針對客觀(guān)視頻質(zhì)量的實(shí)時(shí)測量進(jìn)行圖像質(zhì)量分析

圖像質(zhì)量分析即測量視頻流的整體。 因此匯集了專(zhuān)業(yè)技術(shù)人員觀(guān)看視頻，并以其專(zhuān)業(yè)的主觀(guān)角度評分，設立了Differential Mean Opinion Scores (DMOS)。 但此方法仍有許多待解的難題，如訓練技術(shù)人員的成本，還有操作人員觀(guān)看屏幕的重復性成本。 另一個(gè)重大挑戰則是關(guān)于主觀(guān)測試的質(zhì)量。 在制造過(guò)程中，根本不可能聘請視頻質(zhì)量專(zhuān)家觀(guān)看各組設備的生產(chǎn)細節，只能讓水平較差的操作人員觀(guān)看視頻并評分。 因此如分心、疲勞、眼睛過(guò)度刺激等人為因素，均會(huì )降低產(chǎn)品品質(zhì)而讓劣質(zhì)品過(guò)關(guān)，由此促使了工程師必須重新設計影像測試的方法。

較好的圖像質(zhì)量分析方式，即必須能重復套用客觀(guān)的測量方式，以測量音頻與視頻的質(zhì)量。 目前有多種算法，均與專(zhuān)業(yè)操作人員的主觀(guān)評分相關(guān)。常見(jiàn)的兩種測量之一為峰值信噪比 (PPSNR)，它是以均方差 (MSE)以及德州大學(xué)圖像與視頻工程實(shí)驗室(LIVE)的Al Bovik教授和其團隊，所設定的結構相似性(SSIM)指數為構架。 此項指數已成為最具公信力的視頻質(zhì)量測量指數。 只要套用如PSNR與SSIM算法，即可通過(guò)自動(dòng)化、可重復的測量方法，輕松評定視頻質(zhì)量。

圖4. 愛(ài)因斯坦照片的比較，代表了不同的失真程度： a) 參考圖像, b)平均對比伸展, c)亮度平移, d)高斯噪音污染，e)脈沖噪音污染, f)JPEG壓縮, g)模糊, h)空間縮放 (縮小), i)空間平移 (向右), i)空間平移 (向左), k)旋轉 (逆時(shí)針), l)旋轉 (順時(shí)針)。

另一種視頻質(zhì)量測試方法是測量視頻與音頻內容的特定假影。 此時(shí)可套用特定瑕疵算法，以找出視頻中的特定錯誤，如方格或幀像停滯/遺失。 許多生產(chǎn)應用不太需要如PSNR或SSIM的高性能測試。 反之，往往僅需確認沒(méi)有產(chǎn)生宏區塊、聲頻切割、視頻停滯即可。 通過(guò)特定瑕疵的測量，即可迅速決定該款設備是通過(guò)還是失敗。

具備N(xiāo)I Picture Quality Analysis軟件的NI Digital Video Analyzer能夠測量特定瑕疵，也可達到如PSNR與SSIM的高圖像質(zhì)量測量。 通過(guò)用戶(hù)定義的測量，即可套用自定義的算法，以建立完全自定制的圖像質(zhì)量分析應用。

圖5. 針對水平與垂直空間中的宏區塊，需采集并分析1080p60的視頻流。

參考與無(wú)參考測試

針對視頻/音頻流，進(jìn)行圖像質(zhì)量分析測量的方法目前有三種。

1. 無(wú)參考測試: 不論圖像內容如何，此方式可將測量套用至任何系統。 而此測量方式的挑戰之處在于，因分析圖像內容的不同，測量結果的差異也相當大。