精华内容
下载资源
问答
  • 视频质量评价

    2016-04-22 10:08:42
    视频质量评价参数 编码质量评价主要通过全参考视频质量评价算法实现。全参考视频质量评价算法通过比较编码前原始视频与编解码后受损视频获得视频质量的评价结果。最常见的全参考视频质量评价模型为PSNR和SSIM。 ...

    视频质量评价参数

    编码质量评价主要通过全参考视频质量评价算法实现。全参考视频质量评价算法通过比较编码前原始视频与编解码后受损视频获得视频质量的评价结果。最常见的全参考视频质量评价模型为PSNR和SSIM。
    PSNR
    PSNR(峰值信噪比)是使用最为广泛的视频质量评价方法。它的计算公式为:
    其中L为图像灰度值范围,对于8bit位深的图像来说L=2^8-1=255;M*N图像块的MSE(均方误差)计算公式为:
    PSNR取值通常在20-40之间,取值越大代表图像质量越好。尽管PSNR计算简单,但是由于没有考虑到人类视觉感知特性,所以其评价结果与主观感受往往相差较大。
    SSIM
    SSIM(结构相似度)是zhou wang等人提出的一种常见的视频质量评价方法。该方法考虑了人类视觉感知特性,综合考虑了亮度、对比度以及结构的影响。它的计算公式如下所示。
    其中l(x,y)为亮度比较函数,c(x,y)为对比度比较函数,s(x,y) 为结构比较函数。这三个函数的具体计算方法可以参考相关文献。

    SSIM取值在0-1之间,取值越大代表图像质量越好。SSIM相对于PSNR来说更加符合人眼的主观感受,因此也是一种使用很广泛的视频质量评价方法。


    速度评价参数

    编码速度评价主要通过统计编码和解码的耗时(以毫秒为单位)来实现。

    展开全文
  • 视频质量评价是视频会议系统建设的重点和难点,也是用户体验的关键点。分析了视频会议关键技术,系统梳理了影响音视频质量的各个环节,在此基础上提出了新的质量评价综合体系,将评价过程划分为网络编码码流、重建音...
  • 移动视频的质量评价已经成为3G...本文首先介绍了无线传输对视频质量的影响,然后分别对现有的移动视频主/客观评价方法和模型进行了介绍,指出了现有评价方法的不足,最后对移动视频质量评价方法的发展趋势进行了展望。
  • 视频质量评价主要采用传统的手动提取特征, 再利用机器学习预测视频质量分数, 导致结果不理想。VGG-16网络在特征提取方面具有非常好的稳健性, 借鉴其网络模型, 迁移参数构造出用于端到端的视频质量评价网络。LIVE视频...
  • 视频质量评价方法

