准确和可靠的图像质量评价指标。

视觉模拟评分

视觉模拟评分视觉模拟评分是一种通过计算机图形技术对不同场景进行模拟，并根据人眼感知的视觉特性来评估模拟结果的质量的方法。

它可以用于评估图像、视频、虚拟现实等多种视觉应用的效果。

一、背景介绍视觉模拟评分在计算机图形学和图像处理领域有着广泛的应用。

它可以帮助开发者优化图像和视频处理算法，提高用户体验，同时也可以用于科学研究，比如研究人眼对不同场景的感知能力。

二、视觉模拟评分的原理视觉模拟评分基于人眼对图像和视频的感知特性进行评估。

人眼对亮度、颜色、纹理等因素有着不同的感知敏感度，视觉模拟评分通过计算这些因素在原始图像和模拟结果之间的差异来评估其质量。

三、视觉模拟评分的指标1. 亮度误差：衡量原始图像和模拟结果之间亮度值差异的指标。

常用的亮度误差指标包括均方误差（MSE）、结构相似性指数（SSIM）等。

2. 颜色误差：衡量原始图像和模拟结果之间颜色值差异的指标。

常用的颜色误差指标包括均方根误差（RMSE）、峰值信噪比（PSNR）等。

3. 纹理失真：衡量原始图像和模拟结果之间纹理特征的差异。

常用的纹理失真度量方法包括结构相似性指数（SSIM）、小波变换等。

4. 对比度失真：衡量原始图像和模拟结果之间对比度变化的程度。

常用的对比度失真指标包括动态范围（DR）、对比度增益等。

5. 锐化效果：衡量模拟结果中细节锐化程度的指标。

常用的锐化效果评估方法包括边缘增强、高频信号增强等。

四、视觉模拟评分的应用视觉模拟评分在多个领域有着广泛应用：1. 图像和视频处理算法优化：通过视觉模拟评分可以帮助开发者优化图像和视频处理算法，提高图像和视频质量，减少失真。

2. 视觉应用效果评估：视觉模拟评分可以用于评估虚拟现实、增强现实等视觉应用的效果，帮助开发者改进用户体验。

3. 视觉研究：视觉模拟评分可以用于科学研究，比如研究人眼对不同场景的感知能力，探索人眼对图像和视频的感知机制。

五、视觉模拟评分的局限性视觉模拟评分虽然在很多领域有着广泛应用，但也存在一些局限性： 1. 主观性：由于每个人的视觉感知能力不同，对图像和视频的评价也会有所差异。

一种结合感知与融合的视频质量评价新方法

第卷第期中国图象图形学报V ol. ,No. 200 年月Journal of Image and Graphics.,200 一种结合感知与融合的视频质量评价新方法王正友胡国胜吴海燕李振兴（江西财经大学信息管理学院, 南昌330013；江西财经大学智能信息处理研究所, 南昌330013）摘要本文提出了一种结合人眼视觉特性（HVS）和信息融合的视频质量评价新方法。

该方法是在SSIM方法基础之上，融合了人眼几个主要视觉特性——对比敏感度、多通道、视觉掩盖、视觉非线性等。

新方法具有SSIM 算法简单、高效等特性，同时又满足人眼视觉特性，使得方法更好反映了人的主观感受。

通过VQEG Phase I测试数据集的实验结果证明，该方法在非线性回归后相关系数、斯皮尔曼相关系数、线外率等指标均优于传统的其他视频质量评价算法，有效地提高了视频质量评价的主客观一致性。

关键词人眼视觉特性结构相似算法对比敏感度掩盖视频质量评价中图法分类号：TP391.4 文献标识码：A 文章编号：1006-8961(200 ) - -A New Approach to Video Quality Assessment Based on Human Perceptionand FusionZhengyou WANG, Guosheng HU, Haiyan WU, Zhenxing LI(School of Information Technology Jiangxi University of Finance & Economics, Nanchang, 330013)(Institute of Intelligent Information Processing, Jiangxi University of Finance & Economics, Nanchang, 330013)Abstract The paper presents an new approach to video quality assessment based on human perception and fusion. In the proposed method, the SSIM values are calculated by the different weighted values fused visual characteristics including contrast sensitivity, multi-channel structure, visual masking and so on. The method has properties of simplicity and efficiency as the same of the SSIM method. And it is more suitable for perceived characteristics due to fusing HVS.The experimental results show that the method can reflect people’s subjective feelings in a better way and is better than other traditional methods in fitting M2 (Correlation coefficient of Non-linear regression), M3 (Spearman rank), M4 (Outlier Ratio) of VQEG Phase I MOS.Keywords HVS; SSIM; CSF; mask; video quality assessment_________________________基金项目:国家自然科学基金资助课题（编号：60665001）、江西省教育厅重点科技项目（编号：GJJ09021）、江西省研究生创新专项资金资助项目(编号：YC08A071)。

