在衡量視頻質(zhì)量的測(cè)量中

1、在衡量視頻質(zhì)量的測(cè)量中，為了指導(dǎo)視頻處理，我們定義了一個(gè)能測(cè)量原始信號(hào)與處理后信號(hào)之間的差別和客觀標(biāo)準(zhǔn)。這個(gè)標(biāo)準(zhǔn)是很重要的，它可以測(cè)量由壓縮引起的失真。理想情況下，這種測(cè)量應(yīng)該與兩個(gè)視頻序列之間感覺(jué)上的差異相關(guān)聯(lián)。但實(shí)際是不可能的，為了計(jì)算方便，目前大多數(shù)視頻處理系統(tǒng)的設(shè)計(jì)是使兩個(gè)視頻序列1和2之間的均方差（MSE）最小化，它定義為：MSE=e2=1Nkm,n(1m,n,k-2(m,n,k)2這里N是每個(gè)序列中的總像素?cái)?shù)。代替MSE以分貝（dB）為單位的峰值信噪比（PSNR）更 經(jīng)常用于視頻質(zhì)量測(cè)量當(dāng)中。它是這樣定義的：PSNR=10log10max2e2這里max是視頻信號(hào)的峰（最大）強(qiáng)度值

2、。實(shí)際過(guò)程中，為了減少計(jì)算量，常常用來(lái)代替MSE的一種測(cè)量是平均絕對(duì)誤差（MAD），它定義為：MAD=1Nkm,n|1m,n,k-2m,n,k|雖然MSE和MAD與圖象間的感覺(jué)失真的相關(guān)性不是很好，但是它們?cè)谝曨l編碼和處理、運(yùn)動(dòng)補(bǔ)償預(yù)測(cè)以及圖象恢復(fù)過(guò)程中都發(fā)揮著不可或缺的作用。本實(shí)驗(yàn)中主要是應(yīng)用于二維運(yùn)動(dòng)估計(jì)當(dāng)中。在基于像素的二維運(yùn)動(dòng)估計(jì)中，必須估計(jì)每一個(gè)像素的MV，然而實(shí)際存在的問(wèn)題是，我們必須施加平滑約束以使問(wèn)題正則化。在已估計(jì)的運(yùn)動(dòng)場(chǎng)上施加平滑約束的一種方法是把圖象域分割成互相不重疊的稱(chēng)為塊的小區(qū)域，并且假定每一塊內(nèi)的運(yùn)動(dòng)都可以用一個(gè)簡(jiǎn)單的參數(shù)模型特征化。如果足夠小，那么這種模型是相當(dāng)精

3、確的。在最簡(jiǎn)單的情況下，每一個(gè)塊的運(yùn)動(dòng)被假定是恒定的，即整個(gè)塊進(jìn)行平移。這稱(chēng)為塊平移模型。這時(shí)候運(yùn)動(dòng)估計(jì)問(wèn)題是為每一個(gè)塊尋找一個(gè)MV。這種類(lèi)型的算法被共同地稱(chēng)為塊匹配算法（BMA）。實(shí)驗(yàn)原理： 在錨定幀m中給定一個(gè)圖象塊，此時(shí)的運(yùn)動(dòng)估計(jì)問(wèn)題是在目標(biāo)幀中確定一個(gè)匹配的m，使得這兩個(gè)塊之間的誤差為最小。這兩個(gè)塊的空間位置之間的位移矢量dm是這個(gè)塊的MV。在塊平移模型下，w(x;a)=x+dm,xm，所以這時(shí)候基于位移幀差準(zhǔn)則的目標(biāo)函數(shù)可以寫(xiě)為：E(dm,mM)=mMxm|2x+dm-1(x)|p因?yàn)閷?duì)于一個(gè)塊所估計(jì)的MV只影響這個(gè)塊的預(yù)測(cè)誤差，所以我們可以通過(guò)使每個(gè)塊的累積預(yù)測(cè)誤差最小化來(lái)個(gè)別地估

4、計(jì)每個(gè)塊的MV，即：Emdm=xm|2x+dm-1(x)|p確定使這個(gè)誤差為最小的dm的一種方法是使用窮盡搜索，這種方法被稱(chēng)為窮盡匹配算法（EBMA）。即給定錨定幀的一個(gè)塊m確定最優(yōu)dm的方法是，在一個(gè)預(yù)先定義的搜索區(qū)域內(nèi)，把它與目標(biāo)幀中所有的候選塊m進(jìn)行比較，并且尋找具有最小誤差的一個(gè)。這兩個(gè)塊之間的位移就是所估計(jì)的MV。1 、整像素算法（1）、實(shí)驗(yàn)程序運(yùn)用Matlab語(yǔ)言編寫(xiě)%f1: anchor frame; f2: target frame, fp: predicted image;%mvx,mvy: store the MV image%widthxheight: image siz

5、e; N: block size, R: search rangef2=imread('carcar1.bmp');f1=imread('carcar2.bmp');fp=0;figure,imshow(f2),title('target');figure,imshow(f1),title('anchor')N=16;R=16;height=256;width=256;for i=1:N:height-N+1for j=1:N:width-N+1 %for every block in the anchor frame % for

