[发明专利]一种利用视频统计特征预测差错敏感度的方法

权利要求书

1.一种利用视频统计特征预测差错敏感度的方法，其特征在于，具体步骤如下：

步骤1.提取丢包视频特征：对测试视频随机丢包处理，获取丢失块周围块的丢失情况，计算丢失块所处区域的纹理复杂度，计算丢失块区域梯度，估计丢失块的运动矢量；同时将周围块的丢失情况、纹理复杂度、梯度以及运动矢量联合构成丢失块的统计特征；

步骤2.计算差错敏感度：将丢包后的视频进行差错隐藏，再以块为单位统计仍存在的错误像素，计算差错敏感度；

步骤3.训练模型并预测：丢失块的统计特征及其相应的差错敏感度构成训练集，使用训练集训练支持向量回归器SVR，把丢失块的统计特征输入训练好的SVR模型，输出预测的差错敏感度；在所述步骤1中，提取丢失块特征的基本步骤为：

步骤1.1.丢包是以块为单位，尺寸为2N×2N，取与当前丢失块MB₀空域相邻的上、下、左、右、左上、右上、左下和右下共8个块作为周围块，分别记为MB₁、MB₂、MB₃、MB₄、MB₅、MB₆、MB₇、MB₈；

步骤1.1.1.判断周围块是否正确接收，得到对应的标志位F_i：

丢失为0，反之为1；

步骤1.1.2.计算正确接收的周围块的灰度共生矩阵，获得统计量熵，取熵平均以表征当前丢失块所处区域的纹理复杂度blk_complexity，计算过程如下：

ENT_i＝-∑_m∑_np(m,n)log p(m,n)(i＝1,2,…,8)

其中，p(m,n)为MB_i的灰度共生矩阵(m,n)处的值，ENT_i为MB_i的统计量熵；

步骤1.1.3.分别计算正确接收的周围块的灰度梯度值，丢失块区域梯度值blk_gradient则为周围块的平均灰度梯度值；

步骤1.2.估计当前丢失块的运动矢量时，先取当前丢失块相邻上下左右N个像素宽的区域；求得区域内正确接收的像素点的运动矢量；再求均值得到最终丢失块的运动矢量blk_MV，若区域内无正确接收像素点，则当前丢失块运动矢量blk_MV为0；

步骤1.3.把F_i(i＝1,2,…,8)、blk_complexity、blk_gradient和blk_MV联合构成丢失块的统计特征；

在所述步骤2中，计算差错敏感度，具体步骤为：

步骤2.1.对丢包视频进行差错隐藏；

步骤2.2.判断隐藏后的块内的每个像素是否正确：若隐藏后的像素值与原始像素值差异大于阈值，视该像素为错误像素；

步骤2.3.统计每个块中的错误像素数，计算差错敏感度S：

其中，n为块内的错误像素数，块的大小为2N×2N。