楊付正，萬帥

（1.西安電子科技大學 ISN國家重點實驗室，陜西 西安 710071；2.西北工業(yè)大學 電子信息學院，陜西 西安 710072）

1 引言

隨著通信技術的發(fā)展，網絡已經自然而深刻地融入人類的日常生活和工作。人們希望借助于泛在網絡，隨時隨地通過語音、圖像以及視頻等多種方式進行靈活通信。由于視覺信息直觀、生動，因此網絡視頻業(yè)務受到了人們的廣泛青睞，成為網絡提供的主要業(yè)務應用之一。

網絡視頻業(yè)務占用帶寬資源較多、實時性要求較高，并且對分組丟失、時延、抖動等網絡特性非常敏感，尤其是時變的網絡特性嚴重影響網絡視頻業(yè)務的質量。通過對網絡視頻質量的監(jiān)控和反饋，可以調節(jié)編解碼器或信道的參數(shù)，改善傳輸視頻的服務質量。因此，需要實時準確地對網絡視頻服務質量進行監(jiān)控，獲得反映用戶感受的視頻體驗質量。有效的網絡視頻質量評估已經成為網絡視頻業(yè)務發(fā)展的迫切需要，國際標準化組織ITU-T、VQEG等正在致力于相關研究的標準化工作[1～4]。

傳統(tǒng)的服務質量(QoS, quality of service)只反映網絡性能參數(shù)，如帶寬、分組丟失率、延時、抖動等。由于網絡壓縮視頻流極易受分組丟失等網絡狀況的影響，且數(shù)據分組丟失對視頻質量的影響與分組丟失的位置、視頻的內容密切相關，分組丟失率等QoS參數(shù)無法準確反映網絡視頻的體驗質量(QoE, quality of experience)[5]。主觀質量評估[6]可以準確地反映視頻的體驗質量，但是主觀評估需要嚴格的測試環(huán)境，易受人為因素影響，實施步驟復雜，代價昂貴，且實時性不好，無法應用于實時視頻通信中的質量評估?？陀^質量評估方法更適用于網絡視頻業(yè)務，客觀網絡視頻質量評估方法研究已經成為了視頻技術研究領域的熱點和難點[7,8]。

評估網絡視頻的質量還需要考慮分組丟失、時延、抖動等網絡因素，而各因素對視頻質量的影響與視頻的多種特性相關。同時，網絡狀況的時變性也為準確評價網絡視頻質量增加了困難。本文重點介紹各類網絡視頻質量評估方法及關鍵技術。

本文首先介紹網絡視頻質量評估方法的分類及應用場景，進而綜述不同網絡視頻質量評估方法的關鍵技術。第 2節(jié)介紹網絡視頻質量評估方法的分類及應用場景。第3～7節(jié)分別介紹應用于評估網絡視頻質量的基于網絡參數(shù)的規(guī)劃模型、基于分組層分析的評價模型、基于比特流分析的評價模型、基于像素的評價模型以及混合評價模型。最后總結全文。

2 網絡視頻質量評估

影響網絡視頻質量的主要因素為編碼壓縮和數(shù)據分組丟失[7]，如何有效評價壓縮失真和數(shù)據分組丟失對視頻質量的影響是建立網絡視頻質量評估模型的關健環(huán)節(jié)。視頻編碼的壓縮失真由有損壓縮引起，因此視頻的壓縮失真與采用的壓縮標準、壓縮速率等因素直接相關。而網絡數(shù)據分組丟失會導致視頻的相關部分無法直接恢復，且由于視頻壓縮算法通常采用預測方式來提高壓縮效率，單個數(shù)據分組丟失引起的錯誤將會通過預測環(huán)節(jié)進行傳播，進而可能導致連續(xù)多個視頻幀質量的下降。此外，即時性是交互式視頻的特點，因此時延、抖動也是影響交互式視頻質量的關鍵因素。對于確定的網絡視頻傳輸系統(tǒng)，接收終端往往采用緩存機制消除小的時延和抖動，而對具有較大時延的數(shù)據分組做丟棄處理，從而使得時延、抖動對視頻質量的影響也體現(xiàn)為數(shù)據分組丟失。因此本文主要討論數(shù)據分組丟失這一網絡參數(shù)對視頻質量的影響。

