《超高清视频图像质量客观评价方法》《超高清晰度电视综合测试图》

GY_T 412 -2024超高清视频图像质量客观评价方法.pdf GY_T 413-2024超高清晰度电视综合测试图.pdf GY 中华人民共和国广播电视和网络视听行业标准 GY/T 4122024 超高清视频图像质量客观评价方法 Objective assessment s for ultra high-definition video image quality 2024 - 12 - 30 发布 2024 - 12 - 30 实施 国家广播电视总局 发 布 GY/T 4122024 I 目 次 前言 . III 引言 . V 1 范围 1 2 规范性引用文件 1 3 术语和定义 1 4 缩略语 1 5 图像质量客观评价方法通则 2 6 全参考图像质量客观评价方法 2 6.1 概述 2 6.2 PSNR 测试方法 3 6.3 ΔEITP测试方法 3 7 无参考图像质量客观评价方法 6 7.1 概述 6 7.2 UHD-VTQ 测试方法 . 7 附录 A（资料性） 视频图像质量客观评价方法的选用原则 9 A.1 全参考图像质量客观评价方法的选用原则 9 A.2 无参考图像质量客观评价方法的选用原则 9 附录 B（资料性） 基于机器学习的全参考图像质量客观评价方法 . 10 B.1 MFF-VQA 测试方法 10 B.2 DL-VQA 测试方法 . 12 B.3 RF-VQA 测试方法 . 15 附录 C（资料性） 基于机器学习的无参考图像质量客观评价方法 . 18 C.1 UHD-QM 测试方法 . 18 C.2 DRL-VQA 测试方法 21 C.3 NR-VQA 测试方法 . 23 附录 D（资料性） UHD-VTQ 方法检测结果的评分及加权计算方法 . 26 参考文献 27 GY/T 4122024 III 前 言 本文件按照 GB/T 1.12020标准化工作导则 第 1 部分标准化文件的结构和起草规则的规定 起草。 本文件由全国广播电视和网络视听标准化技术委员会（SAC/TC 239）归口。 本文件起草单位国家广播电视总局广播电视规划院、中国传媒大学、上海交通大学、中央广播电 视总台、鹏城实验室、北京市广播电视局、北京广播电视台、湖南快乐阳光互动娱乐传媒有限公司、广 东广播电视台、上海广播电视台、四川国创新视超高清视频科技有限公司、成都索贝数码科技股份有限 公司、新奥特北京视频技术有限公司、北京中科大洋科技发展股份有限公司、工业和信息化部电子第 五研究所、优酷信息技术（北京）有限公司。 本文件主要起草人王惠明、邓向冬、宁金辉、李岩、史萍、闵雄阔、张乾、崔俊生、许帅、刘汉 源、潘达、应泽峰、朱文瀚、翟广涛、杨小康、王振中、宋小民、刘斌、秦旭东、刘康淋、贺文林、唐 晓宇、何莹、甄占京、潘波、周立、林海峰、卢海波、刘芸江、李云龙、郑欣、邢卫东、黄永洪、刘汉 武、尚峰、盛轶骏、汪芮、孙琳、戴霖、姚仕元、褚震宇、张金沙、张婷、王威、张晓波、邹双泽、刘 征、王雪婷、耿仪、费凌云、贾子恒、韦胜钰、李静、张家斌。 GY/T 4122024 V 引 言 本文件的发布机构提请注意，声明符合本文件时，可能涉及到7.2中相关专利的使用。 本文件的发布机构对于该专利的真实性、有效性和范围无任何立场。 该专利持有人已向本文件的发布机构承诺，他愿意同任何申请人在合理且无歧视的条款和条件下， 就专利授权许可进行谈判。 该专利持有人的声明已在本文件的发布机构备案。 相关信息可以通过以下联 系方式获得 专利持有人姓名国家广播电视总局广播电视规划院 地址北京市复兴门外大街2号 请注意除上述专利外， 本文件的某些内容仍可能涉及专利。 本文件的发布机构不承担识别专利的责 任。 GY/T 4122024 1 超高清视频图像质量客观评价方法 1 范围 本文件规定了超高清视频的全参考图像质量客观评价方法和无参考图像质量客观评价方法。 本文件适用于超高清视频的图像质量客观评价。 对于能够达到或超过本文件客观评价方法的准确度 的任何等效评价方法也可以应用。有争议时以本文件为准。 2 规范性引用文件 下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文 件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于 本文件。 GB/T 418082022 高动态范围电视节目制作和交换图像参数值 GB/T 418092022 超高清晰度电视系统节目制作和交换参数值 3 术语和定义 下列术语和定义适用于本文件。 3.1 自然场景图像统计特征 natural scene images statistical characteristics 一种表征自然场景图像所具有的高阶数学统计量（如方差、峰度、散度等）的图像质量数学模型。 注该统计量的分布参数与图像内容紧密相关，可反映图像之间的质量差异。 3.2 Adam优化算法 adam optimizer 一种深度神经网络训练中常用的， 通过优化模型参数使神经网络的损失函数达到最小值的参数优化 算法。 4 缩略语 下列缩略语适用于本文件。 CIE 国际照明委员会（International Commission on Illumination） DCT 离散余弦变换（Discrete Cosine Trans） DDPG 深度确定性策略梯度算法（Deep Deterministic Policy Gradient） DL-VQA 基于深度学习的视频质量评价（Deep Learning based Video Quality Assessment） DRL-VQA 基于深度强化学习的视频质量评价 （Deep Reinforcement Learning based Video Quality Assessment） HDR 高动态范围（High Dynamic Range） HLG 混合对数伽马（Hybrid Log Gamma） GY/T 4122024 2 MFF-VQA 基于多特征融合的视频质量评价（Multi Feature Fusion based Video Quality Assessment） MOS 平均主观得分（Mean Opinion Score） NR-VQA 无参考视频质量评价（No Reference Video Quality Assessment） PQ 感知量化（Perceptual Quantization） PSNR 峰值信噪比（Peak Signal to Noise Ratio） RBF 径向基函数（Radial Basis Function） RF-VQA 基于残差的全参考视频质量评价（Residual-based Full-reference Video Quality Assessment） SDR 标准动态范围（Standard Dynamic Range） SSIM 结构相似度指标测量（Structural Similarity Index Measurement） SVR 支持向量回归（Suppo