[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

说明书

本发明涉及一种视频失真效应标记大规模数据库的构建方法，首先准备含有某种失真效应的大规模测试视频序列；接着识别可感知失真区域；然后使用空间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、负样本；最后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。本发明的数据库能够对视频失真效应做出的客观标记，可用于构建相应的失真效应识别算法，并对改善视频编码及传输策略做出指导。

技术领域

本发明涉及视频质量评估领域，特别是一种视频失真效应标记大规模数据库的构建方法。

背景技术

近十年来，视频编码、网络传输和显示技术的迅速发展，见证了高清(HD)、超高清(UHD)和3D/360度视频的繁荣。根据思科发布的可视化网络指数(VNI)，视频内容已经占据了目前宽带和移动网络的2/3带宽，并将在可见的未来增长到80%-90%。在全球范围内，互联网视频用户将从2016 年的14亿增长至 2021 年的近19亿,同时移动端用户数量也即将爆发性增长。到2021年，每月全球互联网视频观看时长将达到三万亿分钟，这相当于每月有长达500万年的视频被观看，或每秒大约有100万分钟的视频被观看。

针对这些数字视频的预处理，包括图像增强、视觉转换、拼接等操作，不可避免地形成了画面的视觉失真。同时，视频内容不断增长，需要在有限的比特率或带宽约束下最大化视频质量，通常是通过有损视频编码技术实现。当前最先进的视频编码方案都采用常见的混合视频编码结构，其标准程序包括帧内预测、帧间运动估计和补偿，然后是变换、量化和熵编码。为了便于在大尺寸视频中实现这些功能，编码器将帧进一步划分为片和编码单元。因此，在比特率不够高的情况下，压缩视频包含了帧、片和单元内和单元之间的各种信息丢失，导致视觉上的失真。这些视频失真的存在，极大降低了当前视频观看的用户体验。

此外，基于宽带和移动网络的信息传输是基于包交换的，视频流数据被分成包，每个包独立传送。在中间网络节点处（如交换机或路由器）可能由于缓冲区溢出而丢弃包，或由于过长的排队延迟而被认为丢包。对于视频流或者实时视频通信系统，任何在允许延迟时间之后到达的包也会被认为丢失。而这些包的丢失，以及后续纠错算法的失败，都会造成视频的内容失真，同样导致当前视频观看的用户体验的下降。

针对上述失真的检测和分类是一项具有挑战性的任务。在传统上，质量指标如绝对误差和(SAD)、均方误差 (MSE)、峰值信噪比(PSNR)、结构相似性（SSIM）等，无法针对失真进行直接检测。在用户端，失真高度可见，但无法准确测量。近年来软硬件的发展极大地推动了4K/8K时代的到来，以用户为中心的视频处理编码和传输变得更加重要，同时深度学习的出现使得对失真的识别和定量研究成为可能。而深度学习依赖于大规模的数据库标记。当前，存在若干针对视频失真的数据库，但这些数据库仅就图片的整体失真做出质量评判，未标记具体失真区域；同时，这些数据库相对较小，一般数百到数千图片，不足以支持深度学习所需的大规模样本。

发明内容

有鉴于此，本发明的目的是提出一种视频失真效应标记大规模数据库的构建方法，其得到的数据库对视频失真效应做出的客观标记，可用于构建相应的失真效应识别算法，并对改善视频编码及传输策略做出指导。

本发明采用以下方案实现：一种视频失真效应标记大规模数据库的构建方法，具体包括以下步骤：

步骤S1：准备含有某种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：使用空间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。