    千次阅读 2016-07-09 12:03:06
    视频质量评价方法可用来评价视频质量的好坏以及视频压缩传输处理方法的优劣,在视频处理和视频质量监控领域至关重要。视频质量评价方法分为两大类:主观评价方法和客观评价方法。主观质量评价方法是最可靠的评价方法...
            视频质量评价方法可用来评价视频质量的好坏以及视频压缩传输处理方法的优劣,在视频处理和视频质量监控领域至关重要。视频质量评价方法分为两大类:主观评价方法和客观评价方法。主观质量评价方法是最可靠的评价方法,但在实际应用中将花费大量时间和费用,代价很高。因此,基于PSNR(峰值信噪比) 和MSE(均方误差)等客观评价方法仍然因其低复杂度和简单清楚的物理意义而广泛地应用在视频评价领域。但是由于它们没有充分考虑人眼视觉特性,因此会造成客观评价结果和实际视觉效果的不一致。 
      为了得到与主观评价结果一致的评价结果,目前多个研究组织已经提出了基于人眼视觉特性(HVS)仿生模型的视频质量客观算法;这些算法依据人眼的视觉特性从采集的视频文件中提取一些人眼可感知的特征,在对这些特征进行相应地计算,得出客观评价值。这些客观评价算法相对于PSNR及MSE来说,其评价结果与主观评价结果已经有了很大的接近。下面将简单的介绍视频质量客观评价常用的客观测试模型及几种与主观评价结果关联较大的客观测试算法。 
      1 视频质量客观测试模型 
      在上述视频质量客观测试模型中,客观测试系统会对输入视频及输出视频按照一定的客观算法进行相应的比较,最后给出客观的视频质量等级评价。客观测试系统在对输入/输出视频进行比较之前,需要参考输入视频对损伤视频进行时间和空间上的偏移纠正以及增益调整,每种客观测试算法都会有自己的纠正算法,通过这些纠正算法可以排除时间的前后偏移、空间的上下左右偏移、以及增益的变化对最终的计算结果的影响,以给出较可靠的客观的视频质量评价。下面我们来介绍一些目前相对来说与主观评价近似度较高的客观测试算法。 
      2 视频质量客观测试算法分析 
      目前最常用的客观评价方法就是基于统计理论的PSNR,该评价算法在数学上处理容易,物理意义比较明确,因此使用范围也最广,但是该评价方法得出的结果与主观评价的结果存在较大的偏差,因此通常视频系统的开发人员只将其作为参考信息,而不能完全替代主观评价。 
      相对于容易实现但与主观结果偏差较大的PSNR,目前有多个机构提出了与主观评价结果关联较好的客观评价算法,如美国国家电信和信息管理局(NTIA)提供的视频质量度量(VQM)算法及其模型、英国电信BT提供的全参考视频质量模型及其算法(BTFR)、巴西电信研究中心(CPQD)提供的基于分段的图像评价算法(IES),以及泰克公司和Sarnoff公司提供的PQR算法等,下面简单对其中的VQM、BTFR及PQR算法进行简单介绍及说明。 
      2.1 VQM 
      VQM是由美国国家电信和信息管理局提供的视频质量客观评价方法,其具体模型及计算过程如图2所示: 
      VQM客观评价测试方法在给出视频质量客观评价结果之前需要经过如下几个过程: 
      1)原始及处理后视频流的采样。 
      此过程负责将原始或处理后的视频由模拟/数字信号转换成含有Y、CB、CR 三种分量信号的视频格式文件,为后续进一步处理提供基础文件。 
      2)原始及处理后视频流的校准。 
      此过程比较输入/原始及输出/处理视频文件,并且依据原始/输入视频文件的图像内容移除掉输出/处理视频内容中的时间、空间偏移及增益调整,为后续处理排除掉编解码之外的干扰因素。 
      3)原始及处理后视频图像感知特征的提取。 
      负责提取原始/输入及处理/输出视频文件中的人眼可感知视频特征,这些特征主要为:空间梯度的特征信息、色度特征信息、对比度特征信息、运动量特征信息、对比度与运动量特征之间的正交信息。这些特征为后续的质量参数计算提供了翔实的数据信息。 
      4) 视频质量参数的计算。 
      此步骤负责测量视频质量由于特征值的增加和损耗所导致失真的质量参数,对步骤3提取的原始/输入和处理/输出视频特征使用比较函数进行比较计算,接着对比较计算得出的结果使用整个空间和时间的错误合并函数来模拟人们如何推导主观质量评级;最后考虑到参数值和感知质量间的非线性关系,将使用最终的时间平滑参数值进行缩放和修剪,来进一步减少参数敏感度。 
      5)VQM值计算。 
      此步骤负责将步骤4计算的各种质量参数按照一定的加权关系进行合并运算,得出视频质量客观评价值(VQM);最终计算获得的VQM值位于0到1之间,数值越小代表视频处理损伤越小。 
      2.2 BTFR 
      BTFR为英国电信提供的全参考视频质量评估模型,具体模型如图3: 
      从上述示意图可看出:BTFR算法主要包括两个阶段即检测阶段及随后的合并阶段;检测阶段负责计算参考视频与损伤视频序列中的可感知特征参数,这些参数将交给合并阶段,合并阶段再进行适当的加权得到可察觉的视频质量。检测阶段检测内容及合并阶段加权参数的选择依据目前对人眼视觉系统的时间、空间遮掩性质研究及校准实验来决定。 
      2.3 PQR 
      PQR算法为泰克公司和Sarnoff公司提供的基于JND(最小可觉差异)的客观视频质量评价方法,具体处理过程如图4: 
      PQR算法在给出视频质量评价等级之前需要经过两个过程:首先需要依据参考视频片段对经过被测系统的处理后的视频片段进行标准化处理,具体包括为时间、空间偏移调整、亮度和色度等增益的调整;之后再对参考视频及标准化后的处理视频进行JND算法,给出PQR值。 
      3 客观测试算法验证 
      之前我们说过PSNR客观测试方法与主观评价的结果偏差较大,那么VQM、BTFR及JND算法与主观评价的结果关联性又如何呢?对此,视频质量专家组VQEG与2003年8月对各研究组织提供的客观测试算法进行了一次集中测试并给出了各种客观测试方法与主观评价结果的关联性统计,具体信息如表1和下表2所示 
      上述表格中Pearson correlation 表示客观评价结果与主观评价结果的关联性,值越大关联性越好;RMS error 为像素值的均方根错误,值越小越好。据此根据表中的数据我们可看出对于两种制式(PAL制和NTSC制)来说,NTIA提供的VQM模型及其算法表现较好,两种测试情况下的关联性都位于前列。 
    展开全文
  • 视频质量评价PSNR

