[发明专利]一种视频失真效应标记大规模数据库的构建方法

权利要求书

1.一种视频失真效应标记大规模数据库的构建方法，其特征在于：包括以下步骤：

步骤S1：准备含有失真效应的大规模测试视频序列；

步骤S2：识别可感知失真区域；

步骤S3：使用滑动窗口对失真区域进行初步分割及标记，得到初步分割的正、负类样本；

步骤S4：使用小步长滑动的方式进一步获得失真区域的精细边缘，从而得到具备精细标记的大规模数据库；

步骤S3具体为：使用滑动窗口，遍历步骤S2识别的可感知失真区域，并切割正负类样本；

所述滑动窗口的使用方式与可感知失真的产生类型有关；

当可感知失真为空间型失真时，所述滑动窗口为逐像素遍历单帧的二维矩形；若滑动窗口内部像素中1/2以上属于已标记的空间型失真区域，则该窗口所切割的图像块被标记为正类；否则标记为负类；此外，随机选取该滑动窗口遍历源序列所切割的图像块，标记为负类；

当可感知失真为时间型失真时，所述滑动窗口为立方体，其截面与空间型失真的二维矩形相同，其长轴在标记帧前后若干帧展开；若该立方体的任一截面所含像素中1/2以上属于已标记的时间型失真区域，则该立方体滑动窗口所切割的图像组被标记为正类样本；否则标记为负类样本；此外，随机选取该滑动窗口遍历源序列所切割的图像组，标记为负类样本；

步骤S4具体为：基于步骤S3初步分割的正、负类样本，训练深度卷积神经网络，得到具有判别能力的初步样本分类器；设置双阈值Th_high及Th_low，其中，Th_high Th Th_low，若初步样本分类器的输出yTh，则判别输出属于正类，否则判别输出属于负类；

针对任一测试视频，切割不重叠图像块，并且进行如下标记：

若该图像块经过初步样本分类器，输出值大于Th_high，则其所在区域内所有点被标记为1；若初步样本分类器输出值小于Th_low，则其所在位置或区域内，未被标记的所有点被标记为0；若上述两种情况均不满足，则逐像素遍历所有与该图像块相重叠的图像块，若任一重叠块经过初步样本分类器的输出值大于Th_high，则其所在区域内所有点被标记为1；

若所标记为1的区域不能互相连通，则尝试进行连接操作；

将所有标记为1的区域记为失真区域，并根据需要重复步骤S3与步骤S4，最终获得具备精细标记的大规模数据库。

2.根据权利要求1所述的一种视频失真效应标记大规模数据库的构建方法，其特征在于：步骤S1具体为：将源序列经统一的编码及传输处理，生成不少于4个可能含有失真效应的测试序列；其中，源序列需为采集于自然场景的，未经任何编码及传输的原始序列；所述源序列需涵盖4种以上空间解析度，每种空间解析度需包含4个以上的采集于不同场景的视频。

3.根据权利要求2所述的一种视频失真效应标记大规模数据库的构建方法，其特征在于：步骤S4还包括：针对任一测试视频，切割不重叠图像组，并且进行如下标记：

若该图像组经过初步样本分类器，输出值大于Th_high，则其所在区域内所有点被标记为1；若初步样本分类器输出值小于Th_low，则其所在位置或区域内，未被标记的所有点被标记为0；若上述两种情况均不满足，则逐像素遍历所有与该图像组相重叠的图像组，若任一重叠组经过初步样本分类器的输出值大于Th_high，则其所在区域内所有点被标记为1；

若所标记为1的区域不能互相连通，则尝试进行连接操作。

4.根据权利要求3所述的一种视频失真效应标记大规模数据库的构建方法，其特征在于：所述连接操作包括以下步骤：

步骤S11：就任一已标记区域，提取其边缘点，构成该区域的边缘点集，该边缘点集内任两点的最大距离，记为该区域的尺度；

步骤S12：针对两个不连通的标记区域，分别提取其边缘点集，两个点集之间连线，经由随机抽样一致性算法之后的最大距离，记为两个区域之间的最大距离；

步骤S13：针对两个不连通的标记区域，若最大距离小于任一标记区域的尺度，则将两者之间连线通过的所有区域标记为1。