[发明专利]一种基于内容分类的视频模糊度检测人眼视觉修正方法

说明书

本发明提供一种基于视频内容分类的无参考模糊度评价修正方法，包含内容分类数据库建立及模糊度评分修正，内容分类数据库使用离线视频或图像的全参考评价分数和待修正的无参考客观模糊度评价分数之间的线性关系对图像内容进行分类，分类后在每一类中使用Logistic函数对上述数据进行非线性拟合，该拟合函数即可用于对新的具有相近内容类型的视频帧的无参考模糊度打分进行修正。评分修正时首先通过神经网络对新的视频帧与数据库中的图像进行内容匹配，并使用对应类别的修正函数对新视频帧的模糊度评分进行修正。本发明可以克服内容多样性带来的影响，有效地解决了背景技术中的问题，使得模糊度评价方法可以应用于实际视频服务中。

技术领域

本发明涉及一种图像处理技术领域中的视频图像模糊度评价方法，具体的是一种依据内容分类对初始模糊度评价得分进行人眼视觉特性修正的方法。

背景技术

随着视频服务逐渐成为人们获取信息的主要途径之一，市场提供的视频服务的主流分辨率从过去标清为主演变到目前以高清为主，并将进一步过渡到以超高清4K为主，未来还会向8K、AR/VR等更高水平发展。消费者对观看体验的要求也不断提高，视频用户体验质量已经成为视频服务的主要竞争因素。而模糊度作为视频图像质量的质量评价因素之一，具有显著的视觉感知地位，广泛地影响了用户对于视频服务的感受，因此需要基于人眼视觉的图像处理技术进行准确的模糊度评价。

视频质量评价根据对视频参考源的依赖程度分为全参考、部分参考和无参考评估方法。随着大数据时代的带来，在视频质量评价领域，无参考评价方法将有着更大的发展空间。由于无参考质量评价方法需要人眼主观评分数据进行训练，而主观评价过程耗时耗力且国际公开的图像质量评价数据库尤其是模糊度评价数据库并不多，所以目前学术界领先的无参考模糊度评价方法虽然在公开数据库上具有较好效果，但是一旦应用于现实视频服务时，由于视频服务内容类型远超过公开的学术数据库，因此方法性能明显下降，无法直接应用。

因此如何利用已有的无参考图像模糊度评价方法并将其推广到实际视频服务中具有迫切的现实意义。主要问题在于：一、如何解决视频内容多样性对评价方法稳定性的降低；二、如何在不同的模糊度损伤程度下均能准确的刻画人眼主观感受，目前带主观标记的数据库中大部分损伤为中度到重度模糊，轻度模糊数据较少，而目前随着传输带宽和技术的发展，轻度到中度模糊是更为常见的损伤，需要准确的区分和评价。

发明内容

针对现有技术中存在的上述不足，本发明提出了一种基于内容分类的视频模糊度检测人眼视觉修正方法，在离线训练阶段对数据库内容分类并确定各类的Logistic修正函数，在线使用阶段对新输入的视频帧判别内容类别后进行模糊度评价修正，可以克服内容多样性带来的影响，有效地解决了背景技术中的问题，使得模糊度评价方法可以应用于实际视频服务中。

为实现上述目的，本发明采用的技术方案如下：内容分类数据库使用离线视频或图像的主观评价分数(大数据量下可用全参考评价分数替代)和待修正的无参考客观模糊度评价分数之间的线性关系对图像内容进行分类，分类后在每一类中使用Logistic函数对上述数据进行非线性拟合，该拟合函数即可用于对新的具有相近内容类型的视频帧的无参考模糊度打分进行修正。评分修正阶段通过神经网络对新的视频帧与数据库中的图像进行内容匹配。

具体的，本发明所述的基于内容分类的视频模糊度检测人眼视觉修正方法，包括：视频帧内容分类与模糊度评分修正两方面；

步骤1，内容分类数据库建立

1.1：读取无损的源视频帧及与其相同内容的各程度模糊版本，利用全参考质量评价方法VIF(Visual Information Fidelity)对各模糊视频帧评价打分，得到全参考VIF分值；

1.2：利用无参考图像模糊度检测方法独立对各模糊视频帧评价打分，得到无参考评价分值；

1.3：在全参考VIF分值与无参考评价分值形成的坐标系内，对同一内容视频帧及其各模糊版本对应的数据点进行如下线性拟合：