[发明专利]基于多视图特征学习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多视图特征学习的无参考立体视频质量客观评价方法：对图像序列进行曲波变换，提取系数作为纹理特征；将八个相邻像素点与中心像素点比较；产生十种输出模式；计算每种模式出现频率，取平均值作为空域纹理特征；降维处理，得到空域特征；获得相邻图像运动强度特征，求平均值作为时域特征；立体感知域视图进行DCT变换，DCT系数建模，提取形状参数，求平均值作为立体感知域特征；进行SVM训练；利用评价模型分别预测，得到客观质量分数；加权得到最终质量分数。本发明结合空域、时域和立体感特征对于立体视频质量的影响，进行立体视频质量评价，提高立体视频客观质量评价的准确性。

主权项

1.基于多视图特征学习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视频和右视点视频组成，其特征在于，包括以下步骤：第一步：对组成左视点视频和右视点视频的图像序列分别进行曲波变换，提取每幅图像的曲波变换系数作为纹理特征；第二步：对于每个曲波变换系数子带，任选一点作为中心像素点，将八个相邻像素点的曲波系数与中心像素点的曲波系数进行比较，大于中心像素点的相邻像素点的位置标记为1，否则为0；3×3邻域内的八个相邻像素点经比较产生八位二进制数，即得到该窗口中心像素点的LBP值，总共产生十种不同的输出模式(0～9)；最终在每个曲波变换系数子带中计算每种输出模式的出现频率，并在左视点视频和右视点视频的所有帧上取平均值，将其作为立体视频质量评价的空域纹理特征；第三步：用主成分分析法对第二步中的空域纹理特征进行降维处理，得到最终的空域特征；第四步：利用新三步搜索法获得相邻两帧图像之间运动矢量，并提取图像的运动强度特征，最终对视频所有图像序列的运动强度特征求平均值作为最终的时域特征；第五步：对左视点视频和右视点视频做差运算，得到立体视频的立体感知域视图，在其每个子图像块上进行DCT变换，然后在整幅图像上对所有DCT变换系数进行分布统计，利用广义高斯概率分布对立体感知域视图的DCT变换系数进行建模，并提取形状参数作为DCT变换系数分布的特征，最终在视频所有图像序列上求形状参数平均值作为衡量立体感失真程度的特征，即立体感知域特征；第六步：在已知主观分数值的立体视频库训练集上进行SVM训练，得到一个与所得特征相对应的评价模型；对待测试视频进行第一步到第五步的处理，提取对应的空域特征、时域特征和立体感知域特征，之后利用评价模型分别进行预测，分别得到空域、时域和立体感知域视图的客观质量分数；第七步：将第六步得到的空域、时域和立体感知域视图的客观质量分数进行加权得到立体视频的最终质量分数。