《电子技术应用》
您所在的位置:首页 > 通信与网络 > 设计应用 > 图像质量分析:客观视频质量的实时测量
图像质量分析:客观视频质量的实时测量
来源:飞象网
NI公司
摘要: 数字声频与音频为消费者提供了立体声且高清晰度的声频体验,而相关测试则从传统的静态、单帧像分析,转换为动态测试、图像质量分析。虽然单帧像分析可提供信号定时、色深、线条同步化,以及更多有用信息,但压缩/解压缩算法与缓冲错误的数字影像也常造成瑕疵,且无法通过单帧像所察觉。常见错误则包含宏区块、帧像停滞、声频遗失与截断,或像素化。此篇教学指南概述了图像质量分析,并说明NI Picture Quality Analysis软件应如何搭配NI Digital Video Analyzer使用,侦测数字声频与视频的瑕疵或假影。
Abstract:
Key words :

     概览

    数字声频与音频为消费者提供了立体声且高清晰度的声频体验,而相关测试则从传统的静态、单帧像分析,转换为动态测试、质量" title="图像质量">图像质量分析。虽然单帧像分析可提供信号定时、色深、线条同步化,以及更多有用信息,但压缩/解压缩算法与缓冲错误的数字影像也常造成瑕疵,且无法通过单帧像所察觉。常见错误则包含宏区块、帧像停滞、声频遗失与截断,或像素化。此篇教学指南概述了图像质量分析,并说明NI Picture Quality Analysis软件应如何搭配NI Digital Video Analyzer使用,侦测数字声频与视频的瑕疵或假影。

    HDMI串流的常见瑕疵

    首先应了解图像质量分析,从而知道数字视频系统可能产生的瑕疵类型。而用户自己就能发觉最常见、最重要的瑕疵,如宏区块、像素化、帧像模糊、停滞、遗失、声频截断和LipSync。

    宏区块–数字影像往往是通过MPEG4或H.264压缩成多个8x8色块。若压缩/解压缩算法之间并无高度相关,则可能产生多个定义边缘的区域。 这就是宏区块。

    .

    图1.若原始图像的解压缩效果不佳,宏区块就可能在解压缩后的像素之间形成定义边缘。

    若传输期间遗失数据,则解码器将无法正确读取数据区块从而检索原始的像素数据,这样会造成明显的掉色区块错误。与宏色块相比,虽然这些错误均较为少见,但仍极为明显。

    图2. 因数据遗失与错误解码而产生的像素化错误。

    –在解码或调整期间,可能遗失高频率的组件,进而在边缘之间遗失定义,或出现模糊的情况。视频信号将因此丢失清晰度或鲜明度。

    图3. 模糊将使视频信号产生不清晰的边缘。 图左在黑、白边缘之间的定义较不明显。

    从图1到图3呈现了单一图像的模糊、像素化、宏区块;这些瑕疵往往不会再各个帧像逐一出现,而必须全时间完整测量设备以获得正确的结果。其他瑕疵如帧像停滞/遗失、声频切割、LipSync(声频/视频同步化),也需分析多组帧像。

    图像质量分析评分

    图像质量分析即测量视频流的整体。因此汇集了专业技术人员观看视频,并以其专业的主观角度评分,设立了DifferentialMeanOpinion Scores (DMOS)。 但此方法仍有许多待解的难题,如训练技术人员的成本,还有操作人员观看屏幕的重复性成本。 另一个重大挑战则是关于主观测试的质量。 在制造过程中,根本不可能聘请视频质量专家观看各组设备的生产细节,只能让水平较差的操作人员观看视频并评分。 因此如分心、疲劳、眼睛过度刺激等人为因素,均会降低产品品质而让劣质品过关,由此促使了工程师必须重新设计影像测试的方法。

    较好的图像质量分析方式,即必须能重复套用客观的测量方式,以测量音频与视频的质量。目前有多种算法,均与专业操作人员的主观评分相关。常见的两种测量之一为峰值信噪比(PPSNR),它是以均方差(MSE)以及德州大学图像与视频工程实验室(LIVE)的Al Bovik教授和其团队,所设定的结构相似性(SSIM)指数为构架。 此项指数已成为最具公信力的视频质量测量指数。 只要套用如PSNR与SSIM算法,即可通过自动化、可重复的测量方法,轻松评定视频质量。