根據對原始參考視頻的需求程度，視頻客觀質量評估可以分成3大類:全參考視頻質量評估、部分參考視頻質量評估和無參考視頻質量評估[8]。全參考質量評估方法需要完整的參考視頻，如目前廣泛使用的峰值信噪比(PSNR, peak signal to noise ratio)[9]。部分參考質量評估方法是指提取原始視頻和失真視頻的少量特征信息，然后對特征數(shù)據進行對比分析預測視頻質量[10]。無參考質量評估方法則不需要任何原始視頻信息，通常是分析提取視頻序列中的某些特征失真（如塊效應、模糊等），然后根據特征失真的嚴重程度來預測視頻質量[11]。

網絡視頻通信（如圖1所示）主要包括信源編碼器、承載網絡以及終端解碼播放器。由于編碼端可以方便地得到參考視頻，因此評價編碼器輸出視頻的質量（如A點）可以采用全參考的視頻質量評估方法。而接收終端及網絡節(jié)點往往無法得到完整的參考視頻，因此只能使用無參考或部分參考質量評估方法。其中，網絡節(jié)點通常需要同時對大量視頻流進行質量監(jiān)控（如B點），這就要求所采用的評估方法具有低的計算復雜度，接收終端（如C點）則對計算復雜度要求相對寬松，而解碼后視頻的質量評價（如D點）只能利用重建視頻信息。根據所使用的信息類型，網絡視頻客觀質量評估方法可以具體分為:參數(shù)規(guī)劃模型、分組層評價模型、比特流層評價模型、媒體層評價模型及混合評價模型等[12]。

圖1 網絡視頻通信框架

3 參數(shù)規(guī)劃模型

參數(shù)規(guī)劃模型根據網絡及承載視頻的參數(shù)預測傳輸視頻的質量，該模型通常應用于網絡及業(yè)務規(guī)劃，即在已知網絡狀況的情況下預測傳輸不同參數(shù)視頻流可以得到的視頻質量。由于視頻的質量往往隨著碼率的增加及分組丟失率的減少而增加，早期的方法常利用神經網絡的方式綜合使用網絡和編碼參數(shù)統(tǒng)計預測視頻質量[13]?，F(xiàn)有參數(shù)規(guī)劃模型則分別考慮編碼參數(shù)和網絡特性的影響，如圖2所示，首先根據編碼標準、比特率、幀率等編碼參數(shù)預測視頻的壓縮失真，然后利用分組丟失率預測數(shù)據分組丟失對視頻質量的影響，進而聯(lián)合2種失真評價得到整體視頻質量。

圖2 網絡參數(shù)規(guī)劃模型

對于特定的網絡視頻，當沒有發(fā)生數(shù)據分組丟失時，視頻重構質量完全取決于壓縮失真。根據主觀實驗結果，德國電信提出視頻的壓縮失真評價模型[14]為

其中，R為視頻的壓縮碼率，a1、 a2、 a3為通過訓練得到的參數(shù)。數(shù)據分組丟失造成視頻質量下降為

其中，Ppl為分組丟失率，b0，b1為通過訓練得到的參數(shù)。最后得到視頻的質量為

其中， Qvo為原始視頻的質量，Ires、 Idis分別為視頻空間分辨率變化及顯示過程引起的失真。

NTT則考慮對于一個特定壓縮碼率都有一個最佳編碼幀率，因此結合視頻幀率、壓縮碼率編碼參數(shù)預測只考慮壓縮失真時的視頻質量[15]為

其中，R為壓縮碼率，rF為壓縮幀率，ofr( R)是碼率為R時的最優(yōu)幀率，a( R)是碼率為R且?guī)蕿閛fr( R)時視頻的質量，w( R)是碼率為R時視頻質量受幀率的影響程度。進一步考慮數(shù)據分組丟失，網絡視頻的預測質量為

其中，Ppl為分組丟失率，τ(rF,R) 為碼率為R且?guī)蕿?rR時視頻質量受分組丟失的影響程度。該模型取得了較好的性能，在此基礎了形成了ITU-T標準G.1070[1]。

