Tektronix PQA600 DATASHEET

图像质量分析系统

PQA600 产品技术资料

特点

快速、准确、可重复的客观图像质量测量

基于人类视觉模型的 DMOS(差异平均主观评分)测量

能够在各种 HD视频(1080i、720p)和SD视频格式(525行或

625 行)下进行的图像质量测量

可用于不同分辨率(从 HD到SD，或从HD/SD到CIF)下的图

像质量比较

用户可配置的的观看条件和显示模式(用于基准测试和比较
测试)

提示 / 失真(Attention/Artifact)加权测量

测量执行和观看(Review)模式中的关注区域(ROI)

时间域和空间域的自动校准

简便的回归测试并自动使用 XML 脚本，从GUI界面“导出 /

导入”文件

提供多个测试结果观看选项

可选购的、可提供同时产生 / 捕获功能的 SD/HD SDI 接口，

双通道捕获和双通道产生，并可在两通道间互相切换

预先安装的样本参考和测试序列

应用

CODEC 设计、优化和验证

性能测试，传输设备和系统评测

数字电视的原版制作

视频压缩业务

数字消费产品的开发和生产

图像质量分析系统

PQA600是最新一代的图像质量分析仪，它是泰克公司在荣获
艾美奖的 PQA200/300 的基础上研发的新产品。PQA600 采用
了基于人类视觉系统的概念，提供了一整套可重复的、并与主
观人眼视觉评估十分接近的客观图像质量测量。PQA600的客
观图像质量测量为工程技术人员优化视频压缩和图像重现提供
了宝贵的信息，使工程技术人员能够为用户和观看者提供高质
量的通用载体和分配传输业务。

压缩视频需要新的测试方法

对电视系统而言，最真实的测量应当是观察者的满意程度。我
们可以通过测量静态测试信号的失真的方法以间接地表征模拟
视频和全带宽数字视频的图像质量特性。但是，表征压缩电视
系统的图像特性则要困难得多。压缩系统中的图像质量是随着
数据率、图像的复杂度以及所采用的编码算法等的变化而动态
地改变。鉴于静态测试信号的性质，它不能提供压缩视频系统
中图像质量的真实特性。

在传统上，人眼观察测试是按照 TU-R Rec. BT.500-11 所描
述的方法进行的。在一密闭的受控环境中播放含有自然内容和
自然运动的测试场景，观察者根据自已对图像质量的感受给出
一差值平均主观计分或DMOS。使用这种方法的扩展测试，经
整理后可以产生一致的主观评分。不过，这种评估压缩视频系
统的方法效率低，进行这样的测试往往需要几个星期甚至几个
月的时间。进行这样的测试，费用也可能是非常高昂的，而且
所得到的结果是不可重复的。因此，利用人眼观察的主观的
DMOS测试对于CODEC设计是不实用的，对于运行中的质量
评估而言，效率也是很低的。而 PQA600 提供了一种快速的、
实用的、可重复的客观测量，用它来代替图像质量的主观
DMOS 评估。

产品技术资料

PQA600的用户界面。可显示参考视频序列、被测视频序列以及差
值映像图和统计图表。

系统评测

PQA600可用于视频系统中每一部件的安装、验证和故障查找，
因为视频技术是不可知的：既然系统链路中视频输入和输出之
间的可见差异是可以量化的，那么就可以把它用于视频质量劣
化的评定。不仅可以评测系统中的 CODEC 技术，而且可以评
测具有潜在可见差异的任何过程。例如，可以用来评定数字传
输错误、格式转换(机顶盒中的 1080i至480p的转换)、3-2 下
拉变换、模拟传输劣化、数据错误、慢显示响应时间(slow
display response times)、帧频降低(用于移动传输和视频电话、
电视会议)等，总之，可以评定所有的图像转换过程，无论是对
它们分别进行评定还是任意的组合评定。

PQA600 是如何工作的

PQA600采用两个视频文件作为它的输入：一个文件是原始的
参考视频序列，另一个文件是该参考视频序列经过压缩、损伤
后或经处理过的序列版本。首先，PQA600 使这两个视频序列
在空间域和时间域中对准，在这一过程中无需使用嵌入在视频
序列中的校正数据。而后仪器对基于人类视觉系统和提示模型
(attention models)的测试视频的质量进行分析，输出与主观评
测高度相关的质量测量结果。这个测量结果包括总的图像质量
累计度量值、逐帧的测量度量值以及每帧的损伤映射图示。
PQA600也可以提供传统的图像质量测量结果，例如PSNR(峰
值信杂比)，以此作为测量典型视频损伤和失真检测的基准损伤
诊断工具。

每一参考视频序列和测试片断可以有不同的分辨率和不同的帧
频，PQA600可以提供 HD 与 SD之间、SD 与CIF 之间或其它
组合之间的图像质量测量结果。有了这一功能，就可以为诸如

参考序列

测试序列

输入
格式
转换

输入格式
转换

显示模式观看模式人类视觉 /

显示
模式

观看
模式

感知模式

认知的 /
提示模式

基于
任务的
总合测量

测量结果

图像质量分析系统

格式转换之类的各种视频再应用(repurposing applications)的
评测提供支持。例如，DVD创作、IP广播和半导体器件设计等。
PQA600 也能为较长时间长度的视频序列片断测试提供支持，
此外还可以通过各种转换处理的方式，对视频片断的图像质量
作出定量分析。

预测人类视觉感受

PQA600测量系统的开发是基于人类视觉系统模型，并且增加
了新的算法规则，从而对PQA200/300的使用模型作了进一步
的改进。利用这种新的扩展技术，就能够在预测各种视频格式
(HD、SD、CIF 等)的主观视频质量等级时进行传统的 PQR 测
量。在测量时计入了用于观看视频的不同显示类型(例如隔行扫
描或逐行扫描，CRT 显示器或 LCD 显示器)以及不同的观看条
件(例如房间的亮度和观看距离)。

