[发明专利]基于内容的HEVC码流质量预测模型

说明书

本发明公开了一种基于内容的HEVC码流质量预测模型，包括视频特征提取模块，内容类型分类矩阵计算模块和质量预测模型模块，视频特征提取模块利用码流中提取的视频特征信息，在内容类型分类矩阵计算模块中建立内容相关矩阵，然后利用内容相关矩阵通过质量预测模型模块建立视频质量预测模型，从而预测视频质量。内容类型分类矩阵计算模块包括时域复杂度子模块、空域复杂度子模块、码率标准差子模块和非零变换系数百分比子模块。本发明能保证低复杂度的情况下，利用码流中信息预测编码视频质量，预测精度高于其他算法。

技术领域

本发明涉及一种视频质量的测量系统，特别是涉及一种视频质量的预测模型，应用于利用码流信息预测编码视频质量的视频编解码技术领域。

背景技术

终端用户的感知质量是形成用户体验质量QoE(quality of service)的关键因素。在相同的编码参数下，如帧率、采样格式、分辨率等，不同的视频内容可以得到不同的感官质量。由于视频质量的内容依赖性，进行视频质量预测时考虑不同的内容特性尤为必要。

常见的感知视频质量估计的客观测量可以分为两类：基于人眼视觉特性和基于视频参数。为了确保视频质量测量的低复杂度，有必要充分利用编码产生的码流，提取视频特征而无需参考其他信息。

通常决定视频内容类型的方法是从码流中提取运动特征然后逐像素地计算帧与帧之间的差异。文献[1]中提出了一个无参质量预测的方法，运动特征包括两帧变化的运动幅度和方向。文献[2]提出更精确的模型，采用优化的H.264失真检测模型进行内容分类计算。文献[3]提出由运动矢量信息和像素域绝对误差和SAD(sum of absolutedifferences)信息来决定的内容自适应参数和内容分类的视频质量估计模型。在文献[4]的视频质量预测模型中，考虑的用户体验质量内容类型包括：发送端码率、块失真率和平均失真长度，但是没有考虑运动特征和其他特性。文献[5]利用空时域内容特征建立预测算法，但是没有考虑帧的类型。文献[6]将HEVC编码参数、量化参数和内容类型融合到质量预测模型中，但是没有考虑运动特征和序列复杂度信息。

文献[1]:Ries M,Nemethova O,Rupp M,Motion based reference-free qualityestimation for H.264/AVC video streaming.2nd International Symposium onWireless Pervasive Computing,(2007)

文献[2]:G.Van Wallendael,N.Staelens,”No-reference bitstream-basedimpairment detection for high efficiency video coding,”Quality of MultimediaExperience(QoMEX),2012Fourth International Workshop on,Yarra Valley,VIC,pp.7-12,(2012).

文献[3]:M.Ries,O.Nemethova,and M.Rupp,Video Quality Estimation forMobile H.264/AVC Video Streaming,J.Commun.,vol.3,no.1,pp.4150,(2008).

文献[4]:Khan A,Sun L,Ifeachor E,QoE prediction model and itsapplication in video quality adaptation over UMTS networks.IEEE TransMultimed 14(2):431442,(2012)