论文部分内容阅读
作为三网融合(triple play)的标志性应用之一,IPTV正在全世界范围内迅速发展。IPTV具有大带宽,实时性强的特点,对IP网络的要求很高,而IPTV承载在“尽力而为”的IP网络上。在这种模式下,就会产生拥塞现象,这使得用户的体验质量QoE(Quality of Experience)得不到保障,丧失很多潜在用户。在逐步取代传统电视成为市场主流的过程中,用户希望能够获得和传统电视相当甚至更好的视频质量和用户体验,同时IPTV运营商也迫切需要一种实时的视频质量评估方法来评价自己的服务水平,从而能够帮助其自身把握客户需求,改进服务并最终提高其参与市场竞争的能力和水平。针对视频质量主观评估方法准确但是耗费大量的人力物力,客观评估方法简单但是不能准确地反映用户的主观体验的缺陷,本文提出了一种将视频质量主观评估方法的准确性和客观评估方法的自动性结合起来,用BP神经网络来评价IPTV视频质量的方法:NIVC-BP(video quality assessment based on NetworkInjured and Video Character using BP neural network)。NIVC-BP算法思想是:首先根据仿真实验数据,用BP神经网络的方法确定视频序列的参数(时空特性、帧率)和QoE评分的关系,其次在实时环境中,对接收到视频的压缩域进行分析,提取出采样时间内视频序列的参数(时空特性、帧率),输入训练好的BP神经网络,最后得出视频的QoE评分。由于NIVC-BP方法是一种无参考的方法,因此适合于实时地评估视频质量,能够应用于IPTV视频业务质量监控中去。NIVC-BP方法的创新点主要有:1.将视频质量的主观评估方法和客观评估方法充分结合起来,既有主观评估的准确的特点,又有客观评估的简单、能够自动执行的特点;2.提取出视频压缩域的信息进行分析,无需参考原始视频,是一种无参考的视频质量评估方法,能够应用于实时的IPTV视频质量评估;3.用BP神经网络的方法来建立视频序列参数和视频质量的关系,准确性好,同时本方法可行性高,不需进行复杂的运算。本文的主要研究成果可以归纳为:1.提出了一种基于网络损伤和视频特征,以BP神经网络来评估视频质量的方法——NIVC-BP,并给出了这种方法的实现;2.通过仿真实验,用BP神经网络的方法建立了视频序列的参数(时空特性,帧率)和QoE评分的关系;3.选取了时间变化度和空间复杂度这两个特征来进行视频特征分析,并给出了在采样时间内视频序列的时间变化度和空间复杂度的计算方法;4.给出了视频实际解码的帧率(即采样时间内能够正常解码的视频序列的帧数)的计算方法;5.在以上工作的基础上,将本方法应用到IPTV视频质量监控系统中,完成了具体方案的设计。