Việc khuyến nghị áp dụng các phương pháp đánh giá được tổng kết trong Bảng 16 Bảng 16 Khuyến nghị áp dụng các phương pháp đánh giá
Phương pháp đánh
giá
Hệ thống
mới
Giám sát và kiểm tra định
kỳ
Hệ thống truyền hình số
Hệ thống có chất
lượng hình ảnh cực
cao.
Thử nghiệm từng khả năng ảnh hưởng
chất lượng
Kiểm tra mức độ chất lượng
của nguồn tín hiệu
Đánh giá các nội dung có
chất lượng
gần tương đương nhau Phương
pháp ACR
x
Phương x
pháp ACR- HR
Phương pháp DCR
x x
Phương pháp PC
x x
Các phương pháp khách quan
x x x x
Tuy nhiên để loại bỏ được các yếu tố cảm tính của con người, phương pháp đánh giá chủ quan chỉ nên áp dụng cho các doanh nghiệp đánh giá, và cam kết chất lượng dịch vụ bằng điểm MOS.
Đối với các cơ quan quản lý nhà nước:
- Sử dụng phương pháp đánh giá khách quan đánh giá các tham số chất lượng.
- Xây dựng tiêu chất lượng cho các loại hình dịch vụ như:
- Xây dựng tiêu chuẩn chất lượng dịch vụ MobleTV;
- Xây dựng tiêu chuẩn chất lượng dịch vụ InternetTV;
- Xây dựng tiêu chuẩn chất lượng dịch vụ IPTV;
- Xây dựng tiêu chuẩn chất lượng dịch vụ hội nghị truyền hình (Video Conference);
- Xây dựng tiêu chuẩn chất lượng dịch vụ điện thoại thấy hình (Video call)
Đối với các thiết bị và công cụ đo kiểm chất lượng dịch vụ Video
Với xu hướng phát triển các ứng dụng đa phương tiện thì thị phần dịch vụ Âm thanh và hình ảnh truyền hình (Audio và Video) ngày càng phát triển, và chiếm một thị phần không nhỏ trong các dịch vụ gia tăng của ngành Viễn thông cũng như phát thanh và truyền hình thì việc giám chất lượng dịch vụ rất quan trọng và cần thiết nhằm
đảm bảo cạnh tranh lành mạnh và đảm bảo quyền lợi người tiêu dùng, quyền và trách nhiệm của các nhà cung cấp dịch vụ.
Trên thế giới hiện nay đã có nhiều hãng cung cấp thiết bị dùng cho mục đích này chẳng hạn như các hãng Sony, các hãng Spirent comminications cung cấp các thiết bị đo kiểm chất lượng dịch vụ truyền hình(Video) trên nền IP; Như hệ thống Fit4 Chromatic – là hệ thống đo kiểm chất lượng Video trong thông tin di dộng MobileTV (Video Quality Measurement System), hoặc SMPTE (Society of Motion Picture &
Television Engineers), Video Service Forum (VSF) cung cấp thông quan trọng về các tiêu chuẩn hình ảnh động cùng với các tiêu chuẩn của ITU-R. Các thiết bị chẳng hạn như N2X, PXI-6542, NI Digital Video Analyzer của National Instrument. Hoặc các máy phân tích chất lượng âm thanh và hình ảnh (Video and Audio Quality Analysis - VQS1000) và Phần mềm phân tích đánh giá hình ảnh của Tektronik (PQASW).
PHỤ LỤC A
HƯỚNG DẪN CHO NGƯỜI QUAN SÁT (ACR, ACR-HR, DCR, PC) Các nội dung sau có thể được sử dụng làm cơ sở để hướng dẫn cho những người quan sát liên quan đến các thí nghiệm kiểm tra thông qua các phương pháp ACR, ACR-HR, DCR hoặc PC.
Ngoài ra, các hướng dẫn cần cung cấp thông tin về khoảng thời gian kiểm tra, thời gian tạm dừng, thử nghiệm sơ bộ và các chi tiết khác hữu ích cho các quan sát viên.