基于人类视觉系统的图像质量评价研究

基于人类视觉系统的图像质量评价研究随着数字图像处理技术的发展和应用，图像质量评价问题愈发突显。

人类视觉系统是完成图像质量评价的重要因素，而基于人类视觉系统的图像质量评价研究因此得以开展。

一、人类视觉系统与图像质量评价人类视觉系统是评价图像质量的最终判断因素。

在进行图像质量评价时，需要针对人类视觉系统的特性进行考虑。

这包括色彩感知、对比度感知、清晰度感知、视觉疲劳等多个方面。

1. 色彩感知色彩感知是人类视觉系统的基本特性之一，也是图像质量评价中重要的考量因素。

色彩感知受到光强度、光谱分布等多个因素的影响，同时也存在个体差异。

2. 对比度感知对比度感知是指人类视觉系统对图像中亮度差异的感知能力。

对比度感知存在最小可辨认度，即人类视觉系统在一定条件下能够感知的最小亮度差异。

此外，对比度感知还会随着观察距离的变化而受到影响。

3. 清晰度感知清晰度感知是指人类视觉系统对图像中细节清晰程度的感知能力。

清晰度感知会受到多种因素的影响，如拍摄设备的分辨率、图像压缩等。

4. 视觉疲劳视觉疲劳是指人类视觉系统长时间接受同一刺激后出现的疲劳现象，也是图像质量评价中需要考虑的因素之一。

二、基于人类视觉系统的图像质量评价指标基于人类视觉系统的图像质量评价指标主要包括主观评价和客观评价两种。

1. 主观评价主观评价是指由人类参与，对图像质量进行的评价方式。

主观评价可以通过询问或者评分来获得。

常见的主观评价指标包括：(1) 顺应度：用于评价图像的自然程度和真实感。

(2) 锐度：评价图像的清晰度和细节表现。

(3) 对比度：评价图像中亮度和暗度之间的差异，以及图像的明暗效果。

2. 客观评价客观评价是指通过计算机算法等自动化方式，对图像质量进行的评价方式。

客观评价可以通过计算图像的特定指标来获得。

常见的客观评价指标包括：(1) 峰值信噪比（PSNR）：是指信号与噪声的比值，用于评价加入噪声后信号的失真情况。

(2) 结构相似性（SSIM）：评价在颜色、亮度、对比度等方面，图像与参考图像之间的相似程度。

几种典型的感知视频质量评价模型

维普资讯
几种典型的感知视频质量评价模型
李彦丽金东瀚焦秉立（北京大学电子学系，北京１０７）０８１
Ｅ— ｉ：ｌｕｌ＠２３ｎｔｍａｌｌｐｂｌｙｅ６．ｅ
摘
要首先描述了人眼视觉系统（Ｖ）ＨＳ酌基本特性，后介绍和分析了几种比较典型的基于这些特性的感如视频质然
量评价模型：中的三十模型已经由辊撅质量专聿组（ＱＧ）行了测试，果表明它们的刹度和主观评价蛄果具有很其ＶＥ进结
好的相关性最后讨论了客观视颊质量评价的标准化工作关键词视频质量评竹感如模型ＨＳＶ
ｅａｕｔｎｏｉｖｌａｉｖｄｏｆｑｌｙｕａｉ．ｔ
Ｋｅｗｏｄ｝ＶｉｅｕｌｙａｓｓｍｅｔＰｒｅｔａｄｌ．ｙｒｓｄｏｑａｉｓｅｓｎ，ｅｃｐｕｌｍｏｅｓＨＶＳｔ
１引言
文章编号１Ｏ — ３１（Ｏ２１— ０６０文献标识码ＡＯ２８３一２０）３０６ — ３中图分类号Ｔ３１Ｐ９
ＳｖｒｌＴｐｃｌＰｒｅｔａｄｏＱｕｌｙＡｓｅｓｎｄｌｅｅａｙｉａｅｃｐｕｌＶｉｅａｉｓｓｍｅｔＭｏｅｔｓ
