道路交通閉路電視監視系統的視頻圖像質量評價方法研究

李響，代東林

（招商局重慶公路工程檢測中心有限公司）

1 引言

在道路交通中，閉路電視（Closed-Circuit Television，CCTV）監視系統作為車輛檢測器等其他信息采集設備的有益補充，使用視頻監控手段對重要地點或區域的車流密度、交通流量以及道路使用狀況進行監視，及時獲取交通阻塞的現場畫面并上傳至監控室，使運營管理人員迅速準確地辨別事故類型及嚴重程度，以此為交通應急和控制策略的制定提供可靠的依據。

視頻圖像質量是衡量道路交通CCTV 監視系統好壞的一項關鍵技術指標。實際應用中，有很多因素會影響到系統圖像質量。例如，攝像機分辨率低、鏡頭焦距不合適或者低環境照度適應性差等將導致前端采集的原始圖像質量下降。線纜距離過長、接頭數量太大或接地保護不牢固等，將引起傳輸通道的圖像信號衰減量增加，顯示設備硬件老化、刷新頻率過低或可視角度小等也會使監控人員最終觀察到的圖像質量受到影響。因此，開展CCTV 監視系統的圖像質量檢測及評價，對監視系統的質量把關和圖像改善具有很重要的現實意義。總體來看，圖像質量評價方法可以分為主觀評價和客觀評價兩大類。

2 主觀評價方法

主觀評價方法是讓觀察人員持續觀看一系列圖像，依據事先規定的評價要求或個人經驗，對測試的圖像依照視覺效果進行質量判斷并給予質量評分，而后再對全部獨立觀測者給出的評分結果加權，得到最后的主觀評價結果。國際電信聯盟在ITU-Rec.BT.500-11 建議書中，提出了電視圖像質量主觀評測的整套方法，并詳細描述了主觀評價的各環節要素及測試參數配置，包括監視器亮度對比度、環境照度、觀看距離、測試素材、觀測時間以及參與實驗的最少人數等，以確保所有實驗人員在完全相同的條件下進行觀測和質量評分。

我國也制定了有關主觀圖像質量評價的標準文件。《民用閉路監視電視系統工程技術規范（GB 50198-2011）》指出：圖像質量的主觀評價可采用五級損傷制評定，且評分分級應符合表1 的規定。對于道路交通CCTV 監視系統的主觀圖像質量評價，交通運輸部頒布的《公路工程質量檢驗評定標準（JTG F80/2-2004）》中，主觀評價的相關規定與GB 50198-2011 基本相同。

表1 圖像質量的五級損傷制評分分級

主觀圖像質量評價方法，因為人是圖像的最終消費者所以顯得最為可靠，但是也存在明顯的不足。

①容易受到評價人員的背景知識、觀察動機和情緒狀態的影響，沒有辦法實現可重復的精確測量；

②為了盡量使主觀評價準確客觀，需要很多的人來作為觀察者，如GB 50198-2011 規定評價人員不少于15 人，人力成本就會很高而且可操作性較差。

所以，與主觀評價方法相比，客觀圖像質量評價方法獲得了人們的更多 關注。

3 客觀評價方法

3.1 全參考評價方法

全參考評價方法在評測圖像質量時，需要用到參考圖像的所有像素取值信息。基于均方誤差、信噪比或峰值信噪比等像素級特性的評價算法，計算簡便且物理意義明確，成為了當前最普遍使用的全參考判定準則。然而，峰值信噪比等傳統評價指標只給出數學和物理意義上的數值，與圖像的視覺感知質量之間沒有必然聯系。

針對這一不足，Mannos 和Sakrison于1974 年提出了一個與對比度敏感函數非常接近的敏感度表達式，用來作為灰度圖像全參考質量評價模型，開創了運用人類視覺系統（Human Visual System，HVS）理論架構進行圖像質量評價的先河。美國學者Wang 等人研究認為，HVS 的主要功能是提取視場中的結構信息，且HVS 對視場內信號結構的改變具有高度的自適應性[1]。基于此提出了一種度量待評圖像與參考圖像之間結構相似性的方法即著名的結構相似度（Structural Similarity，SSIM）評價算法。基于HVS 和SSIM 的圖像質量評價算法作為全參考評價的研究熱點，獲得了快速發展并產生了許多優秀的科研成果[2]。