为了预测在以下各种变化参数的亮度刺激下的响应，已开发了
一种人类视觉系统模型：

包括超阈值的(supra-threshold)的对比度
平均亮度
空间频率
时域频率
角度范围
时域范围
环绕
偏心率(Eccentricity)
方向
自适应效应(Adaptation effects)

2 www.tektronix.com.cn

A：调制灵敏度与时域频率的关系曲线。

图像质量分析系统－ PQA600

C：参考图像

B：调制灵敏度与空间域频率的关系曲线。

利用视觉科学文献中的参考刺激响应数据，在上述参数的适当
组合范围内已对PQA600采用的人类视觉模型进行了校正。经
过这样的校正后，该模型就能提供高度准确的预测。

在上面几个图形中，提供了与人类视觉特性相关的科学数据示
例，它们是用来校正PQA600人类视觉系统模型的。其中图(A)

D：感知对比度的映像

给出了调制灵敏度与时域频率的关系曲线，图(B)是调制灵敏度
与空间域频率的关系曲线。有 1400 多个校正点支持高度准确
的测量结果。

图(C)为一含有运动场景的参考序列的单帧画面，图(D)是
PQA600从这个参考序列的原始帧中计算得出的感知对比度映
像。由感知对比度映像可以看出，观察者是如何感知这个参考
序列的。感知对比度映像的模糊背景是因为摄像机摇镜头时的
时域掩蔽所引起，而跑步者周围的黑色则显示出他与背景之间
的高对比度所产生的掩蔽效应。PQA600 能够创建参考序列和
测试序列的感知映像，而后由这两个感知映像创建感知对比度
的差值映像图，从而可用于基于感知的全参考图像质量测量。

www.tektronix.com.cn 3

产品技术资料

E：参考图像

F：被测图像

DMOS 和 PSNR 的预测比较

在以上的例子中，参考图像(E)是来自 Vclips 库文件中的一个
场景，被测图像(F)则是通过压缩系统后的图像，其图像质量有
所降低。与参考图像(E)相比较，被测图像(F)中跑步者周围的
背景有些模糊。我们可以用PQA600对参考视频与被测视频片
断之间的差异进行PSNR测量，其结果为PSNR映像图(G)。在
PSNR映像图(G)中，白色加亮区域表示的是原始图像与被测的
已劣化图像之间的较大差异区域。我们再用PQA600进行另一
种测量即利用预测 DMOS 算法，它生成的 DMOS 感知差值映
像用图(H)表示。在这个感知对比度差值映像即图(H)中，白色

G：PSNR 映像图

H：DMOS 的感知差值映像图

区域表示的是参考图像和被测图像之间的较大差异区域。
PQA600在创建的感知对比度差值映像中，结合使用人类视觉
模型，能够确定观察者在观看视频时实际感知的图像质量。

在预测的 DMOS 测量方式中，是利用感知对比度差值映像(H)
来测定图像质量。由图(H)可见，慢跑者的劣化程度较其背景中
的树的劣化程度要轻，因此，这种 DMOS测量能够正确地分辨
出两图像之间的差异，其结果与观察者的感受是一致的。然而，
PSNR 测量使用的是差值映像图(G)，由图(G)可见，它不能正
确地分辨参考图像和被测图像之间的较大差异区域，与观察者
的实际感受不一致。

4 www.tektronix.com.cn

提示映像的例子：跑步者被加亮

提示模式(Attention Model)

在 PQA600中，融合了一种新的提示模式，为预测人眼关注点
(focus of attention)提供支持。该模式包括：

目标的运动
人的肤色检测识别
位置
对比度
形状
目标的大小
明显的失真导致观察者注意力的分散

用户可以定制这些提示参数，以强化或忽略某项功能。每项测
量均可使用提示模式，可由用户配置。在评估一些特定应用时，
提示模式是特别有用的。例如，如果被评测内容是运动节目，
要求观察者高度关注该场景的一些局部区域。提示模式映像图
示中的加亮区域表示人眼敏感的区域。

失真检测

在失真检测(Artifact Detection)报告中给出图像边缘处多种不同
的变化：

边缘损失或边缘模糊
边缘附加有振铃或杂波
相对垂直或水平方向的旋转或边缘块效应
图像块中的边缘损失或 DC 块效应

失真检测能以任意组合方式如同主观和客观测量的加权参数那
样工作。利用这些不同的测量组合，有助于进行深入的研究以
改善系统的图像质量。

图像质量分析系统－ PQA600

失真检测设置

例如，它有助于回答这样的问题：“较多地使用去块效应滤波
(de-blocking filtering)能够改善 DMOS 吗？”或者，“应当较
少地使用前置滤波处理(pre-filtering)吗？”

如果边缘块加权的 DMOS 大于模糊加权的 DMOS，那么边缘
块则是主要的失真，这时也许应当考虑较多地使用去块效应滤
波。

在某些应用中，当边缘增多时，例如出现振铃和杂波，它们比
其它失真更令人讨厌。针对这样的应用，用户可以定制加权并
进行配置，以反映观察者的感受，从而改善 DMOS 的预测。

同样地，也可以使用这些失真加权测量 PSNR，以确定每一失
真对 PSNR 测量有多大的影响。

上述的提示模式和失真检测均可以与感知测量或主观测量结合
使用。举例来说，这样我们就可以在最有可能出现特别明显失
真的地方去测量其失真程度到底如何。

www.tektronix.com.cn 5