ａａｅｓｖｒｌｔｐｃｌｐｒｐｕｌｖ邮ｑａｉｓｅｓｅｔｍｅｈｔａｅｂｓｄＯｈｓｖｕｌｃａａｔｒｔｓｔｅｎｓｅｅａｙｉｃｔａｉａｅｅｄｕｌｙａｓｓｍｎｏｌｔｒａｅｎｔｅｉａｈｒｃｉｃ：ｒｅｔｄｓａｅｓｅｓｉｈｏｔｅｅｍｏｅａｅｂｅｘｅｓｅｅｔｙｔｅＶｄｏＱａｉｘｒＧｏｐＶＥ）ｎｅｒｓｌｈｗｔｔｔｅｆｈｓｄｌｈｖｅｎｅｔｉｌｔｅｂｈｉｕｌｙＥｐｔｒｕ（ＱＧａｄｔｅｕｔｓｏａｈｙｓｎｖｙｓｄｅｔｅｈｓｈｃｒｌｔｅｗｔｈｓｂｅｔｅｓｓｍｎａａｉａ，ｅａｅｉｓｔｅｔｎａｄｚｔｎｆｔｅｂｃｉｏｒａｗｌｉｔｅｅｌｈｅｕｊｃｉａｓｓｅｔｔ．ｎｔｐｐｒｓｕｅｓｈｓｄｒｉｉｏｈｏｊｔｅｖｅｄＦｈｄａａｏｅｖ

基于人眼感知特性的图像质量评价

基于人眼感知特性的图像质量评价基于人眼感知特性的图像质量评价引言：在数字图像处理和计算机视觉领域中，图像质量评价一直是一个重要的研究方向。

而人眼作为图像质量主观感知的最终判断者，其特性对于图像质量评价具有重要的影响。

本文将探讨基于人眼感知特性的图像质量评价方法。

1. 人眼感知特性与图像质量人眼的感知特性包括：1.1 视觉敏感度人眼对不同频率和亮度的信号具有不同的感知敏感度。

在图像质量评价中，高频信息以及对比度对人眼的影响较大。

因此，图像质量评价方法应该考虑到人眼的频率选择性和对比度感知特性。

1.2 空间感知特性人眼对于周围环境中的细节信息有强烈的感知能力。

在图像质量评价中，应该考虑到人眼对边缘检测和细节保留的重要性。

图像质量评价方法应该能够准确判断图像中的细节信息是否清晰可辨，以及图像边缘是否光滑。

1.3 对比度感知特性人眼对于图像中的对比度信息非常敏感。

在图像质量评价中，应该考虑到人眼对于图像中不同对比度区域的感知特性。

图像质量评价方法应该能够准确判断图像中的对比度是否合理，以及对比度变化是否平滑。

2. 基于人眼感知特性的图像质量评价方法基于人眼感知特性的图像质量评价方法可以分为两类：主观评价和客观评价。

2.1 主观评价主观评价是通过人眼直接观察和判断图像质量，从而获得图像的主观质量评分。

通常采用主观评价方法的前提是有一名或多名熟悉图像质量评价的观察者。

观察者需要对图像进行评分或排序，从而给出对应的主观评价结果。

主观评价方法的优点是贴近人眼真实的感知，但由于受主观因素的影响，评价结果可能有主观性和不一致性的问题。

2.2 客观评价客观评价是通过一系列的算法和指标来自动估计图像质量，不需要人眼的参与。

常见的客观评价方法包括结构相似性（SSIM）、峰值信噪比（PSNR）、均方误差（MSE）等。

这些指标通常通过计算输入图像与参考图像之间的差异来进行评价。

客观评价方法的优点是结果客观可验证，但与人眼感知存在一定的差异。

视频质量客观评价方法分析

视频质量客观评价方法分析作者：王飞方国涛来源：《电脑知识与技术》2013年第32期摘要：数字视频图像在采集、压缩、处理、传输和重现的过程中会引入各种各样的失真，影响图像的质量，从而直接影响用户的主观感受。