Những thông tin này không bao gồm ở đây vì nó phụ thuộc vào việc thực hiện cụ thể.
A.1 ACR và ACR-HR
Xin chào và cảm ơn bạn đã đến.
Trong thí nghiệm này, bạn sẽ xem các chuỗi video ngắn trên màn hình trước mặt bạn.
Sau mỗi khoảng thời gian chuỗi được hiển thị bạn nên đánh giá chất lượng của nó bằng cách sử dụng một trong năm cấp độ của thang đo dưới đây.
5 Rất tốt (Excellent) 4 Tốt (Good)
3 Trung bình (Fair) 2 Kém (Poor) 1 Xấu (Bad)
Quan sát cẩn thận toàn bộ các chuỗi video trước khi thực hiện đánh giá của bạn.
A.2 DCR
Xin chào và cảm ơn bạn đã đến.
Trong thí nghiệm này, bạn sẽ xem các chuỗi video ngắn trên màn hình trước mặt bạn.
Mỗi chuỗi sẽ được trình bày hai lần với sự chuyển tiếp nhanh: trong mỗi cặp chỉ có chuối thứ hai được xử lý. Vào cuối mỗi phần trình bày bạn nên đánh giá sự suy yếu của chuỗi thứ hai đối với chuỗi đầu tiên. Bạn sẽ thể hiện đánh giá của mình bằng cách sử dụng thang đo sau:
5 -Imperceptible (không thể nhận thấy)
4 -Perceptible but not annoying (Nhận thấy nhưng không gây khó chịu) 3- Slightly annoying (hơi khó chịu)
2 -Annoying (khó chịu)
1 -Very annoying (cực kỳ khó chịu)
Quan sát cẩn thận toàn bộ các cặp chuỗi video trước khi thực hiện đánh giá của bạn.
A.3 PC
Xin chào và cảm ơn bạn đã đến.
Trong thí nghiệm này, bạn sẽ xem các chuỗi video ngắn trên màn hình trước mặt bạn.
Mỗi chuỗi sẽ được trình bày hai lần với sự chuyển tiếp nhanh: mỗi lần thông qua một cách mã hóa khác nhau. Trình tự của các chuỗi và sự kết hợp các mã hóa trong các cặp khác nhau là ngẫu nhiên. Vào cuối mỗi phần trình bày bạn nên bày tỏ ý kiến của mình bằng cách đánh dấu vào một trong những lựa chọn dưới đây. Bạn đánh dấu vào hộp 1 nếu bạn thích chuỗi đầu tiên hoặc đánh dấu vào hộp 2 nếu bạn thích chuỗi thứ hai của cặp
Quan sát cẩn thận toàn bộ các cặp chuỗi video trước khi thực hiện đánh giá của bạn.
1 2
PHỤ LỤC B
CÁC HÀM MÔ PHỎNG PHƯƠNG PHÁP NIQE TRONG MATLAB a) Hàm tính toán đặc tính
function feat = computefeature(structdis)
% Input - MSCn coefficients
% Output - Compute the 18 dimensional feature vector feat = [];
[alpha betal betar] = estimateaggdparam(structdis(:));
feat = [feat;alpha;(betal+betar)/2];
shifts = [ 0 1;1 0 ;1 1;1 -1];
for itr_shift =1:4
shifted_structdis = circshift(structdis,shifts(itr_shift,:));
pair = structdis(:).*shifted_structdis(:);
[alpha betal betar] = estimateaggdparam(pair);
meanparam = (betar-betal)*(gamma(2/alpha)/gamma(1/alpha));
feat = [feat;alpha;meanparam;betal;betar];
end
b) Hàm tính trung bình khối cục bộ function val = computemean(patch) val = mean2(patch);
c) Hàm ước lượng thông số
function [alpha betal betar] = estimateaggdparam(vec) gam = 0.2:0.001:10;
r_gam = ((gamma(2./gam)).^2)./(gamma(1./gam).*gamma(3./gam));
leftstd = sqrt(mean((vec(vec<0)).^2));
rightstd = sqrt(mean((vec(vec>0)).^2));
gammahat = leftstd/rightstd;
rhat = (mean(abs(vec)))^2/mean((vec).^2);
rhatnorm = (rhat*(gammahat^3 +1)*(gammahat+1))/((gammahat^2 +1)^2);
[min_difference, array_position] = min((r_gam - rhatnorm).^2);
alpha = gam(array_position);
betal = leftstd *sqrt(gamma(1/alpha)/gamma(3/alpha));
betar = rightstd*sqrt(gamma(1/alpha)/gamma(3/alpha));
d) Hàm ước lượng mô hình thông số
function [mu_prisparam cov_prisparam] = estimatemodelparam(folderpath,...
