比特流层模型被设计为使用从数据包头和有效负载中提取的信息来对网络视频进行实时和非侵入式质量监控。 本文提出了一种内容自适应比特流层(CABL)模型,用于H.264 / AVC网络视频的编码失真评估。 首先,建立感知编码失真与量化参数(QP)之间的基本关系。 然后,考虑到感知到的网络视频编码失真严重依赖于视频内容的空间和时间特性这一事实,将空间和时间复杂性并入建议的模型中。 假设离散余弦变换(DCT)之前的残差保持拉普拉斯分布,则首先基于Parseval定理,利用QP和量化系数估计拉普拉斯分布的比例参数。 然后,使用QP和比例参数评估空间复杂度。 同时,考虑到分别针对高运动区域和低运动区域的时间掩蔽程度的变化,使用加权运动矢量(MV)来获得时间复杂度。 从压缩的比特流中提取视频内容的两个特征,而无需借助完整的解码。 利用与内容相关的信息,所提出的模型能够适应不同的视频内容。 实验结果表明,就广泛使用的性能标准(包括Pearson相关系数(PCC),Spearman等级顺序相关系数(SROCC))而言,CABL模型的总体性能明显优于P.1202.1模型和其他编码失真评估模型。 ),均方根误