在实际应用中，视频图像质量的好坏是评价多媒体通信系统重要的、必不可少的指标。

因此，图像质量的评价方法研究有着重要的理论意义和广泛的应用需求。

该文简单介绍了视频监控系统的应用，指出了视频质量主观评估的缺点，并按不同的分类分析了常用的视频质量客观评估方法。

关键词：视频质量；算法；评价；视频流中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2013）32-7337-03视频质量评价方法可用来评价视频质量的好坏以及视频压缩传输处理方法的优劣，在视频处理和视频质量监控领域至关重要。

视频质量评价方法分为两大类：主观评价方法和客观评价方法。

主观质量评价方法是最可靠的评价方法，但在实际应用中将花费大量时间和费用，代价很高。

因此，基于PSNR（峰值信噪比）和MSE（均方误差）等客观评价方法仍然因其低复杂度和简单清楚的物理意义而广泛地应用在视频评价领域。

但是由于它们没有充分考虑人眼视觉特性，因此会造成客观评价结果和实际视觉效果的不一致。

为了得到与主观评价结果一致的评价结果，目前多个研究组织已经提出了基于人眼视觉特性（HVS）仿生模型的视频质量客观算法；这些算法依据人眼的视觉特性从采集的视频文件中提取一些人眼可感知的特征，在对这些特征进行相应地计算，得出客观评价值。

