针对客观视频质量的实时测量进行图像质量分析

图像质量分析即测量视频流的整体。 因此汇集了专业技术人员观看视频，并以其专业的主观角度评分，设立了Differential Mean Opinion Scores (DMOS)。 但此方法仍有许多待解的难题，如训练技术人员的成本，还有操作人员观看屏幕的重复性成本。 另一个重大挑战则是关于主观测试的质量。 在制造过程中，根本不可能聘请视频质量专家观看各组设备的生产细节，只能让水平较差的操作人员观看视频并评分。 因此如分心、疲劳、眼睛过度刺激等人为因素，均会降低产品品质而让劣质品过关，由此促使了工程师必须重新设计影像测试的方法。

较好的图像质量分析方式，即必须能重复套用客观的测量方式，以测量音频与视频的质量。 目前有多种算法，均与专业操作人员的主观评分相关。常见的两种测量之一为峰值信噪比 (PPSNR)，它是以均方差 (MSE)以及德州大学图像与视频工程实验室(LIVE)的Al Bovik教授和其团队，所设定的结构相似性(SSIM)指数为构架。 此项指数已成为最具公信力的视频质量测量指数。 只要套用如PSNR与SSIM算法，即可通过自动化、可重复的测量方法，轻松评定视频质量。

图4. 爱因斯坦照片的比较，代表了不同的失真程度： a) 参考图像, b)平均对比伸展, c)亮度平移, d)高斯噪音污染，e)脉冲噪音污染, f)JPEG压缩, g)模糊, h)空间缩放 (缩小), i)空间平移 (向右), i)空间平移 (向左), k)旋转 (逆时针), l)旋转 (顺时针)。

另一种视频质量测试方法是测量视频与音频内容的特定假影。 此时可套用特定瑕疵算法，以找出视频中的特定错误，如方格或帧像停滞/遗失。 许多生产应用不太需要如PSNR或SSIM的高性能测试。 反之，往往仅需确认没有产生宏区块、声频切割、视频停滞即可。 通过特定瑕疵的测量，即可迅速决定该款设备是通过还是失败。

具备NI Picture Quality Analysis软件的NI Digital Video Analyzer能够测量特定瑕疵，也可达到如PSNR与SSIM的高图像质量测量。 通过用户定义的测量，即可套用自定义的算法，以建立完全自定制的图像质量分析应用。

图5. 针对水平与垂直空间中的宏区块，需采集并分析1080p60的视频流。

参考与无参考测试

针对视频/音频流，进行图像质量分析测量的方法目前有三种。

1. 无参考测试: 不论图像内容如何，此方式可将测量套用至任何系统。 而此测量方式的挑战之处在于，因分析图像内容的不同，测量结果的差异也相当大。