论文部分内容阅读
随着视频流媒体业务的流行和高图像质量视频内容的普及,用户对视频播放流畅度和画质清晰度等要求逐渐提高,视频业务的服务质量逐渐受到了运营商和服务提供商的重视。与此同时,传统的基于QoS的业务质量评估体系并不能很好的适应和反映用户在使用视频业务时的实际观看满意度。因此,面向视频流媒体业务的用户体验质量QoE(QualityofExperience)管理成为了相关领域研究的焦点。相对于传统基于客观质量指标的业务质量管理方法,面向用户主观体验的QoE管理更加关注用户主观的真实体验情况。在对业务质量评估的过程中,通过用户对实际体验质量进行满意度评分,得到业务QoE评估结果。但是在实际业务中,对用户主观体验情况的直接测量和评估需要花费大量的成本,因此,利用客观质量指标来评估用户主观体验质量能够解决主观评估方法的缺陷,是现阶段研究的重点。在本文中,对视频流业务客观QoE评估方法展开研究,提出了针对标准清晰度视频业务的评估方法,并在此基础上提出了针对高清晰度视频业务的评估、预测和优化方法。具体研究内容如下:1)针对标准清晰度的视频业务,提出基于压缩编码损伤和网络传输损伤的客观QoE评估方法。首先,在实验环境下对具有不同客观质量指标(压缩编码噪声、比特率、网络丢包率、图像时域感知信息)的样本视频流进行主/客观评估实验。通过对实验结果的分析,验证了在压缩编码过程中产生的图像噪声(即压缩编码损伤)和传输过程中产生的图像损伤会对用户主观期望产生影响,并最终影响QoE评估结果。然后利用实验结果训练并建立视频QoE评估神经网络,在已知客观质量指标的条件下,评估当前视频流的QoE质量。经验证,针对本研究的实验环境中,本评估方法与实际用户体验质量之间的斯皮尔曼秩相关系数(SROCC)为0.9531。针对公开视频QoE数据库EPFL-PoliMI,本评估方法与实际用户体验质量之间的斯皮尔曼秩相关系数(SROCC)为0.9402,优于其他使用该公开数据库的无参考评估方法。2)针对高清晰度的视频流媒体业务,提出了基于图像累积损伤时间的QoE评估方法。利用在视频播放过程中出现图像损伤事件的累积时间长度作为评估QoE质量的客观指标,解决了传统基于帧图像损伤程度的客观评估过程中,对图像质量下降程度的感知能力不符合用户实际体验情况的问题。首先,讨论了图像累积损伤时间作为高清视频场景下客观QoE评估指标的原因,并利用实验环境下的主/客观评估分析验证了图像累积损伤时间对高清视频流QoE的影响。然后,利用实验数据拟合出在不同CRF参数下图像累积损伤时间和MOS评分之间的映射关系。最后,利用拟合函数对QoE评估结果进行了验证,验证结果显示,在不同CRF参数条件下,本文评估结果与实际用户评分之间的PLCC和SROCC系数均优于在相同条件下全参考评估方法SSIM的评估结果。3)针对高清晰度的视频流媒体业务,在图像累积损伤时间和MOS评分映射关系的基础上,提出了基于贝叶斯网络的QoE质量预测模型。首先,利用视频流媒体业务端到端特性,建立了能够反应视频业务QoE质量的贝叶斯网络,通过贝叶斯网络反映出影响视频QoE质量的客观/主观质量指标之间的相互影响关系。然后基于贝叶斯网络,对播放过程中产生的图像累积损伤时间长度进行预测,并进一步对用户体验评分MOS进行预测。最后在实验环境下进行了验证,结果显示实际样本中的图像累积损伤时间符合该贝叶斯网络的预测结果,样本实际主观评分MOS结果与预测结果之间具有良好的相关性。4)针对高清晰度的视频流媒体业务,在已建立的评估方法和预测模型基础上,提出基于压缩编码参数控制的优化策略。通过对视频流比特率和帧序列结构的控制,降低图像损伤出现的概率,实现对QoE质量的优化。首先,比较了在不同比特率和帧序列结构条件下的样本视频流数据量及图像噪声情况,同时测量了通过网络传输后样本视频流的图像累积损伤情况及用户主观体验质量;进一步通过对客观测量和主观评分结果的对比分析,验证了比特率和帧序列结构控制对用户体验质量的影响情况;最后提出了基于比特率和帧序列结构调整的QoE优化控制方法,通过实验验证,结果显示通过比特率和帧序列结构的调整能够有效优化在网络传输后视频流播放的用户体验质量。