如何用自动脚本测试进行视频的质量分析 (1)

客观度量视频质量是逐帧进行的，故视频序列必须时间对齐。由于通常并没有色栅/校准条，ClearView从一个视频帧开始，并将该帧放到视频序列中的另一个帧中，使之具有最小的差和(sum-of-difference)。ClearView然后进行修整使视频序列时间上对齐。

空间水平对齐

1932年创立的隔行视频，用来减小因CRT在刷新时间内无法遍及整个屏幕所引起的颤动。在数字电视规范中也用了隔行视频，因为对于一定的线数和刷新时间，可以将信号带宽降低一半。但是，只有CRT才可以显示隔行视频。于是，只有通过去隔行才能在DLP、LCD和等离子电视上显示隔行视频。由于去隔行算法的影响，处理单元将会引起几个像素的水平移位。ClearView中包括一个算法，用来确定帧位移量并适当地调整窗口尺寸。

空间竖直对齐

基于DCT的压缩算法- MPEG、JPEG和VC-1，要求视频必须可按16像素进行划分。由于块大小的限制，NTSC视频从486线缩至480线，而HD 1080视频实际上被压缩到1088线。由于压缩视频之间尺寸以及显示视频窗口不匹配将引起竖直偏移。ClearView包括一个算法来确定帧偏移量并适当地调整窗口尺寸。

色彩保真度损失

如果视频是通过模拟源(分量视频、复合视频或S端口)输出，则由于模数变换将会引起色彩的轻微偏差。ClearView将采用一个线性归一化偏置来补偿这一影响。

音视频同步

在电视领域中，通常引起音视频同步问题的原因是由于对电视节目的视频部分进行了大量处理所致，通常由视频压缩编解码产生。ClearView测量视频源和处理后的A/V序列之间的时间偏移，然后对压缩解码器提供一个偏移量来补偿处理延迟。

视频质量评估

当今，视频设备制造商凭主观验证视频质量。主观测试具有创造性但无法很好地量化。如何测试成千上万套设备？如何进行回归测试？如何根据主观反馈来矫正测试设备和增加功能？

我们曾经提出这样的问题―人眼评测客观吗？文中指出主观视频分析只能作为视频质量的精确评估(aka，将视频序列提供给一组专家)。然而，主观视频分析只能用于开发和评估，而无助于操作监控、生产线测试、故障定位，以及设备特定的可重复性测量。对定量的、可重复性视频分析的需求都需要客观的视频质量测试。

最小可觉差法

ClearView采用众所周知的人体视觉系统，即最小可觉差法 (JND)来客观地评估视频质量。JND根据算法来预测视频质量，这些算法的根据是对数以百计的评估专家的观测进行建模，并根据观测距离、感知的缺陷、观测角度以及电视显示器尺寸等进行打分。

开始时，记录下面两个视频序列：

1. 视频源序列

2. 处理后的视频

在开始JND之前，视频在时间上和空间上被对齐，模拟噪声被归一化。我们的JND产生一个平均评价得分(MOS)，分值等级从0到100，小于5为视频质量优异。(有关JND的更多信息，请查阅Sarnoff实验室的白皮书)。

计算一个JND的主要目的是自动地评估观测者平均评估得分，不过得到用户评估的最好的方法还是直接询问他们！使用ClearView的最简单方法就是在相同条件下，在同一显示器上观测比较两个视频序列，并主观地决定哪一个更好。视频可以分屏显示、无缝分屏，镜像分屏(蝶形)，或A-B(源-结果)方式，分割可以是水平分割，也可以是竖直分割。回放支持用于深入分析的缩放、慢动作、穿梭，以及暂停，下面给出了一些显示模式。

回归测试