这些客观评价算法相对于PSNR及MSE来说，其评价结果与主观评价结果已经有了很大的接近。

下面将简单的介绍视频质量客观评价常用的客观测试模型及几种与主观评价结果关联较大的客观测试算法。

1 视频质量客观测试模型在上述视频质量客观测试模型中，客观测试系统会对输入视频及输出视频按照一定的客观算法进行相应的比较，最后给出客观的视频质量等级评价。

视频质量评价方法综述

７３６计算机辅助设计与图形学学报２００６焦并将其归结为基于ＨＶＳ（ｈｕｍａｎｖｉｓｕａｌｓｙｓｔｅｍ）生理特征和基于结构失真的两大类方法，对视频质量评价过程中用到的多种方法进行了总结和评论，并通过实验进行了效果验证．最后总结和预测了视频质量评价技术发展的几个方向．１视频质量主观评价视频质量主观评价凭感知者主观感受评价视频对象的质量，包括视觉信息的录入系统，即人眼成像系统；视频信息处理系统，即人脑对视觉信息的加工．成像系统与信息处理系统２部分互相结合，对视频评价的结果产生显著的影响，目前尚没有合适的数学模型对其进行精确的刻画．主观质量评价一般采用连续双激励质量度量法（ｄｏｕｂｌｅｓｔｉｍｕｌｕｓｃｏｎｔｉｎｕｏｕｓｑｕａｌｉｔｙｓｃａｌｅ，ＤＳＣＱＳ），对任一观测者连续给出原始视频图像和处理过的失真图像，由观测者根据主观感知给出分值．ＩＴｕ—Ｔ（ＩｎｔｅｒｎａｔｉｏｎａｌＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎＵｎｉｏｎ—Ｔｅｌｅｃｏｍ—ｍｕｎｉｃａｔｉｏｎ）已经发布相关标准ＢＴ一５１０，就主观质量评价过程中的测试序列、人员、距离以及环境做了详细规定，并综合考虑了影响视觉感知的分辨率、白平衡等因素【７Ｊ．中国国标ＧＢ７４０１—８７中对有线电视广播系统图像质量评价进行了规定，给出了电视图像主观质量的５级打分标准，并对伴音图像的质量评价进行了规定［８Ｊ．主观质量评价方法需针对多个视频对象进行多次重复实验，耗时多、费用高，难以操作．目前，有学者就主观质量评价体系的组成环节进行改进研究．Ｒｉｃｈａｒｄｓｏｎ通过在主观评价过程中引入测试者反馈信息来加快主观质量评价过程旧Ｊ．在主观质量评价过程中，给每个测试者连续的视频剪辑和一个输入控制设备，通过一个显示滑块实现与视频播放的交互．该方法不必中断视频剪辑，节省了测试时间及成本．就测试人员而言，主观质量评价原则上要求由不具有先验经验的非评价专家对待测对象打分，但观测者看到相同图像以后，实际上已经对同一个图像及相关的失真图像都建立了部分的先验信息．相对于主观质量评价，客观质量评价具有操作简单、成本低、易于实现特点，它已经成为视频图像质量评价研究的重点，这也是本文综述的重点．在实际视频通信中，更倾向于主观评价方法与客观评价方法的结合，如利用主观评价结果对客观质量评价模型结果进行校正．２视频质量客观评价目前，视频质量客观评价一般是通过模拟ＨＶＳ的生理特征建立视觉感知模型，并将模型的输出值作为质量的评价或失真的度量，研究集中在如何提高模型输出与主观评价结果的相关性．Ｗａｎｇ自２００２年起提出，并在此基础上发展了一种基于结构失真的视频质量客观评价方法，该方法对静态图像质量评价取得了较好的效果，颇具潜力［２’１０］．２．１峰值信噪比和均方误差在视频编解码过程中，目前一般采用峰值信噪比（ｐｅａｋｓｉｇｎａｌｎｏｉｓｅｒａｔｉｏ，ＰＳＮＲ）或均方差（ｍｅａｎｓｑｕａｒｅｅｒｒｏｒ，ＭＳＥ）衡量视频序列的失真度，即＾ｆｆ２ＰＳＮＲ＝１０１９（淼ｓＥ）（１）１旦ＭＳＥ＝壶∑（ｚｉ一互ｉ）２（２）Ｆ１其中，ｚｉ和五分别为原始图像与重建图像中对应的像素值，Ｎ２为Ｎ×Ｎ图像中的总像素数．ＰＳＮＲ和ＭＳＥ忽略了图像内容对人眼的影响，不能完整地反映出图像的质量．分析式（１）和（２）可以看出，相对同一个原始信号以（ｉ，Ｊ），相同ＰＳＮＲ或ＭＳＥ的２个失真信号五ｌ（ｉ，Ｊ）和五２（ｉ，Ｊ）可能是不同的．式（２）中，若Ｉａ（ｉ，Ｊ）一ａ１（；，歹）Ｉ＝ｌａ（ｉ，Ｊ）一ｎ２（；，歹）Ｉ，贝０五１（ｉ，Ｊ）＝五２（ｉ，Ｊ），亘览五１（ｉ，歹）＋ｄ２（ｉ，Ｊ）＝２ａ（ｉ，Ｊ）．ＭＳＥ相同，但五１（ｉ，Ｊ）和ａ２（ｉ，Ｊ）并不一定相同，在人眼看来也可能会相差甚远．图１中，２个失真信号信号１和信号２分别与原始信号进行ＭＳＥ计算的结果是相同的；但在人眼看来，信号１要比信号２更接近原始信号．图１不同失真信号的均方差计算５期佟雨兵等：视频质量评价方法综述７３９Ｓ（ｚ，Ｙ）＝ｆ（Ｚ（．２７，Ｙ），Ｃ（ｚ，Ｙ），Ｓ（ｚ，ｙ））（３）其中，Ｓ（Ｘ，Ｙ）为失真信号与原始信号之间相似性的测量函数，用来度量失真度；ｆ（·）是整合函数；ｚ（ｚ，ｙ）是亮度比较函数，ｃ（ｚ，ｙ）是对比度比较函数，Ｓ（ｚ，Ｙ）是结构比较函数，３个函数相对独立，满足对称性、边界性和最大值唯一性［２４｜．１（ｘ，ｙ）＝考粤ｔｚ兰，Ｃ１＝（Ｋ１Ｌ）２（４）ｐｚ十Ｙ十Ｌ／１ｃ（ｚ，ｙ）＝ｉ戮，ｃ２＝（Ｋ：Ｌ）２（５）丸川＝吾赠（６）其中，盯删＝丙与∑（ｚ。

