[发明专利]一种应用于视频质量评价的视频显著性区域搜索方法

说明书

技术领域

本发明属于视频处理技术领域，涉及视频质量评价、感知编码、机器视觉等，可用于视频压缩和视频显著性区域提取及其相关的装置和产品，具体涉及一种应用于视频质量评价的视频显著性区域搜索方法。

背景技术

随着网络的快速发展，人们对视频质量的要求越来越高，视频质量评价的研究意义就显得尤为重要。如何能在维持或增强视频质量的情况下，对视频进行压缩并易于传输是近年来研究的重点和热点。视频显著性区域的研究是在视频压缩过程中维持或增强视频质量的重要部分，同时也是解决视频传输等的一个有效的方法。视频显著性区域研究同时也涉及到其他的研究领域，如计算机视觉，心理学等。

视频中场景变换复杂，每个画面信息内容强大，人们已经发现在图像信息内容丰富的情况下，人眼关注的焦点总是集中在图像或视频中的某一些特定区域。这是人眼视觉系统的一个内在属性。充分了解人类视觉的这种内在属性，并能够依据人眼的内在属性处理图像或者视频使其能更好的适应人们对图像或视频质量的要求。

关于显著性研究是从上个世纪80年代中期开始的。显著性区域的提取一般是通过人眼视觉关注特性，模拟视觉的关注过程，通过分析图像的信息和特征提取图像或者视频中能够引起视觉关注的部分。如何根据计算机对图像/视频建立一个合适的显著性研究模型是目前世界科研领域亟待解决的问题。

目前对图像显著性区域研究的方法有很多。视觉注意模型开始是Koch在文章“Shifts in selective visual attention : Towards the underlying neural circuitry”中，并在视觉生理和心理物理实验结果的基础上，根据显著性区域建立了视觉注意模型。由Itti提出算法“A model of saliency-based visual attention for rapid scene analysis, IEEE Trans. Pattern Anal.Mach.Intell.1998,20:1254-1259.”完善了模型。Itti算法中根据亮度，色度以及图像的方向空间三个通道的显著性区域的结果图融合得到最终的图像显著性图。这些方法都是模拟人眼的视觉注意力机制，能够比较好的检测出图像显著性图。但是对于视频的显著性图的分析不能仅从图像考虑，同时需要考虑到视频在时域上的相关性。

与本发明相接近的算法为Xiaodi Hou在文章中“Saliency Detection: A Spectral Residual Appraoch，CVPR，2007：1-8”提出的一种简单的图像显著性算法，该算法中通过分析图像频率域的幅值特性，并根据大量图像幅值特性的研究结果，通过谱残差最终得到图像的显著性区域。

具体步骤如下：

1.      如果测试图像是彩色图像转化为灰度图像；

2.      对测试图像进行FFT变换；

3.      分别取变化后的幅值图                                                和相位图；

4.      根据计算得到谱残差，为3x3的均值滤波器；

5.      根据和做傅里叶逆变换得到；

6.      根据公式计算得到显著性图。

但是该方法有如下缺点：

(1)   图像显著性不能很好的适应于视频关键帧显著性的计算；

(2)   没有考虑到相位对于显著性检测的重要性；

（3）背景复杂的情况下不能很好地检测出显著性区域。

发明内容

 为了解决现有技术中存在的上述技术问题，本发明提供了一种应用于视频质量评价的视频显著性区域搜索方法，包括如下步骤：

(1)   取出关键帧与其前一帧的三维相关区域；

(2)   获得三维区域的频率域显示；

(3)   分别取出频率域的幅值谱和相位谱；

(4)   获取谱残差和相位差；

(5)   处理相位差，使其在规定范围内；

(6)   获取谱残差与相位差的空间域显示；

(7)   对获得的空间域结果进行高斯滤波；

(8)   获得视频关键帧的显著性结果图。

进一步的，其中步骤(1)所述的取出关键帧与其前一帧的三维相关区域，按如下步骤进行：

(21) 提取测试序列关键帧的原始图像及其前后各10帧的原始图像，得到三维相关区域；