6、 every block (i,j), culculate the best matching block (i+k,j+l) in the rectangle scope% (i-R,j-k),(i+R,j+k)MAD_min=256*N*N;dy=0;dx=0;for k= -R:1:R,for l= -R:1:R %for every search candidate if i+k<1 MAD=256*N*N; elseif i+k>height-N MAD=256*N*N; elseif j+l<1 MAD=256*N*N; elseif j+l>width-N

7、 MAD=256*N*N; else% calculate MAD for this candidate MAD=sum(sum(abs(double(f1(i:i+N-1,j:j+N-1)-double(f2(i+k:i+k+N-1,j+l:j+l+N-1); endif MAD<MAD_minMAD_min=MAD;dy=k;dx=l;end;end;end;%put the best matching block in the predicted imagefp(i:i+N-1,j:j+N-1)= f2(i+dy:i+dy+N-1,j+dx:j+dx+N-1);iblk=floor

8、(i-1)/N+1); jblk=floor(j-1)/N+1); %block indexmvx(iblk,jblk)=dx;mvy(iblk,jblk)=dy; %record the estimated MVend;end;figure,imshow(uint8(fp),title('predict');% figure,quiver(mvx,mvy);title('move vector');X,Y=meshgrid(N/2:N:256-N/2);Y=256-Y;figure,quiver(X,Y,mvx,mvy),title('motion v

9、ector');diff=abs(double(f1)-fp);figure,imshow(uint8(diff),title('diff');PSNR=20*log10(255)+20*log10(256)-10*log10(sum(sum(diff.*diff); （2）、實(shí)驗(yàn)結(jié)果 a、目標(biāo)幀 b、錨定幀 c、預(yù)測(cè)幀 d、diff e、整像素精度的運(yùn)動(dòng)場(chǎng)2、半像素算法（1）、實(shí)驗(yàn)程序運(yùn)用Matlab語(yǔ)言編寫(xiě)%f1: anchor frame; f2: target frame, fp: predicted image;%mvx,mvy: store the MV i

10、mage%widthxheight: image size; N: block size, R: search rangef2=imread('carcar1.bmp');f1=imread('carcar2.bmp');N=16;R=16;a,b=size(f1);f3=zeros(2.*a,2.*b);f4=f3;fp=f3; for i=1:a for j=1:b f3(2.*i-1,2.*j-1)=double(f1(i,j); f4(2.*i-1,2.*j-1)=double(f2(i,j); endendfor i=2:2:(2.*a-1) for

11、j=1:2:(2.*b-1) f3(i,j)=(f3(i-1,j)+f3(i+1,j)./2; f4(i,j)=(f4(i-1,j)+f4(i+1,j)./2 ; endendfor i=1:(2.*a-1) for j=2:2:(2.*b-1) f3(i,j)=floor(f3(i,j-1)+f3(i,j+1)./2+1./4); f4(i,j)=floor(f4(i,j-1)+f4(i,j+1)./2+1./4); endendfor i=2:2:(2.*a-1) for j=1:2:(2.*b-1) f3(i,j)=floor(f3(i,j)+1./2); f4(i,j)=floor(f

12、4(i,j)+1./2); endendfor j=1:(2.*b-1) f3(2.*a,j)=f3(2.*a-1,j).*2-f3(2.*a-2,j); f4(2.*a,j)=f4(2.*a-1,j).*2-f4(2.*a-2,j); endfor i=1:2.*a f3(i,2.*b)=f3(i,2.*b-1).*2-f3(i,2.*b-2); f4(i,2.*b)=f4(i,2.*b-1).*2-f4(i,2.*b-2); end for i=1:(2*N):(2*a)for j=1:(2*N):(2*b) %for every block in the anchor frame % f

13、or every block (i,j), culculate the best matching block (i+k,j+l) in the rectangle scope% (i-R,j-k),(i+R,j+k)MAD=256*2*N*2*N;dy=0;dx=0;for k= -(2*R):1:(2*R)for l= -(2*R):1:(2*R) %for every search candidate if i+k<1 min=256*2*N*2*N; elseif i+k>2*b-2*N min=256*2*N*2*N; elseif j+l<1 min=256*2*

14、N*2*N; elseif j+l>2*a-2*N min=256*2*N*2*N;else% calculate MAD for this candidate min=sum(sum(abs(double(f3(i:i+2*N-1,j:j+2*N-1)-double(f4(i+k:i+k+2*N-1,j+l:j+l+2*N-1);endif MAD>min MAD=min;dy=k;dx=l;end;end;end;%put the best matching block in the predicted imagefp(i:i+2*N-1,j:j+2*N-1)= f4(i+dy

15、:i+dy+2*N-1,j+dx:j+dx+2*N-1);iblk=floor(i-1)/(2*N)+1); jblk=floor(j-1)/(2*N)+1); %block indexmvx(iblk,jblk)=dx;mvy(iblk,jblk)=dy; %record the estimated MVend;end;for i=1:2:2*afor j=1:2:2*b %for every block in the anchor frame fp1(i-1)/2+1,(j-1)/2+1)=fp(i,j);end;end;figure,imshow(f2),title('target');figure,imshow(f1),title('anchor')figure,imshow(uint8(fp1),title('predict');% figure,quiver(mvx,mvy);title('move vector');X,Y=meshgrid(N/2:N:a);Y=b-Y;figure,quiver(X,Y,mvx,mvy),title('motion vector');diff=abs(double(f1)-double(fp1);figure,imsho