總體來說，網絡參數(shù)規(guī)劃模型的主要用途是網絡業(yè)務規(guī)劃，利用信道和編碼等參數(shù)從統(tǒng)計角度預測視頻質量。對于某個特定的視頻碼流，使用其具體的信道及編碼參數(shù)，該類模型也可以對其進行質量監(jiān)控[16,17]。然而，由于參數(shù)規(guī)劃模型無法考慮特定視頻流的內容及數(shù)據分組丟失的具體位置等特性，該類模型無法準確監(jiān)測特定網絡視頻流的質量。

4 分組層評價模型

分組層評價模型只允許使用數(shù)據分組的頭信息預測視頻流質量。該類模型由于只分析數(shù)據分組的頭信息，計算復雜度低，適用于網絡節(jié)點監(jiān)控大量視頻流的質量。另外，該模型適用于視頻載荷信息進行過加密的情況。分組層評價模型P.NAMS目前正處在ITU-T標準化進程中[3]。

圖3 分組層評價模型

MPEG 2-TS/RTP/UDP/IP、MPEG 2-TS/UDP/IP、RTP/UDP/IP是目前較常用的視頻流傳輸協(xié)議棧[18～21]。圖3給出了基于RTP/UDP/IP協(xié)議棧視頻流的分組層評價模型框架。該類模型只允許介入視頻數(shù)據分組的頭信息:RTP頭、UDP頭和IP頭，通過分析頭信息提取或預測視頻及網絡參數(shù)，進而評估視頻流的質量。例如，通過UDP頭和RTP頭準確得到視頻分組載荷信息的比特數(shù)，通過RTP頭的序列號得到數(shù)據分組的丟失位置，通過RTP頭時間戳和幀結束標識區(qū)分不同的視頻幀等[22]。

圖4給出了4個QCIF格式的視頻序列（“Claire”、“Mother&daughter”、“Mobile”和“Football”）使用 H.264/AVC標準[23]壓縮后的恢復視頻主觀質量與壓縮碼率的關系，該主觀質量為通過主觀質量評估試驗得到[23]，可以看到視頻主觀質量與壓縮碼率有近似的指數(shù)關系，但不同序列對應的指數(shù)參數(shù)不同，這與不同視頻具有不同的內容特性空域復雜度和時域復雜度有關?？梢姡捎谖纯紤]視頻特性，網絡參數(shù)規(guī)劃模型如式(1)和式(4)都無法反映內容特性對視頻質量的影響。

圖4 視頻主觀質量與壓縮碼率的關系

當視頻遭受數(shù)據分組丟失時，往往采用時域錯誤掩蓋方法來恢復視頻，視頻的時域相關性是影響時域錯誤掩蓋方法效果的重要因素，數(shù)據分組丟失對視頻質量的影響與視頻的內容特性密切相關。另外，錯誤傳播是數(shù)據分組丟失影響視頻質量的另一關鍵因素。圖5描述了在不同類型的幀中發(fā)生分組丟失與錯誤傳播的關系，可以看到幀內編碼模式幀（I幀）和幀間編碼模式幀（P幀）數(shù)據的丟失會導致后續(xù)多個視頻幀質量下降，時域錯誤傳播通常會持續(xù)到下一個 I幀才結束[7]；而雙向幀間編碼模式幀（B幀）數(shù)據丟失只影響當前幀的質量。因此，評價數(shù)據丟失對視頻質量的影響還需要考慮數(shù)據分組丟失的具體位置和所處的幀類型等特性。

圖5 分組丟失發(fā)生在不同類型幀造成的錯誤傳播

綜上所述，由于網絡視頻質量與視頻內容特性密切相關，在僅允許使用數(shù)據分組頭信息的情況下，需要盡可能地提取或預測視頻的內容特征參數(shù)。文獻[24]提出根據每個視頻幀的壓縮速率預測視頻幀的類型，進而確定數(shù)據分組丟失引起的錯誤傳播長度。文獻[25]提出利用分組頭信息預測視頻幀類型、視頻幀內容復雜度等特性，進而提高預測視頻流質量的精度。值得注意的是只利用分組頭信息并不能準確獲得視頻幀的特征信息，因此該類模型的性能會受到一定限制。

