[发明专利]基于帧间交叉信息的无参考立体视频质量评价方法

说明书

本发明涉及一种基于帧间交叉信息的无参考立体视频质量评价方法,包括：给定一个立体视频对中的左视图L和右视图R，逐帧计算双目求和图和差分图；在空域内，利用Log‑Gabor滤波器进行特征提取，从生成的双目求和图和双目差分图提取幅度特征；得到每一帧画面内每个坐标点的局部空间幅度信息特征和局部相位特征；获得最终的幅度和相位特征；对帧间交叉图I_C进行局部空间幅度信息特征提取和局部相位特征提取；在时间域上，提取光流特征，对视频质量进行分析；所提取的各项特征，采用SVR进行训练，对立体视频质量分数进行预测。

技术领域

本发明属视频处理领域，涉及立体视频质量评价方法。

背景技术

随着3D视频技术的飞速发展，在不久的将来，人们对3D内容的需求会越来越大。立体视频以其逼 真的立体视觉和极好的沉浸体验而具有广阔的应用前景。因此，主观或客观视觉质量模型的开发成为目前 的研究热点[1]。然而，除了在转换过程中不可避免的失真外，在评估3D视频质量方面还存在一些具体的 挑战。其原因主要如下:与图像相比，视频中其中包含的信息量较大，内容较为复杂，对其质量的预测更加 困难。

关于视频质量评价的研究大致可以分为主观质量评价和客观质量评价两大类[2]。主观质量评价是利用 足够多的观测者根据观看体验，来评价视频的失真程度并给出主观分数。然后对这些分数进行平均，得到 一个平均意见分数(MOS)，它可以代表被测试视频的真实观看体验。事实上，这种主观评价是视频感知质 量的最佳指标。客观质量评价是利用计算机视觉模拟人类视觉系统(HVS)，自动测量图像或视频的质量是 否符合人类视觉感知[3]。与主观评价相比，其在实际中因具有不受相关因素干扰且不需要大量主观实验，操作简单等优势，得到更广泛的应用。

根据对原始图像或视频的需求，现有的目标方法一般分为三种类型，即全参考(Full-Reference,FR)、半 参考(Reduced-Reference,RR)和无参考(No-Reference,NR)。FR算法需要原始信号和失真信号来预测质量下 降程度，而RR算法则只应用了参考立体视频对的部分信息。NR方法是在不提供原始信号信息的情况下， 对失真的立体视频进行质量检测。然而，考虑到参考视频在大多数实际应用中不可用，只有无参考方法才 有可能满足实际需求。

[1]T.Kim,J.Kang,S.Lee,andA.C.Bovik,“Multimodal interactive continuousscoring ofsubjective 3D video qualityofexperience,”IEEETransactionsonMultimedia.,vol.16,no.2,pp.387-402,2014.

[2]Q.Huynh Thu,M.N.Garcia,F.Speranza,P.Corriveau,and A.Raake,“Studyof rating scales for subjective quality assessmentofhigh-definitionvideo,”IEEE Transactions onBroadcasting,vol.57,no.1,pp.1-14, 2011.

[3]J.Yang,H.Wang,W.Lu,B.Li,A.Badii,and Q.Meng,“A no-reference opticalflow-based quality evaluatorforstereoscopicvideos incurveletdomain,”Information Sciences.,vol.414,pp.133-146,2017.

发明内容

本发明提供一种无参考立体视频质量评价方法。本发明利用双目特征激发模型来测量失真的程度，从 而得到改进的无参考立体视频质量评价框架模型，该方法利用视频帧间交叉信息有效地反映了视频失真度 与MOS之间的关系，可以对视频的质量进行快速、高效的评估。技术方案如下：

一种基于帧间交叉信息的无参考立体视频质量评价方法,包括以下几个步骤：