[发明专利]一种基于机器学习的立体视频客观质量评价方法

摘要

本发明公开了一种基于机器学习的立体视频客观质量评价方法，其在评价单帧图像的亮度分量图的空域质量时，采用原始和失真的立体视频中的每帧图像的亮度分量图中的每个图像块经奇异值分解后的奇异向量的点积来衡量失真立体视频中的每帧图像的失真程度，由于奇异向量可以很好的反映图像的结构信息，以奇异向量的点积来衡量图像的质量因考虑到了结构信息的变化，因此评价结果能更客观地反映立体视频受到各种失真影响下的视觉质量的变化情况；其采用机器学习的方法来处理立体视频的左视点视频的质量和右视点视频的质量、左视点视频和右视点视频在视点间的差异程度与客观质量评价预测值之间的关系，可以有效地取得与人眼感知更一致的评价结果。

主权项

一种基于机器学习的立体视频客观质量评价方法，其特征在于它的处理过程为：通过对参考立体视频的左视点视频中的图像的亮度分量图中的所有尺寸大小一致的第一图像块，及失真的立体视频的左视点视频中的图像的亮度分量图中的所有尺寸大小一致的第一图像块实施奇异值分解，获取失真的立体视频的左视点视频的质量；通过对参考立体视频的右视点视频中的图像的亮度分量图中的所有尺寸大小一致的第一图像块，及失真的立体视频的右视点视频中的图像的亮度分量图中的所有尺寸大小一致的第一图像块实施奇异值分解，获取失真的立体视频的右视点视频的质量；通过计算参考立体视频的左视点视频与右视点视频中相对应的两帧图像的亮度分量图的绝对差值图中的每个尺寸大小为8×8的子块，与失真的立体视频的左视点视频与右视点视频中相对应的两帧图像的亮度分量图的绝对差值图中的每个尺寸大小为8×8的子块的结构相似度，获取失真的立体视频的左视点视频与右视点视频在视点间的差异程度；采用多个原始的无失真的立体视频，建立其在不同失真类型不同失真程度下的失真立体视频集合，该失真立体视频集合包括多个失真立体视频，然后利用主观质量评价方法分别评价出该失真立体视频集合中的每个失真立体视频的平均主观意见分，接着按照上述三个过程获取该失真立体视频集合中的每个失真立体视频的左视点视频的质量、右视点视频的质量、左视点视频与右视点视频在视点间的差异程度，再将每个失真立体视频的左视点视频的质量、右视点视频的质量、左视点视频与右视点视频在视点间的差异程度构成特征矢量；将该失真立体视频集合中的所有失真立体视频分成训练集和测试集，然后采用支持向量回归作为机器学习的方法，对该训练集中的所有失真立体视频的特征矢量进行训练，并结合该训练集中的所有失真立体视频的平均主观意见分，得到支持向量回归训练模型，接着根据支持向量回归训练模型，对该测试集中的每个失真立体视频的特征矢量进行测试，预测得到该测试集中的每个失真立体视频的客观质量评价预测值。