    千次阅读 2018-05-23 18:16:07
    PSNR(Peak Signal to Noise Ratio,峰值信噪比)是最基础的视频质量评价方法。它的取值一般在20-50之间,值越大代表受损图片越接近原图片。PSNR通过对原始图像和失真图像进行像素的逐点对比,计算两幅图像像素点...
            PSNR(Peak Signal to Noise Ratio,峰值信噪比)是最基础的视频质量评价方法。它的取值一般在20-50之间,值越大代表受损图片越接近原图片。PSNR通过对原始图像和失真图像进行像素的逐点对比,计算两幅图像像素点之间的误差,并由这些误差最终确定失真图像的质量评分。该方法由于计算简便、数学意义明确,在图像处理领域中应用最为广泛。
    

    一幅MxN尺寸的图像的PSNR的计算公式如下所示:


    其中xij 和yij 分别表示失真图像和原始图像对应像素点的灰度值;

    i,j 分别代表图像的行和列;

    L 是图像灰度值可到达的动态范围,8位的灰度图像的L=2^8-1=255。

    如果已知SSD,MxN尺寸图像的PSNR公式如下所示。

    MSE=SSD*1/(M*N)

    PSNR=10*lg(255^2/MSE)

        例如下图两张1080图片(左边是原图,右边是编码之后的图片,QP为17)的PSNR对比的结果 Y PSNR is 40.632022, U PSNR is 44.596545,V PSNR is 45.759277


    PSNR对比测试:
    1080P视频测试:BasketballDrive_1920x1080_25_250.yuv
    dp:17
     Y PSNR is 40.632022, U PSNR is 44.596545,V PSNR is 45.759277
    dp:28
     Y PSNR is 38.834869, U PSNR is 42.445172,V PSNR is 42.977148
    dp:32
     Y PSNR is 38.144906, U PSNR is 41.265455,V PSNR is 41.705576
    dp:36
     Y PSNR is 37.527187, U PSNR is 40.110563,V PSNR is 40.551498
            我们知道量化和反量化过程中,量化步长QP决定量化器的编码压缩率及图像精度。如果QP比较大,则量化值FQ动态范围越小,其相应的编码长度越小,但反量化是损失较多的图像细节,导致PSNR值越小。

    代码:

    // PSNR_CAL.cpp : 定义控制台应用程序的入口点。
    //PSNR (Peak Signal to Noise Ratio)
    //峰值信噪比PSNR衡量图像失真或是噪声水平的客观标准。2个图像之间PSNR值越大,则越相似。普遍基准为30dB,30dB以下的图像劣化较为明显。
    #include "stdafx.h"
    #include <stdlib.h>
    #include <stdio.h>
    #include <time.h>
    #include <math.h>
    
    #define VIDEO_WIDTH			1280
    #define VIDEO_HEIGHT		720
    #define VIDEO_FRAME_NUM			10 //frame number
    //编码解码YUV
    #define DEC_YUV_PATH			"E:\\yuv\\\\bs3.yuv"
    //原YUV
    #define REF_YUV_PATH			"E:\\yuv\\BasketballDrive_1920x1080_25_250.yuv"
    #define REF_YUV_422			0 //1:reference yuv is 422 format, 0:reference yuv is 420 format
    #define VIDEO_SIZE_Y		VIDEO_HEIGHT*VIDEO_WIDTH
    #define VIDEO_SIZE_UV		(VIDEO_HEIGHT*VIDEO_WIDTH)>>1
    #define VIDEO_SIZE_YUV		(VIDEO_SIZE_Y + VIDEO_SIZE_UV)
    #define CONV422	0
    #define CAL_PSNR 1
    
    int main()
    {
    	FILE *fp_dec;
    	FILE *fp_ref;
    	int i, j, k, comp;
    
