Аналитический обзор метрик, используемых для оценки качества мультимедийной информации

DOI:

При проведении оценки качества передаваемой мультимедийной информации необходимо произвести измерение какой-либо метрикой, и посмотреть полученный результат, а также, сравнить его с субъективной оценкой. Объективная метрика представлена в стандарте ITU-R-ВТ.500-8.11, которая различными методами и свойствами определять и ставить ту оценку, которую высчитывает метрика. Самыми простыми и популярными объективными метриками являются: PSNR, VQM, PQR и SSIM. В исследовании были протестированы метрики PSNR и VQM [1].

PSNR (peak signal-to-noise ratio) является самой популярной метрикой, оценивающей потери качества изображений. При вычислении PSNR мы получаем числовое значение, указывающее на отношение максимально возможного сигнала к уровню шума. Уровень искажений в данной метрике определяется через среднеквадратичную ошибку (MSE), вычисляемую по формуле:

m –1 n –1                       ₂

MSE = — ££| / ( i , j )- K ( i , j ) . mn i = о j = о

После чего PSNR вычисляется по следующей формуле:

PSNR = 10(

MAX_I ² MSE

) = 20(

MAX _{I )} MSE ^).

VQM (Video Quality Metric) – метрика, которая дает оценку искажениям, появляющимся при прохождении сетевых пакетов через систему передачи. К ним относятся ошибки декодирования сигналов или погрешности кодирования.

Принцип действия данной метрики заключается в прохождении двух видеофрагментов (оригинал и искаженная версия) одинакового набора блоков, осуществляющих выборку данных и вычисление различных показателей качества.

Взяв из свободного доступа небольшой видеофрагмент, мы поместили его в программу MSU Video Quality Measurement Tool, предоставляющую различные методы оценки качества эталонного видео. При использовании специального программного обеспечения, MSU позволяет получить качество видео путем расчета и сравнения параметров между исходным видео и искаженным. Данная программа представлена на рисунке 1.

Для того чтобы сымитировать качество изображения реальной видеоконферен- цсвязи, необходимо сжать исходное изображение. Так как в процессе сжатия уменьшается размер изображения, то уменьшается и количество времени, за которое данное изображение будет доставлено адресату по линии связи. Сжатие изображений подразделяют на:

• –    сжатие с потерями качества;

• –    сжатие без потерь.

Последнее часто предпочтительней для искусственно построенных изображений, таких как графики, иконки программ, либо для специальных случаев, например если изображения предназначены для последующей обработки алгоритмами распознавания изображений. Алгоритмы сжатия с потерями при увеличении степени сжатия, как правило, порождают хорошо заметные человеческому глазу недостатки [1].

Немаловажным параметром также является применение соответствующих кодеков для сжатия и обработки видеоинформации. Под конкретную услугу используется конкретный кодек. В нашем случае был выбран кодек Н264, поскольку метрика PSNR применяется для расчета потерь на изображениях невысокого качества [3].

Рис. 1. Главный экран программы MSU

Оценим данное видео метрикой PSNR, представленное на рисунке 2.

На изображении справа мы видим цветовой диапазон потерь качества. Зеленым цветом обозначены сильные запаздывания видео, обусловленные движением девушки на кадре. Красным цветом обозначены незначительные изменения, которые могут возникнуть при изменении освещения в момент движения камеры. Черный цвет говорит нам об отсутствии каких-либо изменений.

Поскольку многие сигналы имеют широкий динамический диапазон, PSNR обычно измеряется в логарифмической шкале в децибелах. PSNR наиболее часто используется для измерения уровня искажений при сжатии изображений [5].

Оценим данное видео метрикой VQM, представленное на рисунке 3.

Метрика визуального качества оценивает такие искажения, как размытие, задержка кадра, отставание звука. Числовой показатель VQM, равный 0,9, соответствует серьезным искажениям, тем не менее позволяющий рассмотреть детали изображения. Показатель, равный числу больше единицы, означает то, что изображение очень низкого качества [4].

Мы получили числовые значения / показатели объективной оценки качества видеоданных. Они используются для сравнения с объективной оценкой. Безусловно, визуальное восприятие важно для любого поставщика услуг видеоконференцсвязи, но, получив более точные данные об отклонениях в том или

Рис. 2. Полученные измерения метрикой PSNR

Рис. 3. Полученные измерения метрикой VQM

ином параметре, используя объективные техники измерений, он может уже сейчас начать работать над улучшением предоставляемых услуг, а это сказывается на качестве услуги (популярность услуги, признание обществом как лучшей, масштабность приобретения услуги), а вследствие и финансовом благополучии организации [2].