    图4.爱因斯坦照片的比较,代表了不同的失真程度:

a)参考图像, b)平均对比伸展, c)亮度平移, d)高斯噪音污染,e)脉冲噪音污染, f)JPEG压缩, g)模糊,

h)空间缩放 (缩小), i)空间平移 (向右), i)空间平移 (向左), k)旋转 (逆时针), l)旋转 (顺时针)。

    下载“ImageQualityAssessment: From Error Visibility to Structural Similarity” 由Zhou Wang与Alan C. Bovik撰写,并被IEEE Signal Processing Society授予最佳学术文章奖。

    另一种视频质量测试方法是测量视频与音频内容的特定假影。此时可套用特定瑕疵算法,以找出视频中的特定错误,如方格或帧像停滞/遗失。许多生产应用不太需要如PSNR或SSIM的高性能测试。反之,往往仅需确认没有产生宏区块、声频切割、视频停滞即可。 通过特定瑕疵的测量,即可迅速决定该款设备是通过还是失败。

    具备NIPictureQualityAnalysis软件的NI Digital Video Analyzer能够测量特定瑕疵,也可达到如PSNR与SSIM的高图像质量测量。 通过用户定义的测量,即可套用自定义的算法,以建立完全自定制的图像质量分析应用。

    图5.针对水平与垂直空间中的宏区块,需采集并分析1080p60的视频流。

    参考与无参考测试

    针对视频/音频流,进行图像质量分析测量的方法目前有三种。

    1.无参考测试:不论图像内容如何,此方式可将测量套用至任何系统。而此测量方式的挑战之处在于,因分析图像内容的不同,测量结果的差异也相当大。

    2.简化参考测试:简化参考测试则需要“金级”或理想样本设备。在测量了金级样本设备的音频/视频质量之后,其它设备即根据金级样本结果进行测试,以定义该系统是通过还是失败。

    3.完全参考测试::完整参考测试也需要金级的样本设备。但不同于简化参考测试(分別测量测试与参考流),完整参考是将2组串流依像素进行分析。它是目前功能最为强大的测试,但针对参考串流的分析,其处理/存储/检索的难度更高。PSNR与SSIM测量均属于完整参考方式。

    图6.图片质量分析共有三种方式:1)左图的无参考测试,可用于未知或无法重复的视频串流,

 2)中间的简化参考测试,是在测量参考与测试流完成之后,再进行比较,3)右图的完整参考测试即在测试与参考流之间进行像素比较。

    触发

    当使用简化或完整参考分析时,必须同步化测试与参考流,以实现精确的比较。尽管同步化的方法有多种,但最理想的方式包含:

    如果可在感兴趣区(ROI)中辨认文字,则可使用光学字符识别(OCR)方式。视频串流上的框架计数器是OCR的最佳范例。通过OCR可轻松地在任何特定框架上设定触发器。

    若串流的亮度大幅变化,如相机角度变化或其他亮度增强时,强度阀值是理想的触发方式。此方法的关键就是必须找出触发器的ROI,且不会触发序列中的其他点。

    模式对比则常见于参考与测试流之间的触发采集。而此方法的难点在于,框架N与N+1太过相近,会在错误框架上触发模式对比触发器。使用模式对比触发器的最佳方式就是针对单一框架,为视频流(例如色条)插入已知模式。接着即可将此框架作为模式对比。

    图7.最理想的三种同步化方式是:模式对比、强度阀值、光学字符识别。

    NI Picture Quality Analysis软件均具备这些触发方式,更适用于任何应用或视频流。也有用户定义的触发器,可针对分析器写入自己的触发算法。

    NI Digital Video Analyzer与NI Picture Quality Analysis软件(NI PQA)

    NIDigitalVideoAnalyzer与NI Picture Quality Analysis软件,可为HDMI串流视频/音频测试应用提供必要的软硬件。 硬件以PXI Express技术为构架,可采集1080p60、 HDCP加密的图像内容,并可套用相关函数库客观测量图像质量。

    NIDigitalVideoAnalyzer搭配NI Picture Quality Analysis软件可提供强大的算法,并在多媒体设备的设计与检验期间,进行视频的参考测试。 针对更高传输率的应用,NI Picture Quality Analysis软件可提供高性能的实时测量,避免操作人员发生错误或主观性测试。可配置的介面选用参考/无参考测试、直接进行预先建立的测量、设定限制,并自动化应用。

此内容为AET网站原创,未经授权禁止转载。