    #if CAL_PSNR
    	unsigned char line_dec[5000];
    	unsigned char line_ref[5000];
    	int  idiff;
    	unsigned long diff_sum;
    	int width, height;
    	double psnr_frame;
    	double psnr_sum[VIDEO_FRAME_NUM][3];
    	double psnr_total[3];
    	
    	fp_dec = fopen(DEC_YUV_PATH, "rb");
    	fp_ref = fopen(REF_YUV_PATH, "rb");
    	
    	if (fp_dec == NULL)
    	{
    		printf("\n DEC YUV file not found\n");
    		return 0;
    	}
    
    	if (fp_ref == NULL)
    	{
    		printf("\n REF YUV file not found\n");
    		return 0;
    	}
    
    	for (i = 0; i < VIDEO_FRAME_NUM; i++)
    	{	//Y
    		for (comp = 0; comp < 3; comp++)
    		{
    			diff_sum = 0;
    			if(comp ==0)
    			{
    				width = VIDEO_WIDTH;
    				height = VIDEO_HEIGHT;
    			}
    			else
    			{
    				width = VIDEO_WIDTH /2;
    				height = VIDEO_HEIGHT /2;
    			}
    
    			for (j = 0; j < height; j++)
    			{
    				fread(line_dec, 1, width, fp_dec);
    				fread(line_ref, 1, width, fp_ref);
    
    				//fwrite(line_ref, 1, width, fp_ref_422);
    
    				//if(comp != 0)							//UV
    				//	fwrite(line_ref, 1, width, fp_ref_422);
    
    				for (k = 0; k < width; k++)
    				{
    					idiff = (int)(line_dec[k] - line_ref[k]);
    					diff_sum += idiff*idiff;
    
    					//if (k == 0 && j == 5 )
    					//	printf("stop at %d", k);
    				}
    				//if (comp != 0 && REF_YUV_422 == 1) // if 422 format, skip one chroma line
    				//	fread(line_dec, 1, width, fp_dec);
    			}
    			psnr_frame = (double)255 * 255 * width* height;
    			psnr_sum[i][comp] = 10.0 * log10(psnr_frame / (double)diff_sum);
    		}
    		printf("frame %d, Y PSNR is %f, Cb PSNR is %f,Cr PSNR is %f \n", i, psnr_sum[i][0], psnr_sum[i][1], psnr_sum[i][2]);
    	}
    	psnr_total[0] = 0;
    	psnr_total[1] = 0;
    	psnr_total[2] = 0;
    
    	for (i = 0; i<VIDEO_FRAME_NUM; i++)
    	{
    		psnr_total[0] += psnr_sum[i][0];
    		psnr_total[1] += psnr_sum[i][1];
    		psnr_total[2] += psnr_sum[i][2];
    	}
    
    	psnr_total[0] = psnr_total[0] / (VIDEO_FRAME_NUM);
    	psnr_total[1] = psnr_total[1] / (VIDEO_FRAME_NUM);
    	psnr_total[2] = psnr_total[2] / (VIDEO_FRAME_NUM);	
    	printf("average PSNR of sequence is:\n Y PSNR is %f, U PSNR is %f,V PSNR is %f\n", psnr_total[0], psnr_total[1], psnr_total[2]);
    
    	fclose(fp_dec);
    	fclose(fp_ref);
    	system("pause");
    #endif
    
    #if CONV422
    	//convert ref 4:2:0 yuv to interleave 4:2:2 yuv
    	unsigned char Y_plane[VIDEO_SIZE_YUV];
    	unsigned char U_plane[VIDEO_SIZE_Y / 4];
    	unsigned char V_plane[VIDEO_SIZE_Y / 4];
    	unsigned char YUV_plane[2 * VIDEO_SIZE_Y];
    
    	unsigned char *pt0;
    	unsigned char *pt1;
    	unsigned char *pt2;
    	unsigned char *pt3;
    	
    	fp_ref = fopen(REF_YUV_PATH, "rb");
    	fp_ref_422 = fopen(REF_YUV422_ITLV_PATH, "wb");
    
    	if (fp_ref == NULL)
    	{
    		printf("\n REF YUV file not found\n");
    		return 0;
    	}
    
