随着网络技术的发展,网络视频类服务越发普及,因此网络视频的质量也受到了越来越多的关注。网络视频的质量会受到多方面因素的影响。例如视频在传输前需要进行压缩编码,以及传输时会遇到丢包、抖动等网络状况,这些都会对网络视频的质量造成一定影响。因此,本文针对网络视频的压缩损伤和传输损伤,提出了一个基于神经网络的网络视频质量评价算法,主要工作如下:本文研究分析了现有的网络视频质量评价方法,对其进行分类与介绍,总结了常用的算法特点,提出了针对网络视频质量评价采用压缩损伤和传输损伤特征协同分析的策略。论文首先分析了压缩编码对于网络视频质量的损伤,针对量化参数反应视频压缩量化时的失真,模糊度反应了视频低码率情况和离散余弦变换过程中的失真,跳跃宏块数量反应视频帧间预测过程中失真的特性,提出了评估压缩损伤的三个特征参数:量化参数、模糊度和跳跃宏块数量,证明了这三个参数与网络视频质量之间具有很好的相关性。然后,论文分析了网络传输时丢包及时延抖动等网络状况对网络视频质量的影响,得出了网络传输会导致网络视频产生空域和时域两个维度的质量损伤的结论。其中空域损伤表现为拉伤和块效应,时域损伤表现为视频播放中的卡顿。本文针对空域损伤和时域损伤,提出了可从视频帧图像中提取的六个特征参数:拉伤程度、块效应程度、聚合块效应度、初始缓冲时长、卡顿平均时长和卡顿频率。其中拉伤程度、块效应程度和聚合块效应度反应视频的空域损伤,初始缓冲时长、卡顿平均时长和卡顿频率反应视频的时域损伤。最终本文针对网络视频的质量评价选取了三个压缩损伤特征参数以及六个传输损伤特征参数共同评估。最后,论文根据分析得出的影响网络视频质量的九个特征参数,设计实现了一个具体的网络视频质量评价算法系统。该系统以对网络视频的九个特征参数进行特征工程后的结果作为输入,以视频的主观质量分数作为训练输出,利用BP神经网络算法建立映射关系,从而最终得到网络视频的客观评价质量。结果表明本文采用的压缩损伤和传输损伤特征参数,利用神经网络分析模型可以得到较好的评价结果,并且具有特征参数较少,运算简单的特性。本文立足于对网络视频质量的研究,探讨压缩编码和网络状况对网络视频质量.的影响,利用神经网络构建实时有效的网络视频评价模型。通过这些研究,为压缩编码的改进,通信质量的监控,媒体业务和网络视频服务的优化等各个方面提供技术支撑。