[发明专利]一种基于人眼视觉特性的视频客观质量评价方法

摘要

本发明公开了一种基于人眼视觉特性的视频客观质量评价方法，其将失真视频序列中的图像划分为边缘、纹理和平滑区域，然后根据无失真视频序列中的图像的时域恰可察觉失真图，将边缘区域中的像素点分为可见和不可见失真点，接着对可见和不可见失真点进行不同程度的感知加权，再根据边缘区域中的每个像素点的感知加权后的结构相似度值、纹理区域和平滑区域中的每个像素点的结构相似度值，获取失真视频序列中的图像的质量分，最后根据低通滤波后的质量分获取失真视频序列的总体质量评价客观值，整个过程不仅有效地利用了人眼视觉特性，而且在评价平面视频图像质量的基础上，引入了时域特性，因此有效地提高了客观质量评价结果与主观感知之间的相关性。

主权项

1.一种基于人眼视觉特性的视频客观质量评价方法，其特征在于包括以下步骤：①令V_org为原始的无失真的视频序列，令V_dis为失真的视频序列，将V_org中当前待处理的第n帧图像定义为当前第一图像，将V_dis中当前待处理的第n帧图像定义为当前第二图像，其中，1≤n≤frames，frames表示V_org和V_dis各自包含的图像的帧数；②将当前第一图像记为Y_{org_n}，将当前第二图像记为Y_{dis_n}；③首先，计算当前第一图像中的每个像素点的梯度幅值，并计算当前第二图像中的每个像素点的梯度幅值；然后根据当前第一图像和当前第二图像中的每个像素点的梯度幅值，将当前第二图像划分为边缘区域、纹理区域和平滑区域；④首先，计算当前第一图像的时域恰可察觉失真图；然后根据当前第一图像与当前第二图像的绝对差值图及当前第一图像的时域恰可察觉失真图，确定当前第二图像中的边缘区域中的每个像素点为可见失真点还是为不可见失真点；⑤首先，计算当前第二图像中的每个像素点的结构相似度值；然后，计算当前第二图像中的边缘区域中的可见失真点的感知加权因子和不可见失真点的感知加权因子；再利用当前第二图像中的边缘区域中的可见失真点的感知加权因子和不可见失真点的感知加权因子，对当前第二图像中的边缘区域中的每个像素点的结构相似度值进行感知加权，得到当前第二图像中的边缘区域中的每个像素点的感知加权后的结构相似度值；⑥根据当前第二图像中的边缘区域中的每个像素点的感知加权后的结构相似度值、当前第二图像中的纹理区域中的每个像素点的结构相似度值、当前第二图像中的平滑区域中的每个像素点的结构相似度值，并采用线性加权方法，计算当前第二图像的质量分，记为q_n，qn=a1×1N1Σk1=1N1ssime′(k1)+a2×1N2Σk2=1N2ssimt(k2)+a3×1N3Σk3=1N3ssims(k3),]]>其中，a₁表示当前第二图像中的边缘区域的加权权重，a₂表示当前第二图像中的纹理区域的加权权重，a₃表示当前第二图像中的平滑区域的加权权重，a₁+a₂+a₃=1，a₁≥a₂≥a₃，N₁表示当前第二图像中的边缘区域包含的像素点的个数，N₂表示当前第二图像中的纹理区域包含的像素点的个数，N₃表示当前第二图像中的平滑区域包含的像素点的个数，N₁+N₂+N₃=N，N表示当前第二图像包含的像素点的个数，1≤k₁≤N₁,1≤k₂≤N₂,1≤k₃≤N₃，ssim_e'(k₁)表示当前第二图像中的边缘区域中的第k₁个像素点的感知加权后的结构相似度值，ssim_t(k₂)表示当前第二图像中的纹理区域中的第k₂个像素点的结构相似度值，ssim_s(k₃)表示当前第二图像中的平滑区域中的第k₃个像素点的结构相似度值；⑦令n=n+1，将V_org中下一帧待处理的图像作为当前第一图像，将V_dis中下一帧待处理的图像作为当前第二图像，然后返回步骤②继续执行，直至V_org和V_dis中的所有图像均处理完毕，得到V_dis中的每帧图像的质量分，其中，n=n+1中的“=”为赋值符号；⑧对V_dis中的每帧图像的质量分进行低通滤波处理，得到V_dis中的每帧图像的滤波处理后的质量分，将V_dis中的第n帧图像的滤波处理后的质量分记为q_n'；然后将V_dis中由滤波处理后的质量分最低的h%帧图像构成的集合定义为较差图像集合；再根据较差图像集合中的每帧较差图像的滤波处理后的质量分，计算V_dis的总体质量评价客观值，记为Q，其中，N_H表示较差图像集合中的较差图像的帧数，N_H=h%×frames，h表示最差加权策略参数，1≤n'≤N_H，q_n''表示较差图像集合中的第n'帧较差图像的滤波处理后的质量分。