3.2 半參考評價方法

半參考評價方法是在待評圖像和參考圖像上各自施加某種運算，分別得到少量的統計數據或某些關鍵特征，并對它們進行對比分析來實現圖像質量的評估。其所選統計數據或關鍵特征需要具有以下三方面條件。

①可以出具參考圖像的有效總結；

②對圖像失真敏感；

③與人類對圖像質量的視覺感知 一致。

基于模擬圖像失真的思想，Kusuma等人提出一種半參考混合質量評價模型，分別評價圖像壓縮產生的平滑、塊噪聲、振鈴效應、掩蔽和塊缺失等失真程度，再將評價結果加權融合得到最終的評分，獲得了較為準確的評價結果。對于傳輸過程導致的圖像失真，與基于模擬圖像失真的算法相比，基于模擬HVS 的圖像質量評價算法[3]，無須對圖像的失真類型進行限定，通用性更加廣泛。其基本思路是計算圖像對底層視覺模型的響應，得到多尺度或多方向的子帶，再從每個子帶提取視覺特征用于比較相似度，實現圖像質量的半參考評價。遺憾的是，當前基于模擬HVS 的評價算法還停留在對JPEG 和JPEG200 壓縮圖像的質量評價上。

3.3 無參考評價方法

無參考評價方法是不需要借助任何參考圖像信息，直接對失真圖像進行質量測評的客觀方法，非常適用于網絡終端圖像質量的實時評價，具有更廣闊的應用前景。無參考評價方法，根據是否運用先驗知識進行訓練和學習，可進一步分為基于機器學習的方法和無需學習的方法。文獻[4]是當前性能最優的幾種基于學習的圖像質量評價方法，分別在幾種可以學習的失真類型上取得了較好的評價性能。考慮到圖像失真類型太多，基于機器學習的方法通用性和推廣性受到極大限制，無需學習的通用無參考圖像質量評價方法顯得更為實用。最新的無需學習無參考質量評價算法主要有Mittal 提出的基于潛在質量因素的評價算法[5]，以及Li 提出的基于質量感知相關特征的評價算法[6]。

4 圖像質量評價產品現狀

考慮到圖像質量客觀評分的實際需求，國外研制的多套視頻圖像分析系統均提供了五分制客觀評價功能。例如Tektronix 公司的VQS1000，在檢測視頻黑幀、宏塊和壓縮失真的基礎上，對圖像質量進行無參考評分。由于VQS1000忽略了前端采集對末端圖像質量的影響，且考慮的失真類型極少而不全面，評分結果的準確性有待改進。

Tektronix 公司以視頻圖像質量感知評分為主打功能的經典產品PQA600B，以 及Video Clarity 研 制 的Clear View 系列產品，都是通過專用輔助設備在被測設備的輸入端播放標準視頻圖像，輸出端收集待評價視頻圖像，來實現全參考和無參考相結合的質量評價，其評分結果與主觀評分的一致程度較高。

值得注意的是，國內暫無視頻圖像質量客觀評分的成熟產品，僅有華為等少數公司對圖像質量客觀評價的裝置及系統實現進行研究。從實際需求角度，現有產品由于系統硬件和評價算法等因素限制，無法將道路交通CCTV 監視系統視為整體，直接對監視器畫面完成圖像質量評分。

5 展望

基于上述分析，針對道路交通CCTV 監視系統的圖像質量評價，受原始參考圖像的完整信息無法獲取的實際情況，從以下兩方面開展視頻圖像質量的無參考評價方法研究，將是未來評價技術發展的主流方向：

①將監視系統視為整體，模擬人眼主觀評價方式，直接對監視器上的視頻圖像進行拍攝和質量測量并以五分制表示評價結果，使評價結果簡潔直觀且符合觀察人員的主觀感受。

②兼顧模擬和數字兩種監視系統，測量無參考方式下的圖像質量可懂度指標，并借助靶標圖像測量半參考方式下的幾何失真等圖像質量保真度指標，使得評價指標體系更加科學完善，提高評分結果的準確性和穩定性。