    	if (fp_ref_422 == NULL)
    	{
    		printf("\n REF 422 YUV file not found\n");
    		return 0;
    	}
    
    	for (i = 0; i < VIDEO_FRAME_NUM_CONV; i++)
    	{
    		fread(Y_plane, 1, VIDEO_SIZE_Y, fp_ref);
    		fread(U_plane, 1, VIDEO_SIZE_Y / 4, fp_ref);
    		fread(V_plane, 1, VIDEO_SIZE_Y / 4, fp_ref);
    
    		pt0 = Y_plane;
    		pt1 = U_plane;
    		pt2 = V_plane;
    		pt3 = YUV_plane;
    
    		for (j = 0; j < VIDEO_HEIGHT / 2; j++)
    		{
    			for (k = 0; k < VIDEO_WIDTH / 2; k++)	//the row size of YUV_plane is 2*VIDEO_WIDTH
    			{
    				*pt3++ = *pt0++;	//Y0
    				*pt3++ = *pt1++;	//U0
    				*pt3++ = *pt0++;	//Y1
    				*pt3++ = *pt2++;	//V0
    			}
    
    			pt1 = pt1 - VIDEO_WIDTH / 2;
    			pt2 = pt2 - VIDEO_WIDTH / 2;
    
    			for (k = 0; k < VIDEO_WIDTH / 2; k++)	//the row size of YUV_plane is 2*VIDEO_WIDTH
    			{
    				*pt3++ = *pt0++;	//Y(WIDTH+0)
    				*pt3++ = *pt1++;	//U0
    				*pt3++ = *pt0++;	//Y(WIDTH+1)
    				*pt3++ = *pt2++;	//V0
    			}
    
    		}
    
    		fwrite(YUV_plane, 1, 2* VIDEO_SIZE_Y, fp_ref_422);
    	}
    #endif	
    
    }
    
    
    

           但是PSNR仅仅计算了图像像素点间的绝对误差,没有考虑像素点间的视觉相关性,更没顾及人类视觉系统的感知特性,所以其评价结果与主观感受往往相差较大(SSIM就是一种典型的与人类视觉系统特性结合的质量评价方法)。

    展开全文
  • 针对3D视频质量评价,基于人眼视觉系统HVS提出了一种新的加权SSIM评测方法。利用MVD深度视图空间和时间上的特性,提取主观权值映射,基于SSIM利用权值映射便得到了基于深度的SSIM加权算法DSSIM。实验结果表明,DSSIM...
  • Evalvid (视频质量评价工具)

    千次下载 热门讨论 2013-10-09 19:35:49
    Evalvid是一个对在真实或模拟的网络里传输...除了底层网络的QoS参数的测量,如丢包率,延迟,抖动,Evalvid还提供标准的视频质量评价算法如PSNR和SSIM。它视频编码方面支持H.264,MPEG-4和H.263。音频编码方面支持AAC。
  • 全参考视频质量评价工具,有PSNR、SSIM、MSSIM、VQM等多项指标,不过不能批量处理
  • 视频质量评价方法的空时域研究,赵婷,李永利,为了使视频质量评价方法能够更加符合人类的主观感受,本文在视频质量评价方法上加入时域和空域的研究。其中空域由视频块效应表征
  • 视频质量评价(VQA)是以人眼的主观质量评估结果为依据,使用算法模型对失真视频进行评估。传统的评估方法难以做到主观评价结果与客观评价结果相一致。基于深度学习的视频质量评价方法无需加入手工特征,通过模型...
  • 为了在不借助参考视频的条件下准确评价失真视频质量,提出一种应用三维卷积神经网络提取失真视频时空域特征的通用型无参考视频质量评价算法。在视频质量库上训练卷积神经网络模型3D ConvNets,使3D ConvNets学习到与...
  • 基于卷积神经网络和循环神经网络强大的特征提取能力并结合注意力机制,提出一种无参考视频质量评价算法。该算法首先利用VGG(Visual Geometry Group)网络提取失真视频的空域特征,然后利用循环神经网络提取失真视频的...
  • 基于深度学习的视频质量评价研究综述.pdf
  • 目前基于结构相似性的图像质量评价算法均是对图像进行整体质量分析, 但...之后, 采用基于运动补偿的帧加权方式将上述方法扩展为视频质量评价。实验证明, 所述算法与目前比较流行的几个算法相比具有较高的评价准确性。
  • 考虑到大部分的视频质量评价方法只局限于评估视频的空域失真而忽略了其时域失真,提出了基于空时域失真测度的视频质量评价方法.实验结果表明,本算法相比常用的4种视频质量评价算法具有更好的评价性能.
  • 为提高客观视频质量评价算法与主观评价间的相关性,提出一种基于小波的视频质量评价模型。根据人眼对图像高低频失真的敏感度不同,利用小波变换的近似系数和细节系数,采用不同方法计算各帧图像的高频和低频失真量,...
  • 开源视频质量评价工具 Evalvid
                   
