[发明专利]基于稀疏表示的无参考立体视频质量客观评价方法

摘要

本发明公开了一种基于稀疏表示的无参考立体视频质量客观评价方法：对立体视频进行降采样，得到立体视频对；对立体视频对左、右视点分别求单目能量幅度图，得到左、右视图的加权因子；立体视频对双视点进行加权运算，得到视觉感知图；在视觉感知图上计算视觉感兴趣区域，得到视觉感知显著性图；字典学习；对视觉感知显著性图稀疏表示，得到系数矩阵，得到其熵；对系数矩阵求均值，方差和二范数操作，得到系数矩阵；在视频库中选择视频对的系数矩阵和MOS用于训练，得到训练模型；利用训练模型对任一立体视频进行质量预测，得到最终客观预测值。本发明根据视觉感知图像，稀疏表示为工具，对立体视频质量做出更加全面、准确的客观评价。

主权项

1.基于稀疏表示的无参考立体视频质量客观评价方法，每个失真立体视频对由左视点和右视点组成，其特征在于，包括以下步骤：第一步，对立体视频进行降采样处理，每隔一定帧数取一帧，得到总帧数为l的立体视频对；第二步，模拟人类视觉特性，对第一步得到的立体视频对的左视点和右视点分别求其单目能量幅度图，得到左视图和右视图的加权因子WL(x,y,n)和WR(x+d,y,n)；第三步，将第一步得到的立体视频对的双视点(tl,tr)进行加权运算，得到一段视频的第n对图像的视觉感知图V(x,y,n)，计算公式如下所示：V(x,y,n)＝WL(x,y,n)×tl(x,y,n)+WR(x+d,y,n)×tr((x+d),y,n)第四步，在合成的视觉感知图V(x,y)上计算视觉感兴趣区域，得到视觉感知显著性图SM(x,y)；第五步，用图像进行字典学习；第六步，对视觉感知显著性图SM(x,y)进行稀疏表示：首先对视频对的一幅图像进行稀疏表示，得到相应的系数矩阵C，随后对系数矩阵C进行求熵，得到其熵E；第七步，对帧长为l的SM(x,y)视频的所有图像序列执行第六步，得到稀疏表示后的系数矩阵l×K，最后对系数矩阵在时间方向上进行求均值，方差和二范数操作，得到该视频处理后的系数矩阵(3×K)；第八步，对立体视频库中的每一组失真立体视频对进行第一步至第七步操作，并利用支持向量机(SVM)对视频库中的视频的稀疏矩阵及相应的主观评价值(MOS)进行训练；具体如下，在视频库中随机选择80％视频对的系数矩阵和MOS用于训练，得到相应的训练模型；利用该训练模型对任一立体视频进行质量预测，得到最终的客观预测值。