超高清视频图像质量客观评价方法.docx

1

GY/T412—2024

超高清视频图像质量客观评价方法

1范围

本文件规定了超高清视频的全参考图像质量客观评价方法和无参考图像质量客观评价方法。

本文件适用于超高清视频的图像质量客观评价。对于能够达到或超过本文件客观评价方法的准确度的任何等效评价方法也可以应用。有争议时以本文件为准。

2规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中。注日期的引用文件，仅该日期对应的版本适用于本文件：不注日期的引用文件，其必威体育精装版版本(包括所有的修改单)适用于本文件。

GB/T41808-2022高动态范围电视节目制作和交换图像参数值

GB/T41809-2022超高清晰度电视系统节目制作和交换参数值

3术语和定义

下列术语和定义适用于本文件。

3.1

自然场景图像统计特征naturalsceneimagesstatisticalcharacteristics

一种表征自然场景图像所具有的高阶数学统计量(如方差、峰度、散度等)的图像质量数学模型。注：该统计量的分布参数与图像内容紧密相关，可反映图像之间的质量差异。

3.2

Adam优化算法adamoptimizer

一种深度神经网络训练中常用的，通过优化模型参数使神经网络的损失函数达到最小值的参数优化算法。

4缩略语

下列缩略语适用于本文件。

CIE国际照明委员会(InternationalConmissiononIMunination)

DCT离散余弦变换(DiscreteCosineTransform)

DDPG深度确定性策略梯度算法(DeepDeterministicPolicyGradient)

DL-VQA基于深度学习的视频质量评价(DeepLearningbasedVideoQualityAssessment)

DRL-VQA基于深度强化学习的视频质量评价(DeepReinforcementLearningbasedVideoQualityAssessnent)

HDR高动态范围(HighDynanicRange)

HLG混合对数伽马(HybridLogGanma)

3

GY/T412—2024

表1全参考图像质量客观评价方法

序号

方法名称

简介

计算过程

1

PSNR

对源视频和被测视频的对应图像帧进行逐像素的比较计算，通过最大信号量与噪声强度的比值来反映两个图像之间的差异。PSNR值越大，表明被测视频与源视频差异越小

见6.2

2

△Em

AEm用于评估被测视频相对于源视频的色彩偏差。AEm等于1时，表示色彩偏差恰好可察觉，值越大表示偏差越明显

见6.3

3

MFF-VOA

分别提取源视频和对应的被测视频的亮度特征、色度特往、时间特征、多尺度特征等，采用支持向量回归模型将上述特征回归得到客观质量评分，满分为100分，分值越大。表示被测视频与源视频的质量差异越小

见B.1

4

DL-1QA

采用ResNet18网络提取源视频和对应的被测视频的特征，并对这些特征进行合并通过全连接层回归得到客观质量评分，满分为100分，分值越大，表示被测视频与源视频的质量差异越小

见B.2

5

RF-YQA

对源视频和被测视频求差值后，采用RosNot50网络提差值图像的特征，经过通道和区域注意力机制学习特征信息，最后通过池化和全连接层回归得到客观质量评分。满分为100分，分值越大，表示被测视频与源视频的质量差异越小

见B.3

注1:MFF-VOA、DL-VQA和RF-VQA均存在机器学习机制，评测结果与训练用数据集密切相关。

注2:ResNet是一种当前应用相对广泛的深度神经网络结构，主要由多个残差模块构成，用于提取具体任务所需的相关深度特往。网络深度为18层时，简称ResNot18:网络深度为50层时，简称RosNot50。

6.2PSNR测试方法

PSNR测试步骤如下

a)对源视频和被测视频进行时间和空间对齐，保证两个视频的图像帧对齐，且图像内容无空间位移或缩放。

b)按公式(1)逐帧计算每帧图像Y、U、V分量的PSNR值。根据需要，可对三个分量的计算结果进行加权平均，基于图像处理和视频压缩中的实际经验与人眼感知特性，加权系数可为6:1:1。

式中，L根据视频信号样值的比特数(bitdepth)计算。计算方法为2-1。