基于HVS的主客观图像质量评价方法

模型建立
基于人类视觉系统（HVS）的客观图像质量评价模型，旨在模拟人类对图像质量的感知和评判过程。
特征提取
利用图像处理技术，从原始图像中提取与人类视觉感知相关的特征，如色彩、纹理、结构等。
质量评估
根据提取的特征，结合HVS的特性，采用适当的算法对图像质量进行量化评估。
基于HVS的客观图像质量评价实验
02
HVS基本理论
HVS定义与特性
总结词
HVS（Human Visual System）指的是人类视觉系统，是用于描述人类视觉感知的模型。
详细描述
HVS是一种复杂的生理和心理过程，涉及到眼球结构、神经传导、大脑皮层处理等多个环节。它具有多种特性，包括视觉感知的加性性、视觉感知的非线性、视觉感知的掩蔽效应等。这些特性对于理解人类如何感知和解释图像信息至关重要。
研究内容概述
• 本文将介绍基于HVS的主客观图像质量评价方法的研究现状、主要挑战以及未来的研究方向。首先，我们将概述HVS的基本原理和特性，以及如何将其应用于图像质量评价。接着，我们将详细介绍几种基于HVS的主客观图像质量评价方法，包括全参考、无参考和半参考评价方法。最后，我们将讨论这些方法的优缺点、应用场景和未来的发展方向。
在不同平台和设备上对各种图像质量评价方法进行比较研究，以评估其在实际应用中的性能和可靠性。
结合深度学习技术
拓展应用领域
利用深度学习技术对图像质量进行评价，通过训练大量数据来提高评价的准确性和鲁棒性。
将基于HVS的图像质量评价方法拓展到其他领域，如视频质量评价、医学影像质量评价等，以推动相关领域的发展。
学模型，且不同算法的评估结果可能存在差异。
03

vdp的计算公式

vdp的计算公式VDP的计算公式是指可视化差异分析（Visual Difference Predictor, VDP）的计算公式，它用于衡量图像或视频的质量差异。

VDP是一种主观质量评价方法，通过模拟人眼的视觉特性和感知机制，来预测人眼对图像或视频的感知质量。

下面我们将介绍VDP的计算公式及其相关内容。

VDP的计算公式主要包括两个部分：空域模型和频域模型。

空域模型用于计算图像的空间域特性，而频域模型则用于计算图像的频域特性。

两个模型的结果最终结合得到VDP的评分。

在空域模型中，VDP计算公式首先将输入图像分解为亮度（luminance）和色度（chrominance）两个分量。

亮度分量是图像的明暗程度，而色度分量则包含了图像的颜色信息。

然后，VDP 计算公式通过计算亮度分量的空间频率和对比度，以及色度分量的空间频率和对比度，来衡量图像的空间特性。

具体计算公式如下：VDP = f(VDP_luminance) + f(VDP_chrominance)其中，f(x)表示将输入值x映射到特定范围的函数。

VDP_luminance表示亮度分量的VDP评分，VDP_chrominance 表示色度分量的VDP评分。

在频域模型中，VDP计算公式利用离散余弦变换（DiscreteCosine Transform, DCT）将输入图像转换到频域。

通过计算频域系数的能量和对比度，以及模拟人眼对不同空间频率的敏感度，来衡量图像的频域特性。

具体计算公式如下：VDP = f(VDP_frequency) + f(VDP_contrast)其中，VDP_frequency表示频域特性的VDP评分，VDP_contrast 表示对比度的VDP评分。

