移动数据流量的爆炸式增长已成为当前网络服务面临最严峻的挑战之一,其中以移动视频业务为代表的用户需求更是占据首要位置。智能移动终端和先进网络技术不断发展的同时也催生用户对视频业务质量的更高要求,如何保障视频终端用户的体验质量成为衡量网络服务优劣的关键,这使得与用户体验紧密相关的视频质量评价模型精确度亟待提升。本文主要针对无参考的视频业务QoE模型进行了深入的研究。本文提出了一种基于自然场景统计特性(NSS)的无参考视频QoE模型,该模型以人眼视觉系统(HVS)长期演进所形成的适应性为理论基础,利用视频失真前后可度量的统计特征分布的偏离,特别是以运动信息为主要表征的时域统计特性的变化来描述视频失真程度。该模型能够准确抓取视频序列空时域的统计特性,特别是时域上运动失真的度量,仿真实验充分证明了该模型预测的准确性。在此基础上,进一步提出了结合人眼速度感知特性的优化模型,综合考虑视频内容中所蕴含的运动信息量提取以及HVS作为一种信息传输信道而固有的感知不确定性,将两者量化的结果作为基于自然场景统计特性模型的空时域加权因子,更加符合用户主观的满意度评分。仿真表明优化模型在原有算法的基础上充分匹配了人眼感知特性,性能得到有效提升。