圖6 比特流層評價模型

圖7 只分析視頻頭的比特流層評價模型

5 比特流層評價模型

比特流層評價模型允許介入視頻數(shù)據分組的載荷信息，因此可以較準確地預測或得到視頻幀的特征信息。圖6給出了一個常用的比特流層評價模型框架。該類模型通過分析分組頭和視頻載荷信息來預測或獲取視頻特征參數(shù)，通常包括:幀類型、內容特征、量化因子、編碼速率、分組丟失位置等，然后結合壓縮視頻流的特征預測視頻流的質量。使用的特征信息越多通常可以越準確地預測視頻質量，但同時意味著需要對視頻流進行越深入的介入和分析[26]。ITU-T正在標準化比特流層評價模型P.NBAMS[4]。

比特流層評價模型常被用于預測視頻的PSNR[27～30]。由于 PSNR在很多情況下并不能很好地反映視頻的主觀質量，實際應用中更傾向于使用符合視覺感知的視頻質量評估方法，如結合視頻的內容特性預測網絡視頻的質量[31]，以及使用量化參數(shù)預測視頻流的質量等[32]。考慮模型的運算復雜度，本文提出了一種只分析分組頭和視頻頭的比特流層評價模型[33]，能夠有效給出符合視覺感知的視頻質量預測（如圖 7所示）。視頻流分析模塊首先得到每個視頻幀的編碼信息（幀類型、壓縮比特率、量化參數(shù)）、丟失數(shù)據分組的位置（丟失比特數(shù)、所屬幀數(shù)）及每個視頻幀的持續(xù)顯示時間。進而根據編碼信息由壓縮失真預測模塊預測每一個視頻幀的壓縮失真，再根據分組丟失信息預測數(shù)據分組丟失對每個視頻幀的影響，之后聯(lián)合壓縮失真和數(shù)據分組丟失造成的影響得到每個視頻幀的質量，最后考慮視頻的時域失真，結合每個視頻幀的持續(xù)顯示時間，使用時域聯(lián)合算法得到整個視頻序列的質量。

比特流層評價模型的關鍵是如何預測每個視頻幀的壓縮失真和數(shù)據分組丟失對每個視頻幀質量的影響。由于量化是引起視頻壓縮失真的根本原因，圖 8給出了 QCIF格式視頻序列“News”、“Susie”、“Mobile”和“Football”采用 MPEG-4標準壓縮后的恢復視頻主觀質量與量化參數(shù)的關系，表明量化參數(shù)與視頻的壓縮質量成近似的線性關系，但對于不同的視頻序列直線的斜率不同，這反映了人眼的空域掩蓋效應和時域掩蓋效應。

圖8 壓縮視頻主觀質量與量化參數(shù)的關系

比特流層評價模型首先預測視頻幀的基本壓縮質量:

其中，Qp,n為第n幀的量化參數(shù)。然后考慮人眼的視覺特性，結合人眼的空域掩蓋效應和時域掩蓋效應預測視頻幀的壓縮質量，將視頻幀質量修正為

其中，σS,n為視頻的空域復雜度，σT,n為視頻的時域復雜度，a1、 b1、 a2、 b2、 a3、 b3為模型參數(shù)。

初步獲得考慮壓縮失真的視頻質量之后，根據數(shù)據分組丟失的數(shù)量和位置預測數(shù)據分組丟失對每個視頻幀質量的影響。數(shù)據分組丟失引起當前幀質量下降及錯誤傳播引起的質量下降分別為

其中，de,n為數(shù)據分組丟失引起當前幀質量下降，dp,n為錯誤傳播引起的質量下降，dr為參考視頻幀因數(shù)據分組丟失引起的質量下降，a6、 b6、 a7、 b7為模型參數(shù)。

最后得到視頻幀的質量為

比特流層評價模型允許介入數(shù)據分組的視頻載荷，因此可以較準確地預測或獲得視頻參數(shù)及內容特性。其中，量化參數(shù)、編碼速率、空域復雜度、時域復雜度是預測視頻壓縮失真的關鍵參數(shù)，而壓縮失真、數(shù)據分組丟失位置、視頻幀類型、時域復雜度是預測數(shù)據分組丟失對視頻質量影響的關鍵參數(shù)。量化參數(shù)、編碼速率、視頻幀類型等參數(shù)只需要解碼視頻幀頭信息即可以得到，而準確獲得或預測空域復雜度、時域復雜度、數(shù)據分組丟失位置等參數(shù)則需要對視頻流進行更深入解碼甚至完全解碼。對視頻載荷的深入分析勢必增加算法的運算復雜度，但由于可以借助于多種參數(shù)和視頻特征信息，該類模型可以較準確地預測網絡視頻流的質量。

