论文部分内容阅读
作为三网融合的产物,IPTV (Internet Protocol Television)正在世界范围内快速发展。为了给用户提供更好的视频服务,IPTV运营商需要对视频质量进行评估。客观质量评估方法因其具有易于实现,且不需要耗费大量的人力和物力,不受外部条件的限制等特点而被广泛应用。其中客观质量评估方法中的比特流层参数分析模型可利用视频流包头信息和媒体相关载荷信息,能较准确的评估视频的质量,适用于IPTV质量评估。根据不同的应用场景,本文提出两种适用于IPTV系统的视频质量比特流层参数分析评估模型,即考虑IDR(Instantaneous Decoding Refresh)包丢失率的IPTV视频质量评估模型和基于内容特征的IPTV视频质量评估模型。由于影响视频质量的参数有着复杂的交互作用,而BP神经网络有良好的非线性预测特性,可以有效的反映各参数与视频质量之间的映射关系。论文的两种模型都是基于BP(BackPropagation)神经网络。考虑IDR包丢失率的IPTV视频质量评估模型通过分析视频流,获取视频的量化参数(QP)、帧率、丢包率、IDR的包丢失率信息,并利用BP神经网络建立模型并对视频质量进行评估。该模型是无参考视频质量评估比特流层参数分析模型,具有计算量相对较少,实时性好等优点,适用于运算能力低的IPTV视频质量评估。视频质量与视频内容特性密切相关,不同的视频对相同丢包率的敏感度并不一样。基于内容特征的IPTV视频质量评估模型考虑视频内容特性,首先通过解析视频流来获取视频的QP、比特率和运动矢量(MV)信息,然后,利用得到的MV计算视频的时间复杂度,通过量化参数和比特率计算视频的空间复杂度。并通过聚类分析方法对视频进行分类。在此基础上,利用BP神经网络建立模型并对视频质量进行评估,从而更好地反映人眼的视觉感受。该模型计算复杂度较低,适用于网络节点有一定计算能力的IPTV视频质量评估。