[发明专利]基于视觉信息失真分解的全参考视频质量评估方法

说明书

技术领域

本发明属于视频图像处理技术领域，具体涉及一种基于视觉信息失真分解的全参考视频质量评估方法。

背景技术

伴随着视频多媒体技术的日益发展与成熟，人们日常生活中涌现了大量的视频应用。通常视频信号在经过压缩和传输之后会导致不同程度的失真。如何去评估这些失真视频的主观质量，对于压缩和传输系统的设计、性能的评估和控制都有重要的意义，一方面，可以用于独立的评价系统，为系统的设计，优化和改进做出精确的度量；另一方面，也可以作为质量监视装置，嵌入到实时在线系统，控制系统参数。

视频主观质量的好坏最直观的体现就是通过人工来打分。因此，人工打分在视频质量评估方法研究中往往是作为标准。然而实际应用中这种方法成本太高，可实施性太低。视频主观质量评估方法研究的目的就是设计出相应测度来计算视频质量，使得计算出来的视频质量和人工打分相关性很高。

目前的视频质量评估方法主要分为三大类：全参考视频质量评估，弱参考视频质量评估，和无参考视频质量评估。全参考是指在对失真视频主观质量进行评估过程中，可以获得完整的参考视频，通过比较失真视频和参考视频的相关特征，计算视频质量；弱参考则只能获得参考视频的部分信息，如变换域的部分信息等；无参考则不能获得参考视频的任何信息，通过训练、统计等方式获取失真图像的质量特征，设计出只利用失真视频本身信息来评估其主观质量的模型。

感知质量失真可以分为内容无关失真和内容相关失真。内容无关失真主要是一些随机的加性噪声，这类失真可以用基于均方误差的方法来描述。内容相关失真则主要体现为图像结构信息的变化。目前对于内容相关失真的描述方法有结构相似指数(Structural Similarity index SSIM),以及梯度相似的方法。相比SSIM，梯度相似的方法能够更好的描述这类失真。但是，基于梯度相似的视频质量评估算法仍然不能很准确地描述一些失真，如信道丢包，块效应之类的，尤其是块状失真发生在原视频中平坦的区域。这是因为块状失真区域内容的梯度往往不明显，而原视频中平坦区域的梯度也不明显。这样利用梯度相似不能很好检测出这部分失真。

但是在现有的全参考视频质量评估中，通常是基于一种测度(如基于均方误差的方法来描述或梯度相似的方法等)实现对视频质量的评估工作，但人眼视觉系统对不同类型的失真(如加性噪声，信道丢包，压缩失真等)的失真敏感程度不同，因此，有必要对现有的全参考视频质量评估进行改进。

发明内容

本发明的发明目的在于：针对上述存在的问题，提供一种基于视觉信息失真分解的全参考视频质量评估算法，使得评估分数和人工打分拟合程度(相关系数)更高。

本发明的基于视觉信息失真分解的全参考视频质量评估方法，包括下列步骤：

步骤1：

输入参考视频R和待评估视频T，并对各视频帧进行去噪处理，得到视频R的加性噪声A_r、主要视觉信息P_r，视频T的加性噪声A_t、主要视觉信息P_t；

步骤2：

基于所述加性噪声A_r、A_t，得到加性噪声失真S_A；

基于主要视觉信息P_r、P_t，获取主要视觉信息失真P_d，所述P_d为P_r与P_t对应像素值的绝对差值，对P_d进行信道丢包区域和压缩失真区域区分，并计算信道丢包失真S_T、压缩失真S_C：

将P_d分割成多个相同大小的方块，对每个方块，若所有的像素值均大于预设阈值T1，则将该方块的各像素值均置为m；否则，置为n，且m≠n；

基于像素值为m的连通区域，取K个最大连通区域，并将其中面积大于预设值S的连通区域，确定为信道丢包区域，而非信道丢包区域则确定为压缩失真区域；