6 媒體層評價模型

媒體層評價模型利用視頻流的解碼視頻評價其質量，通常也稱為基于像素的評價模型。媒體層評價模型一直是視頻質量評估領域的研究熱點[7]，本文只做簡單總結和介紹。由于往往無法得到原始參考視頻，全參考的媒體層視頻質量評價模型，如ITU-T標準 J.144[34]通常不應用于評價網絡視頻質量。部分參考媒體層模型具有代表性的方法是NIST NTIA方法[10]，主要包括邊緣濾波、特征提取、失真掩蓋、空間失真聯(lián)合和時間失真聯(lián)合等模塊。另一類方法是在視頻序列中隱性嵌入所需的參考信息（如原始水印），然后在解碼端提取可能受到損傷的參考信息（恢復水印），比較恢復水印與原始水印的損傷部位和程度，來預測視頻質量下降的程度[35]。

無參考的媒體層質量評估方法不需要任何參考額外信息，可以靈活地應用于評價網絡視頻的場景。此類方法通常根據視頻的特征失真預測視頻的質量，如Philips提出分別測量震蕩效應、方塊效應、噪聲、鉗位、對比度等特征失真，然后聯(lián)合各特征失真評價視頻的質量[11]。由于采用不同壓縮或處理算法引起的特征失真不同，因此基于特征失真的方法不具有普遍適用性。

由于視頻序列具有強的時間相關性，相鄰視頻幀內的靜止和平動區(qū)域有很強的相似性，因此利用相鄰視頻幀作為參考，提出了一種適用于自然場景視頻的無參考質量評估方法[36]。對于自然場景視頻，其內容通常包括靜止的背景區(qū)域、平動物體區(qū)域和復雜運動物體區(qū)域。相鄰視頻幀中背景區(qū)域對應像素值的變化很小，一般以隨機噪聲為主。而相鄰視頻幀中作復雜運動的區(qū)域變化明顯，且其變化不可預測。對于相鄰圖像內的平動區(qū)域，物體的運動也會引起其亮度的變化，利用壓縮恢復視頻中的平動物體在相鄰幀的對應區(qū)域的差別能夠很好地反映視頻的質量。

綜上所述，媒體層評價模型只根據恢復視頻的像素值預測視頻質量，無法使用網絡視頻流的相關信息，而從碼流中可以獲得的信息，如量化因子可以很好地反映視頻的壓縮質量，利用RTP頭信息中的序列號可以確定遭受數(shù)據丟失的視頻幀，結合視頻幀的編碼類型可以確定受影響的視頻幀等。而媒體層評價模型無法準確確定受數(shù)據丟失影響的視頻幀，必須采用錯誤檢測算法判斷是否受數(shù)據丟失影響，并且該類模型應用于評價網絡視頻流時需要對視頻流進行完全解碼，不適用于實時性要求較高的場合。

7 混合評價模型

混合評價模型允許同時使用恢復視頻和比特流信息進行質量評價。圖9給出了分組層評價模型、比特流層評價模型、媒體層評價模型和混合評價模型評價模型的可使用信息及相互關系，可以看出混合評價模型允許使用其他模型使用的所有信息，因此使用其他模型的各種技術，混合評價模型具有最優(yōu)的性能，目前VQEG正在標準化混合評價模型[4]。

圖9 視頻流質量評估模型關系

文獻[37]提出了一種典型的混合評價模型。該模型首先利用視頻序列的量化參數(shù)預測視頻質量:

其中，Qp(n, m)表示第n個視頻幀第m個宏塊的量化系數(shù)。

然后結合人眼的視覺特性，利用視頻的特征參數(shù)對比度修正初始質量。

文獻[38]中的混合評價模型則對平均量化參數(shù)、視頻時域復雜度、視頻空域復雜度進行加權聯(lián)合預測視頻質量。此外，文獻[39]首先利用壓縮碼率預測視頻平均質量:

然后，利用視頻時域復雜度對視頻平均質量進行修正得到視頻質量:

