无线视频图像质量评估

介绍了两种经典的图像质量客观评价方法：峰值信噪比(PSNR)和结构相似度(SSIM)，并针对无线视频有损传输质量进行了综合评估。实验结果表明，对于运动速度较小的视频，当封包错误率高于0.25时，SSIM方法优于PSNR方法；对于运动速度较大的视频，PSNR方法则优于SSIM方法。

无线视频业务是通过无线网络和移动终端为用户提供视频内容的通信服务， 如视频电话、视频会议、视频点播、网络电视等。

由于网络带宽有限， 视频传输前需进行压缩处理， 这必然导致视频编码失真 [1]。

此外，网络丢包和时延几乎不可避免，它们对接收端视频图像质量或用户体验质量都有很大的影响 [2]。

目前视频图像质量评估方法主要分为主观评价和客观评价两大类 [3]。其中，主观评价方法是人为地评价总体图像质量，常用的有平均主观评分(MOS)，该评价方法实时性差，不同观察者对同一图像的主观感受及评判标准也不尽相同。客观评价方法一般通过比较原始图像序列与经编/解码后的图像序列来评价视频质量，常用的有峰值信噪比(PSNR)和均方误差(MSE)，由于是在像素级上进行操作，因此它们对视频时域和空域上的失真非常敏感。

结构相似度(SSIM) [4]或复小波结构相似度(CW-SSIM) [5]是一种衡量图像质量的新指标，它从图像组成的角度将结构信息定义为独立于亮度、对比度的反映场景中物体结构的属性，将失真建模为亮度、对比度和结构三个不同因素的组合，并用均值作为亮度的估计，标准差作为对比度的估计，协方差作为结构相似程度的度量 [6]。

本文针对不同运动速度大小的视频文件，将综合应用PSNR 与SSIM 方法进行无线传输效果评估， 为今后的无线视频传输质量提供一定的理论依据。

2. 基于PSNR 的图像质量评价分析 PSNR 是目前使用较普遍的图像客观评价方法。其计算方法简单，便于操作，同时可以大致反映图像质量。PSNR 的计算公式是： 200PSNR20log1, , , , crpeakNNijcrVndBf n i jg n i jNN (1) 其中， crNN为原始图像大小， , , f n i j 和, , g n i j 分别为原始图像与重建图像对应的灰度值，式中21kpeakV，k 是对于亮度部分用几个比特来表示一个像素的值。计算公式是比较原始图像和重建图像的亮度部分，这个值越大表示重建图像与原始图像的差距越小，即画面质量越好。实验结果表明，当封包错误率一定时，GOP (Group of Picture)长度较短时，PSNR 值较大，图像质量较好；当GOP 长度一定时，量化参数Q 越小，PSNR 值越大；封包长度越长时，PSNR 值越大，图像质量越好。

3. 基于SSIM 的图像质量评价分析 基于人类视觉系统更适宜于提取可视区域中的结构信息这一假设， Wang 等人 [6]提出了SSIM 算法， 该算法结构框图如图1 所示。

该算法从原始图像与重建图像的亮度、对比度及结构信息这三个方面进行比较，构建相应的模型，并将这三个模型综合成一个SSIM 值。

图1 中X 与Y 分别表示原始视频帧和重建视频帧， 设, l x y 、, c x y 、, s x y 分别为亮度比较函数、对比度比较函数、结构相似性比较函数，则有：