[发明专利]视频质量评价方法

说明书

技术领域

本发明涉及一种多视点视频图像处理方法，尤其涉及一种多视点视频感兴趣区域图像质量评价方法。

背景技术

随着数字视频的迅速发展和广泛应用，用2D描述的真实世界已不能满足人们日益增长的视觉需求；但3D立体视频数据量庞大，这对通信系统中的带宽和存储空间提出了严峻的挑战，因此3D视频数据的高效压缩意义重大。

为了降低数据在存储和传输过程中所占带宽，往往会在量化过程中降低视频质量，这会导致数字视频数据的失真。由于压缩编码后的视频的质量直接反映了改压缩算法或压缩算法的性能，视频服务系统必须能够及时把握并量化视频质量下降的情况，因此视频信息质量评价成为一个值得关注的问题。

视频质量评价包括主观质量评价(主观感觉评价法)和客观质量评价(客观评定法)。目前大多数图像处理系统的以人眼为终端系统，它是最直接也是最可靠的图像质量评价方法，但是这种主观质量评价操作复杂、受观测环境和观察者的背景差异影响大、实时性差，无法适应当前多数视频服务系统。

客观质量评价包括全参考、部分参考和无参考数据的视频质量度量。ITU-R专家组将峰值信噪比(PSNR)和均方根误差(MSE)作为传统的两种客观质量评价标准，但是实践证明这两种方法经常出现与人的主观感觉不一致的情况。这两种全参考方法是假定在判断视频质量时可获得未失真的原始视频，来对比失真视频和原始视频从而评价失真视频的质量，所得的并不是真正的图像质量，而是相似程度或保真程度。

大部分视频服务应用中，人是最终的视频接收者，对于各种图像质量客观评价方法，其研究的目的必须是使客观质量的评价结果与人的主观感觉相符，因此，仍需要新的视频质量评价方法。

发明内容

针对目前视频质量评价方法存在的不足，本发明提供了一种视频质量评价方法。

本发明所述的视频质量评价方法，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：

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为显著性图的乘性因子；

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。

在一种优选实施例中，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。

在一种优选实施例中，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。

在一种优选实施例中，所述显著图为人感兴趣区域。所述人感兴趣区域是指：吸引人眼注意力的对象。

其中，所述人感兴趣的区域的采集可以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。

在一种优选实施例中，所输出的校正后的图像，可以包括彩色图像、或者彩色图像与所述彩色图像所对应的灰度图。

与现有的技术相比，本发明提出的基于感兴趣区域的视频质量评价方法的优点在于：

通过将视觉注意机制应用于图像感兴趣区域的提取，提取图像的显著性图，可以大大提高效率和准确度，避免不必要的计算资源浪费，同时能得到很好的主观感知图，并且和客观质量评价具有很好的一致性。

附图说明

图1为本发明视频质量评价方法流程示意图；

图2为本发明方法在MATLAB环境下进行测试的实验结果图，其中，图2A为赛车视频图像序列实验结果，图2B为舞蹈视频图像序列实验结果；图中带粗体边框的为参考图。

具体实施方式