blocksizerow,blocksizecol,blockrowoverlap,blockcoloverlap,sh_th)
% Find the names of images in the folder current = pwd;
cd(sprintf('%s',folderpath)) names = ls;
names = names(3:end,:);
cd(current)
% ---
%Number of features
% 18 features at each scale featnum = 18;
% ---
% Make the directory for storing the features mkdir(sprintf('local_risquee_prisfeatures'))
% ---
% Compute pristine image features for itr = 1:size(names,1)
itr
im = imread(sprintf('%s\\%s',folderpath,names(itr,:)));
if(size(im,3)==3)
im = rgb2gray(im);
end
im = double(im);
[row col] = size(im);
block_rownum = floor(row/blocksizerow);
block_colnum = floor(col/blocksizecol);
im = im(1:block_rownum*blocksizerow, ...
1:block_colnum*blocksizecol);
window = fspecial('gaussian',7,7/6);
window = window/sum(sum(window));
scalenum = 2;
warning('off') feat = [];
e) Hàm tính toán chất lượng
function quality = computequality(im,blocksizerow,blocksizecol,...
blockrowoverlap,blockcoloverlap,mu_prisparam,cov_prisparam) featnum = 18;
if(size(im,3)==3)
im = rgb2gray(im);
end
im = double(im);
[row col] = size(im);
block_rownum = floor(row/blocksizerow);
block_colnum = floor(col/blocksizecol);
im = im(1:block_rownum*blocksizerow,1:block_colnum*blocksizecol);
[row col] = size(im);
block_rownum = floor(row/blocksizerow);
block_colnum = floor(col/blocksizecol);
im = im(1:block_rownum*blocksizerow, ...
1:block_colnum*blocksizecol);
window = fspecial('gaussian',7,7/6);
window = window/sum(sum(window));
scalenum = 2;
warning('off') feat = [];
for itr_scale = 1:scalenum
u = imfilter(im,window,'replicate');
mu_sq = mu.*mu;
sigma = sqrt(abs(imfilter(im.*im,window,'replicate') - mu_sq));
structdis = (im-mu)./(sigma+1);
feat_scale = blkproc(structdis,[blocksizerow/itr_scale blocksizecol/itr_scale], ...
[blockrowoverlap/itr_scale blockcoloverlap/itr_scale], ...
@computefeature);
feat_scale = reshape(feat_scale,[featnum ....
size(feat_scale,1)*size(feat_scale,2)/featnum]);
feat_scale = feat_scale';
if(itr_scale == 1)
sharpness = blkproc(sigma,[blocksizerow blocksizecol], ...
[blockrowoverlap blockcoloverlap],@computemean);
sharpness = sharpness(:);
end
feat = [feat feat_scale];
im =imresize(im,0.5);
end
distparam = feat;
mu_distparam = nanmean(distparam);
cov_distparam = nancov(distparam);
% Compute quality
invcov_param = pinv((cov_prisparam+cov_distparam)/2);
quality = sqrt((mu_prisparam-mu_distparam)* ...
invcov_param*(mu_prisparam-mu_distparam)');
PHỤ LỤC C
CÁC THAM SỐ CHẤT LƯỢNG VIDEO ĐA PHƯƠNG TIỆN C.1 Các tham số chất lượng Video