[发明专利]基于局部纹理特征和全局亮度特征的视频质量评价方法

摘要

本发明公开一种基于局部纹理特征和全局亮度特征的视频质量评价方法，涉及图像及视频处理技术领域，包括如下步骤：S1：提取网络视频的每一帧图像的局部纹理特征和全局亮度特征；S2：根据每一帧图像的纹理特征和亮度特征进行迟滞帧检测；S3：对检测到的迟滞帧进行总迟滞频次和总迟滞时长的统计；S4：以迟滞频率和迟滞时间的线性组合结果作为预测的视频质量。本发明解决的问题是：(1)用户端无法从接收到的网络流直接判断网络迟滞的位置及时间；(2)传统的视频质量评价方法通过自然场景统计特征提取和回归技术等基于机器学习的方法进行视频质量测度的构建，其计算复杂度高，对计算和存储资源的消耗大。

主权项

1.基于局部纹理特征和全局亮度特征的视频质量评价方法，其特征在于，包括如下步骤：S1：提取网络视频的每一帧图像的局部纹理特征和全局亮度特征；S1的具体步骤为：S11：计算边界像素亮度值高于中心像素的个数Gi：其中，T(x)表示单位阶跃函数，Ii和Ij分别表示图像中以第i个像素为中心的3×3局部块内的中心像素的亮度值和第j个边界像素的亮度值，边界像素数目为4个；S12：计算局部纹理特征αm：其中，αm为第m帧图像的局部纹理特征，δ(x)表示单位冲激函数，N表示视频帧的像素数目；S13：计算全局亮度特征βm：S14：将αm和βm按下式归一化到[0,1]：其中，αmin＝min{α1,α2,...,αM},αmax＝max{α1,α2,...,αM}，M表示帧的数目；S2：根据每一帧图像的纹理特征和亮度特征进行迟滞帧检测；S2的具体步骤包括：S21：计算基于局部纹理特征计算得到的第m帧图像的序号lv(m)：其中，αbase为基准局部纹理特征，tv＝1为局部纹理特征门限；对于初始帧，lv(1)＝1，αbase＝α1；在后续帧中，该基准局部纹理特征随纹理特征幅值的变化按下式更新S22：计算基于全局亮度特征的第m帧图像的序号， m>1 ：其中，βbase1和βbase2为对于m帧亮度特征的两个基准全局亮度特征，对于初始帧，βbase1＝β1+tb2+1,βbase2＝β1，tb1＝5和tb2＝1表示两个全局亮度特征门限；在后续帧中，βbase1和βbase2随亮度特征幅值的变化按下式更新：S23：根据基于纹理特征的判定迟滞帧的函数sv(m)和基于全局亮度特征的判定迟滞帧的函数sb(m)判定迟滞帧结果，其中，sv(m)＝1表示根据纹理特征判断，第m帧被认定为迟滞帧；反之，则不被认定为迟滞帧；同样的定义应用于sb(m)：其中，u表示lv(m)和lb(m)中任意视频帧序号，Ω表示lv(m)或lb(m)中所有序号为u的视频帧的集合，std(.)表示标准差运算符，对于lv(m)，当多个视频帧出现连续相同序号次数大于门限tc＝f时则可能为迟滞帧，其中f表示该视频帧率；S(m)＝sv(m)∧sb(m)表示最终的迟滞帧判定结果，其中符号∧表示逻辑与操作；S3：对检测到的迟滞帧进行总迟滞频次和总迟滞时长的统计；S4：以迟滞频率和迟滞时间的线性组合结果作为预测的视频质量。