[发明专利]视频质量评价方法

权利要求书

1.一种视频质量评价方法，其特征在于，包括：

——获取多视点视频的源图像和目标图像，在获取的目标图像中采集显著图，其(x,y)位置的灰度值为S(x,y)；

将获得的显著图和源图像中相同位置的区域进行匹配，公式为：

I_ref(x,y)＝a_j×I_tar(x+Δx,y+Δy)+b_j；

b_j＝c_j×S(x,y)；

其中，I_ref(x,y)为源图像在(x,y)位置的像素R、G、B中某一颜色的分量值，源图像与目标图像中匹配像素点在图像中位置上的差异为(Δx,Δy)，I_tar(x+Δx,y+Δy)为目标图像中对应位置的灰度值，a_j和b_j分别代表乘性因子和加性因子，c_j为显著图的乘性因子；

通过求源图像和目标图像亮度直方图来求解最佳加权系数a_j、b_j和c_j；将源图像和目标图像匹配，进行感兴趣区域的多视点颜色校正；

——输出校正后的图像，利用全参考质量评价方法进行质量评价。

2.根据权利要求1所述的视频质量评价方法，其特征在于，所述全参考质量评价方法包括如下组中的任意一种或几种：PSNR算法、MSE算法、特征相似性FSIM算法、基于Riesz变换的特征相似性RFSIM算法、基于光谱残留SR-SIM算法、基于视觉显著感应VSI算法。

3.根据权利要求2所述的视频质量评价方法，其特征在于，对FSIM指数的计算分为两个步骤：首先计算局部相似图，然后将相似图映射到一个单一的相似性得分。

4.根据权利要求1所述的视频质量评价方法，其特征在于，所述显著图为人感兴趣区域。

5.根据权利要求4所述的视频质量评价方法，其特征在于，所述人感兴趣的区域的采集是通过基于显著度的注意计算模型、或复杂静止自然图像显著度测试模型来实现。

6.根据权利要求1所述的视频质量评价方法，其特征在于，所输出的校正后的图像，包括彩色图像、或者彩色图像与所述彩色图像所对应的灰度图。