    Evalvid是一个对在真实或模拟的网络里传输的视频进行质量评价的框架和工具集。除了底层网络的QoS参数的测量,如丢包率,延迟,抖动,Evalvid还提供标准的视频质量评价算法如 PSNR和 SSIM。它视频编码方面支持 H.264, MPEG-4和 H.263。音频编码方面支持 AAC。Evalvid是开源的,由jirka klaue编写。
    出品Evalvid的机构:TKN - the Telecommunication Networks Group,是 柏林工业大学的 电气工程和计算机科学 学院。
    Evalvid中的PSNR工具用于计算原始序列与受损序列之间的PSNR或者SSIM。
    PS:虽然名字叫“PSNR”,实际上是可以计算SSIM的,在命令行后面添加参数“ssim”即可。
    命令格式:
    psnr x y <YUV format> <src.yuv> <dst.yuv> [multiplex] [ssim]x             视频宽度y             视频宽度YUV format    420, 422src.yuv      原始序列dst.yuv      受损序列[multiplex]   可选[ssim]       可选:计算SSIM而不是PSNR

    使用示例(YUV格式:宽高为480x272,采样格式YUV420P,受损视频为src01_480x272_0.100.yuv,原始视频src01_480x272.yuv):
    计算PSNR:
    psnr 480 272 420 src01_480x272_0.100.yuv src01_480x272.yuv > ref_psnr.txt
    计算SSIM:
    psnr 480 272 420 src01_480x272_0.100.yuv src01_480x272.yuv ssim > ref_ssim.txt
    计算PSNR截图:
    计算SSIM截图:
    计算结果可以导入Excel进行处理。
    PSNR结果:

    SSIM结果:

     
               

    再分享一下我老师大神的人工智能教程吧。零基础!通俗易懂!风趣幽默!还带黄段子!希望你也加入到我们人工智能的队伍中来!https://blog.csdn.net/jiangjunshow

    展开全文
  • 如何确定一个视频质量的好坏一直以来都是个棘手的问题。...本文正是要介绍一下其中的一种方法:VQM,并且总结了一些有关VQM视频质量评价方法的资料。VQM方法给出的客观分数比较符合主观感受,属于比...
  • 基于卷积神经网络的时空融合的无参考视频质量评价方法.pdf
  • 网络游戏-基于3D卷积神经网络的立体视频质量评价方法.zip
  • 图像和视频质量评价简介

    千次阅读 2015-10-12 09:55:36
    图像和视频质量评价
  • 网络游戏-基于双流卷积神经网络的虚拟现实视频质量评价方法.zip
  • 网络游戏-基于3D卷积神经网络的虚拟现实视频质量评价方法.zip
  • 在全参考或者部分参考的视频质量评价算法中,由于视频序列在传输过程中总会存在丢帧、跳帧、停滞等现象,因此在视频质量评价之前进行的帧对齐处理是非常重要的步骤.提出了一种新的帧对齐算法,该方法在国际电信联盟...
  • 综述-无参考视频质量评价(NR-VQA)

    千次阅读 2019-07-06 22:45:52
    笔者仅就2012年开始的一些无参考视频质量评价做一个小结,2012年之前的方法不会囊括,2012年以后的也不可能都包含,单纯基于码流以及混合预测模型的不会包含于此。 无参考视频质量评价(NR-VQA)和全参考基本共享...
  • 目前最常用的图像视频质量评价方法是均方误差(MSE:Mean Square Error)和峰值信噪(PSNR:Peak Signal Noise Ratio)。MSE和PSNR的优点是MSE和PSNR的计算比较直观、严格、简单,这使得它们一直得到广泛使用。缺点是...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 23,332
精华内容 9,332
关键字:

视频质量评价