综合空域模型和频域模型的计算结果，即可得到图像或视频的VDP 评分。

VDP评分越高，表示图像或视频的质量越好；反之，评分越低，表示质量越差。

VDP的计算公式基于对人眼视觉特性的研究和理解，因此可以较为准确地预测人眼对图像或视频的感知质量。

视频图像质量评价方法的研究

视频图像质量评价方法的研究一、概述视频图像质量评价是影响视频质量和用户体验的关键因素之一。

在实际应用中，需要对视频图像进行质量评价，以选择最适合的编码方案、优化传输系统或评估视频算法的有效性。

因此，视频图像质量评价方法的研究具有重要的现实意义。

本文将从主观评价和客观评价两种方法角度出发，探讨目前常用的视频图像质量评价方法。

二、主观评价主观评价法是目前最常见的视频图像质量评价方法。

评价过程主要包括实验员的体验和内容质量的记分。

实验员通过观看屏幕上的视频图像并将其与标准视频进行对比。

然后将两视觉之间的差距作为评价标准。

典型的主观质量评分体系受到主管部门的法律规定，如ITU-T系列P编码和ITU-R BT.500系列标准。

P.1203和BT.500是最常用的两个标准之一。

1.ITU-T P系列标准ITU-T系列P编码是评估视频话音质量的建议标准。

P.800是视频质量评估专家组（VQEG）开发的第一项建议，并被广泛接受和采用。

P.910、P.913和P.920是ITU-T系列P编码建议的最新版本。

其中P.910和P.913是评估基本视频质量和高分辨率视频质量的建议，P.920是评估多媒体应用程序的建议。

2.ITU-R BT.500标准ITU-R BT.500是现有主观质量评分体系中使用最普遍和最全面的体系之一。

该标准包括五个不同的评估层次，分别应用于标准定义、移动无线传输、IPTV、饮食厅等场景。

BT.500现在是ITU-R推荐的信号品质评估的主要准则。

三、客观评价客观评价法主要通过计算机算法来定量评估视频图像的质量。

各项指标如峰值信噪比和结构相似性指数等均体现在目标视频和参考视频之间。

值得注意的是，客观评价法不仅可以用于视频编码的目的，还可以用于超分辨率、去混叠等算法的评价和选择。

1.峰值信噪比（PSNR）法PSNR法是同一状态下度量数字影像压缩质量的通用方法之一。

其主要原理是通过计算原始视频和压缩版本之间的均方误差来评估质量。

考虑人眼视觉特性的射线检测数字图像质量评价方法

Ａｂｓｔｒａｃｔ：Ｆｏｃｕｓｉｎｇｍｅａｓｕｒｅｍｅｎｔｆｏｒｓｕｂｊｅｃｔｉｖｅａｓｓｅｓｓｍｅｎｔｏｆｅｎｈａｎｃｅｄｒａｄｉｏｇｒａｐｈｉｃｉｍａｇｅ，ａｎ
第４７卷
第７期
西安交通大学学报
ＪＯＵＲＮＡＬｏＦＸＩ ’ ＡＮＪＩＡＯＴＯＮＧＵＮＩＶＥＲＳＩＴＹ
Ｖｏ１．４７Ｎｏ．７Ｊｕ１．２０１３
２０１３年７月
ＤＯＩ：１０．７６５２／Ｘｊｔｕｘｂ２０１３Ｏ７０１７
值对图像失真敏感度、失真度、信息熵增量和结构相似度等客观评价指标进行重构，并对各重构后
的客观评价指标进行综合，得到了图像评价的综合指标。实验结果表明，该方法的线性相关系数比峰值信噪比和结构相似度分别提升了８０．Ｏ２和７８．８５，绝对误差均值比峰值信噪比和结构相似
ＭＵＷｅｉｌｅ，ＧＡＯＪｉａｎｍｉｎ，ＷＡＮＧＺｈａｏ，ＪＩＡＮＧＨｏｎｇｑｕａｎ，ＣＨＥＮＦｕｍｉｎ，ＤＡＮＧＣｈａｎｇｙｉｎｇ
（ＳｔａｔｅＫｅｙＩａｂｏｒａｔｏｒｙｆｏｒＭａｎｕｆａｃｔｕｒｉｎｇＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇ，Ｘｉ ’ ａｎＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｘｉ ’ ａｎ７１００４９，Ｃｈｉｎａ）

fsim指标 -回复

fsim指标-回复什么是fsim指标？FSIM（Feature Similarity Index Metric）指标是一种用于评估图像或视频质量的客观指标。

它的主要目的是衡量两幅图像之间的相似度，从而判断其质量好坏。

FSIM指标是基于建模观察到的人类视觉感知特性而开发的一种指标，它可以更准确地反映人眼对于图像或视频质量的感知。

FSIM指标的计算方法是通过对一系列特征进行量化比较来衡量图像之间的相似度。

这些特征包括结构相似度、亮度对比度以及位置特征等。

通过对这些特征进行加权相加，可以得到最终的FSIM指标分数。

在计算过程中，比较图像会被分解成不同频率的图像组件，然后对每个组件进行特征提取和计算。

为什么使用fsim指标？使用FSIM指标可以更准确地评估图像或视频的质量，因为它基于人眼对于图像的感知特性进行了建模。

相比于其他传统的客观质量评估指标，FSIM指标考虑了人眼对于亮度、对比度和结构的感知能力，从而提高了评估结果的准确性。

传统的客观质量评估指标如PSNR（Peak Signal-to-Noise Ratio）和MSE（Mean Squared Error）等只考虑了图像的亮度和颜色的误差，而没有考虑到结构信息的影响。

