H.264 无参考视频质量评价方法 (使用了基于遗传编程方法的符号回归)

2014/08/16 13:52
阅读数 101

Nicolas Staelens 等人在《Constructing a No-Reference H.264/AVC Bitstream-based Video Quality Metric using Genetic Programming-based Symbolic Regression》论文中研究了H.264的视频质量评价方法。这篇论文我感觉真的是把无参考视频质量评价做到了很高的水平,很有必要记录一下其中的关键信息。

注:并不是特别了解基于遗传编程方法的符号回归,在此就不多讲述这方面的了。


文章首先回顾了一下客观视频质量评价算法:




选择的8个测试序列如下表所示。分别标明了来源以及描述。


8个测试序列的内容如下图所示。


计算了8个测试序列的SI(空间复杂度)和TI(时间复杂度),并以散点图的形式画成如下图所示的图表。

注:有关SI(空间复杂度)和TI(时间复杂度)可以参考:衡量视频序列特性的TI(时间信息)和SI(空间信息)


视频编码选项设定如下:


模拟丢包的时候,使用了名为nalu-drop classifier的工具。


本文打算从下列参数中选择可以用于建立视频质量评价模型的参数,备选参数数量真是大的惊人啊。


经过计算后,得出了每个变量在预测视频质量这方面做出的贡献,如下图所示。


最终选定了8个参数:perc_pic_lost, i_loss, slices, p_loss, B_pictures, imp_cons_slice_drops, I_perc_8x8 and perc_i_8x8。

有一些不明白的地方,先不多说了,看一看最终建立的模型,以树的形式显示如下图。


上图可以写成如下公式:


对此模型进行验证的结果如下表所示。作为对比,引入了两种视频质量评价算法:PSNR和VQM。非常令人震惊的是,该模型的性能竟然比这两种算法都要好。

注:PSNR介绍:http://blog.csdn.net/leixiaohua1020/article/details/11729289

        VQM介绍:http://blog.csdn.net/leixiaohua1020/article/details/12685297



展开阅读全文
打赏
0
0 收藏
分享
加载中
更多评论
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部