其中，a1、a2、a3、a4、a5、 a6為模型參數(shù)，X反映視頻時域復雜度對質量的影響。

混合評價模型可以利用比特流信息和恢復視頻信號得到任何信息，如通過分析視頻數(shù)據分組可以得到量化參數(shù)、幀類型、數(shù)據分組丟失的具體位置等關鍵參數(shù)，利用恢復視頻信號可以準確得到視頻的內容特征空域復雜度、時域復雜度等。因此，混合評價模型具有出色的性能，但利用更多信息的同時意味著更為復雜的參數(shù)提取或預測過程?；旌显u價模型的關鍵技術是如何有效選擇參數(shù)，以及如何合理組合利用各參數(shù)。

8 結束語

網絡視頻質量評價已經成為網絡視頻業(yè)務發(fā)展的迫切需求，而視頻特征信息獲取、計算復雜度、實時性要求、以及分組丟失、時延、抖動等網絡因素都為有效評價網絡視頻質量增加了困難。本文介紹了現(xiàn)有各類網絡視頻質量評價方法。其中，網絡參數(shù)規(guī)劃模型根據已知的信道和編碼參數(shù)從統(tǒng)計角度預測視頻業(yè)務的質量，由于不考慮特定傳輸視頻流的內容及數(shù)據分組丟失的具體位置等特性，其主要用途是網絡規(guī)劃。分組層評價模型只允許介入視頻分組的頭信息，比特流層評價模型則還允許介入視頻載荷信息，這 2類模型的關鍵技術是如何有效地預測或獲得視頻參數(shù)及內容特性，相應的低復雜度優(yōu)勢使之適用于在網絡節(jié)點監(jiān)測網絡視頻流的質量。媒體層評價模型只允許使用恢復視頻信息，需要對網絡視頻流進行全解碼，不適用于實時性要求較高的場合。混合評價模型可以利用比特流信息和恢復視頻信號等得到的任何信息，可以使用已有其他模型的所有技術，該類模型得到了最優(yōu)的性能。

[1]ITU-T Recommendation G.1070.Opinion Model for Video- Telephony Applications[S].2007.

[2]ITU-T SG12 Temporary Document TD 299.Status report of Question 14/12[R].2010.

[3]ITU-T SG12 Temporary Document TD 297.Updated Draft Terms of Reference for P.NAMS[R].2010.

[4]VQEG Document.Hybrid Perceptual/Bitstream Group TEST PLAN 1.1[R].2010.

[5]FRANKEN L.Quality of Service Management:A Model-Based Approach[D].Netherlands:University of Twente, 1996.

[6]ITU-R Recommendation BT.500-11.Methodology for the Subjective Assessment of the Quality of Television Pictures[S].2002.

[7]WU H R, RAO K R.Digital Video Image Quality and Perceptual Coding[M].CRC Press, 2006.

[8]楊付正.數(shù)字視頻客觀質量評估方法研究[D].西安:西安電子科技大學，2005.YANG F Z.Study on Objective Quality Assessment Method for Digital Video[D].Xi’an:Xidian University, 2005.

[9]WANG Z, BOVIK A C.Mean squared error:love it or leave it? - a new look at signal fidelity measures[J].IEEE Signal Processing Magazine, 2009, 26(1):98-117.

[10]PINSON M H, WOLF S.A new standardized method for objectively measuring video quality[J].IEEE Transactions on Broadcasting, 2004,50(3):312-322.

[11]CAVIEDES J, OBERTI F.No-reference quality metric for degraded and enhanced video[A].Proceedings of SPIE[C].Lugano, Switzerland,2003.621-632.

[12]TAKAHASHI A, YOSHINO H, KITAWAKI N.Perceptual QoS assessment technologies for VoIP[J].IEEE Communications Magazine, 2004, 42(7):28-34.

[13]MOHAMED S, RUBINO G.A study of real-time packet video quality using random neural networks[J].IEEE Transactions on Circuits System Video Technology, 2002, 12(12):1071-1083.

[14]RAAKE A, GARCIA M N, MOLLER S.T-V-model:parameter-based prediction of IPTV quality[A].Proceedings of IEEE ICASSP[C].Las Vegas, Nevada, USA, 2008.1149-1152.

[15]YAMAGISHI K, HAYASHI T.Opinion model for estimating video quality of videophone services[A].Proceedings of IEEE GLOBECOM[C].San Francisco, CA, USA, 2006.

