[发明专利]视频清晰度测量方法和系统

说明书

技术领域

本发明涉及视频处理技术，特别是涉及一种视频清晰度测量方法和系统。

背景技术

随着互联网视频越来越多，人们迫切希望能够快速地从众多的视频中精准定位到一些高质量的视频。视频清晰度是衡量一个视频质量的一个重要指标，特别是对于影视剧和动漫类视频来说，高清晰的视频能大大提升用户的体验。其中，视频是指一系列静态影像以电信号方式加以捕捉、记录、处理、存储、传送与重现的各种技术，当连续的图像变化以每秒超过24帧画面以上时，根据视觉暂留原理，人眼无法辨别单幅的静态画面，看上去是平滑连续的视觉效果，这样连续的画面即为视频。清晰度是指影像上各细部影纹及其边界的清晰程度，故通过看重放图像的清晰程度来比较图像质量。

视频清晰度分为相对清晰度和绝对清晰度。相对清晰度是指视频之间的清晰度排序，绝对清晰度是将清晰度划分为不同的级别，然后判断视频属于哪个级别。视频按照清晰度可分为几种版本，如枪版、碟版、胶片版和清晰版，其中，枪版是在电影院里用机器偷拍的，清晰度很差，图像模糊，音效也很差；碟版是通过卡被翻录成DVD（Digital Versatile Disc，数字多功能光盘），音画效果较好；胶片版是通过拷贝翻录的DVD，清晰度介于枪版和碟版之间；清晰版是指流行的高清影音文件，主要分为DVDRip、RMVB、MKV（Matroska的一种多媒体文件）等三大类，其以高清晰的画质、接近原始音源的音效，受到人们的青睐。

视频清晰度的影响因素很多，包括模糊度、块状、噪声数量、明暗程度、编码误差等等。这些因素通常是由原始视频被压缩、传输、再拍摄、编辑等引起。人们通过眼睛可非常准确地判断出一个视频是否清晰，若通过计算机自动识别出一个视频的清晰度是非常困难的，主要是因为影响视频清晰度的因素很多，每个因素都难以用数学定量地描述。

传统的获取视频清晰度的方法首先确定识别视频清晰度特征，然后利用这些特征判断一个指定视频的清晰度级别。例如，通常采用一些成型的决策树算法来训练样本，生成的决策树用于实际的视频清晰度识别。其中，决策树（decision tree）是一个类似于流程图的树结构，每个内部节点表示在一个属性上的测试，每个分枝代表一个测试输出，而每个树节点代表类或者类分布。决策树的最顶层节点是根节点，决策树的每个节点子节点的个数与决策树在用的算法有关。每个分支要么是一个新的决策节点，要么是树的结尾，称为叶子。在沿着决策树从上到下遍历的过程中，在每个节点都会遇到一个问题，对每个节点上问题的不同回答导致不同的分支，最后会到达一个叶子节点。

基于参考样本决策树的视频清晰度判断方法通常需要经历如下几个步骤：

（1）挑选不同类别的视频样本，人工标记，给视频的清晰度打分；

（2）下载视频，获取视频的码率和分辨率，推导组合属性比如分辨率和码率乘积、分辨率和码率的商，确定和清晰度最相关的因素；

（3）采用决策树算法训练样本，生成决策树；

（4）为应用需要的视频下载部分视频内容数据，获取码率和分辨率等；

（5）采用生成的决策树识别视频的清晰度。

因决策树每个节点对应分割的定义都是非常明确的，建立的决策树的枝叶太多，既降低了树的可理解性和可用性，同时也使决策树本身对历史数据的依赖性增大，即这棵决策树对此历史数据可能非常准确，一旦应用到新的数据时准确性却急剧下降，这种情况为训练过度，常用的方法是设定决策树的最大高度（层数）来限制树的生长，对应在传统的技术方案就是减少判断视频清晰度决策的变量，但是变量的减少可能就忽略视频本身所具有的重要信息特征，从而降低清晰度判断的准确性。

发明内容

基于此，有必要提供一种能提供清晰度识别准确性的视频清晰度测量方法。

一种视频清晰度测量方法，包括以下步骤：

获取视频文件；

按预设采样时间点起按预设时间间隔从所述视频文件中抽取多张目标图像；

对抽取的每张目标图像进行预处理得到对应的模糊图像，对每张目标图像进行提取得到多个子图向量，以及对对应的模糊图像进行提取得到多个子图向量；

获取每张目标图像及对应的模糊图像中对应的多个子图向量的结构相似度平均值，将所述多个子图向量的结构相似度平均值作为每张目标图像的结构相似度平均值，获取多张目标图像的结构相似度平均值得到多个结构相似度平均值；

根据所述多个结构相似度平均值、预设采样时间点及预设时间间隔绘制结构相似度平均值曲线，并获取所述结构相似度平均值曲线的积分值，所述积分值作为所述视频的清晰度值。