[发明专利]基于稀疏表示的无参考立体视频质量客观评价方法

权利要求书

1.基于稀疏表示的无参考立体视频质量客观评价方法，每个失真立体视频对由左视点和右视点组成，其特征在于，包括以下步骤：

第一步，对立体视频进行降采样处理，每隔一定帧数取一帧，得到总帧数为l的立体视频对；

第二步，模拟人类视觉特性，对第一步得到的立体视频对的左视点和右视点分别求其单目能量幅度图，得到左视图和右视图的加权因子W_L(x,y,n)和W_R(x+d,y,n)；

第三步，将第一步得到的立体视频对的双视点(t_l,t_r)进行加权运算，得到一段视频的第n对图像的视觉感知图V(x,y,n)，计算公式如下所示：

V(x,y,n)＝W_L(x,y,n)×t_l(x,y,n)+W_R(x+d,y,n)×t_r((x+d),y,n)

第四步，在合成的视觉感知图V(x,y)上计算视觉感兴趣区域，得到视觉感知显著性图SM(x,y)；

第五步，用图像进行字典学习；

第六步，对视觉感知显著性图SM(x,y)进行稀疏表示：首先对视频对的一幅图像进行稀疏表示，得到相应的系数矩阵C，随后对系数矩阵C进行求熵，得到其熵E；

第七步，对帧长为l的SM(x,y)视频的所有图像序列执行第六步，得到稀疏表示后的系数矩阵l×K，最后对系数矩阵在时间方向上进行求均值，方差和二范数操作，得到该视频处理后的系数矩阵(3×K)；

第八步，对立体视频库中的每一组失真立体视频对进行第一步至第七步操作，并利用支持向量机(SVM)对视频库中的视频的稀疏矩阵及相应的主观评价值(MOS)进行训练；具体如下，在视频库中随机选择80％视频对的系数矩阵和MOS用于训练，得到相应的训练模型；利用该训练模型对任一立体视频进行质量预测，得到最终的客观预测值。

2.根据权利要求1所述的基于稀疏表示的无参考立体视频质量客观评价方法，其特征在于，第二步中左视点能量图和右视点能量图的加权因子W_L(x,y,n)和W_R(x+d,y,n)的求解过程：

(1)左视点图像中的点p(x,y)，在右视点图像中匹配点为p'(x+d,y)，d表示对右视点图像进行视差补偿的像素点横坐标差值，这两个像素点的能量分别为：

p_i为p周围相邻点，p_i'为p'周围相邻点；E_pi为对应于p_i的能量，为对应于p′_i的能量；ψ为去掉p点的p周围相邻区域，ψ′为去掉p′点的p′周围相邻区域，z是p周围相邻点个数；

最终，依照上式，得到左视图的能量图为GE_L(x,y)和对应右视图的能量图GE_R((x+d),y)

(2)左视图和右视图的加权因子W_L(x,y)和W_R((x+d),y)表示为：

3.根据权利要求1所述的基于稀疏表示的无参考立体视频质量客观评价方法，其特征在于，第四步中立体视频的视觉感知显著性图按以下公式获得：

SM(x,y,n)＝λ·SM_3D(x,y,n)+(1-λ)·SM_mo(x,y,n)

其中，SM_3D(x,y,n)为第n幅图像的3D显著性图，SM_mo(x,y,n)为运动显著性图，λ为权重系数。