[16]YAMAGISHI K, HAYASHI T.Parametric packet-layer model for monitoring video quality of IPTV services[A].Proceedings of the IEEE ICC[C].Beijing, China, 2008, 110-114.

[17]GUSTAFSSON J, HEIKKILA G, PETTERSSON M.Measuring multimedia quality in mobile networks with an objective parametric model[A].Proceedings of the International Conference on Image Processing[C].San Diego, California, USA, 2008.405-408.

[18]ISO/IEC DIS 13818-2.Generic Coding of Moving Pictures and Associated Audio Information[S].1994.

[19]IETF RFC 1889.RTP:A Transport Protocol for Real-time Applications[S].1996.

[20]IETF RFC 768.User Datagram Protocol[S].1980.

[21]IETF, RFC 791.Internet Protocol[S].1981.

[22]YANG F, SONG J, WAN S.A no-reference quality assessment system for video streaming over RTP[J].Advanced Materials Research,2011, 179:243-248.

[23]ITU-T Recommendation H.264 and ISO/IEC14496–10 AVC Standard.Advanced Video Coding for Generic Audiovisual Services[S].March,2009.

[24]YAMADA T, YACHIDA S, SENDA Y.Accurate video-quality estimation without video decoding[A].Proceedings of International Conference on Acoustics Speech and Signal Processing[C].Dallas, Texas,USA, 2010, 2426-2429.

[25]ITU-T SG12 Document 0811-Q14-13.High Level Overview of VQmon/HD algorithm[R].2008.

[26]REIBMAN A R, VAISHAMPAYAN V A, SERMADEVI Y.Quality monitoring of video over a packet network[J].IEEE Transactions on Multimedia, 2004, 6(2):327-334.

[27]KNEE M.A single-ended picture quality measure for MPEG-2[A].Proc Int Broad Convention[C].2000.95-100.

[28]TURAGA D S, CHEN Y, CAVIEDES J.No reference PSNR estimation for compressed pictures[J].Signal Processing:Image Communication, 2004, 19(2):173-184.

[29]ICHIGAYA A, KUROZUMI M, HARA N.A method of estimating coding PSNR using quantized DCT coefficients[J].IEEE Transactions on Circuits Systems Video Technology, 2006, 16(2):251-259.

[30]BRANDAO T, QUELUZ M.P.No-reference image quality assessment based on DCT domain statistics[J].Signal Processing, 2008,88(4):822-833.

[31]VERSCHEURE O, FROSSARD P, HAMDI M.User-oriented QoS analysis in MPEG-2 video delivery[J].Real-Time Imaging, 1999,5(5):305-314.

[32]WATABABE K, YAMAGISHI K, OKAMOTO J.Proposal of new QoE assessment approach for quality management of IPTV services[A].Proceedings of IEEE ICIP[C].San Diego, California, USA,2008.2060-2063.

[33]YANG F, WAN S, XIE Q.No-reference quality assessment for networked video via primary analysis of bit-stream[J].IEEE Transactions on Circuits Systems Video Technology, 2010, 20(11):1544-1554.

[34]ITU-T Rec.J.144.Objective Perceptual Video Quality Measurement Techniques for Digital Cable Television in the Presence of a Full Reference[S].2004.

[35]YANG F, WANG X, CHANG Y.No reference video quality assessment method based on digital watermark[A].Proceedings of IEEE International Symposium on Personal, Indoor and Mobile Radio Communication[C].Beijing, China, 2003.2707-2710.

[36]YANG F, WAN S, CHANG Y.A novel objective no-reference metric for digital video quality assessment[J].IEEE Signal Processing Letters.2005, 12(10):685-689.

[37]DAVIS A G, BAYART D, HANDS D S.Hybrid no-reference video quality prediction[A].Proceedings of the International Symposium on Broadband Multimedia Systems and Broadcasting[C].Bilbao, Spain,2009.

[38]SUGIMOTO O, NAITO S, SAKAZAWA S.Objective perceptual video quality measurement method based on hybrid no reference framework[A].Proceedings of the International Conference on Image Processing[C].Cairo, Egypt, 2009.

[39]YAMAGISHI K, KAWANO T, HAYASHI T.Hybrid video-qualityestimation model for IPTV services[A].Proceedings of Global Telecommunications Conference[C].Hawall, USA, 2009.