然而，人眼对于图像或视频质量的感知往往更加复杂，不仅仅受限于亮度和颜色的误差，还包括对于图像细节和结构的感知能力。

因此，使用FSIM指标可以更准确地反映人眼对于图像或视频质量的感知。

如何计算fsim指标？FSIM指标的计算过程可以分为以下几个步骤：1. 将图像进行预处理，包括调整亮度、对比度和大小等。

这一步骤可以提高计算的准确性。

2. 将比较图像分解成不同频率的图像组件，例如使用多尺度空间（Multi-scale Space）方法进行图像分解。

这样可以更好地捕捉图像的结构信息。

3. 对每个频率的图像组件进行特征提取，例如使用梯度、方向直方图等特征。

这些特征可以用来量化图像的结构相似度。

vmaf 原理

vmaf 原理
VMAF（Video Multi-method Assessment Fusion）是一种用于评估视频质量的算法。

它结合了多种评估方法，通过融合这些方法的结果来得出最终的评分。

VMAF的原理是基于人类视觉系统（HVS）的工作原理。

人类的视觉系统对图像和视频的感知是非常复杂的，它受到许多因素的影响，如亮度、对比度、颜色等。

VMAF通过模拟人类的视觉系统，并综合考虑这些因素，来评估视频质量。

为了实现这一目标，VMAF首先将输入的视频分解成一系列的帧，并对每一帧进行处理。

然后，VMAF使用一组特定的质量指标来评估每一帧的质量。

这些质量指标可以衡量视频的锐度、失真等方面的表现。

接下来，VMAF使用一个融合模型来将每一帧的质量评分结合起来，得到整个视频的评分。

融合模型会考虑到每一帧的质量以及它们在时间上的关系。

通过综合考虑这些因素，VMAF可以更准确地评估视频的质量。

VMAF的优点在于它能够模拟人类的视觉系统，并考虑到了人类对视频质量的感知。

这使得它能够更好地评估视频的质量，而不仅仅是依靠一些简单的数学公式。

另外，VMAF还具有良好的准确性和稳定性，可以在不同场景下进行有效的评估。

总结起来，VMAF是一种基于人类视觉系统的视频质量评估算法，它通过模拟人类的视觉感知来评估视频的质量。

通过融合多种评估方法的结果，VMAF可以更准确地评估视频的质量，从而为视频编码、传输和播放等方面提供指导。

hlg 原理

hlg 原理HLG（Hybrid Log-Gamma）是一种高动态范围（HDR）视频编码技术，旨在提供更高质量的视频显示体验。

HLG原理基于对人眼视觉特性的研究，通过调整图像亮度和对比度，使观众能够看到更丰富、更真实的色彩和细节。

HLG原理的关键在于将图像的亮度信息和色彩信息分离处理。

在传统的视频编码中，亮度和色彩是一起编码的，但这会导致亮度范围受到限制，无法展现HDR所需要的更广阔的亮度范围。

而在HLG中，亮度信息采用一种非线性的方式编码，使得在亮度信息的编码过程中更多地保留了细节和动态范围。

具体来说，HLG通过将亮度信息分为两个部分进行编码。

一部分是所谓的基础亮度，它包含了图像的大部分亮度信息，类似于传统视频编码中的亮度信息。

另一部分是所谓的增益亮度，它包含了更高的亮度范围，用于展现HDR效果。

在编码过程中，基础亮度和增益亮度被组合在一起，以保证在普通的显示设备上仍然可以正常显示。

HLG原理的另一个重要特点是兼容性。

由于HLG可以同时向后兼容传统的标准动态范围（SDR）显示设备，因此它可以在广泛的设备上播放，而不仅仅局限于HDR设备。

这种兼容性使得HLG成为一种非常实用的HDR编码技术，可以在目前的视频产业中广泛应用。

HLG原理的应用非常广泛，不仅在电视广播中得到了应用，还被应用于互联网视频传输、蓝光光盘和视频流媒体等领域。

通过使用HLG编码，视频制作人可以更好地展现画面的细节和色彩，给观众带来更加逼真的观影体验。

然而，尽管HLG在提供高质量视频显示方面有很大的优势，但它也面临一些挑战。

例如，由于HLG编码需要更大的带宽和存储空间，因此在传输和存储方面可能会面临一些困难。

此外，由于HLG是一种相对较新的技术，它在一些设备上的兼容性可能不是很好，这也限制了它的广泛应用。

总的来说，HLG原理是一种基于人眼视觉特性的HDR视频编码技术，通过分离亮度和色彩信息，并采用非线性编码的方式，使得观众可以享受更高质量的视频显示体验。