[发明专利]无参考全景视频质量评价方法、系统、终端及介质

权利要求书

1.一种无参考全景视频评价方法，其特征在于，包括：

获得失真图像的基于梯度域的局部二值模式的ERP平面结构特征；

对失真图像进行超像素分割处理，分别获得基于超像素的人眼感知的权重和基于超像素的投影关系的权重；

根据所述局部二值模式的结构特征以及所述人眼感知的权重和所述投影关系的权重，提取全景视频单帧图像的结构特征；

根据所述全景视频单帧图像的结构特征，估计全景视频质量分数。

2.根据权利要求1所述的无参考全景视频评价方法，其特征在于，所述获得失真图像的基于梯度域的局部二值模式的ERP平面结构特征，包括：

计算全景视频中失真图像的单帧图像的梯度图像；

在梯度域的基础上，对所述梯度图像的像素进行编码，得到基于梯度域的局部二值模式的ERP平面结构特征。

3.根据权利要求2所述的无参考全景视频评价方法，其特征在于，所述计算全景视频中的单帧图像的梯度图像，包括：

采用Prewitt算子计算图像梯度，通过单帧图像与Prewitt算子两个方向的模版的卷积表示失真图像的梯度等级，则失真图像I(x，y)的梯度图像g(x，y)表示为：

式中，*表示卷积运算；p_x和p_y表示横向和纵向两个方向的模板，分别用于计算横向和纵向的边缘；

所述在梯度域的基础上，对所述梯度图像的像素进行编码，包括：

使用旋转不变的均匀LBP算子，对所述梯度图像的像素点进行编码，得到基于梯度域的局部二值模式的结构特征LBP_P，R：

式中，P表示中心点像素周围的元素个数，R表示周围像素选取的半径，g_c表示中心像素点梯度幅值，g_i表示周围像素点梯度幅值；其中：

式中，u为逐比特进行计算的均匀尺度，表示二进制序列从0到1和从1到0的跳变次数。

4.根据权利要求1所述的无参考全景视频评价方法，其特征在于，所述对失真图像进行超像素分割处理，包括：

采用线性迭代聚类法，对失真图像中的像素进行聚集，进而将离散的像素分割成由多个像素组成的超像素。