一種基于orb算子的無參考視頻平滑度的評價(jià)方法
【專利摘要】本發(fā)明涉及一種基于ORB算子的無參考視頻平滑度的評價(jià)方法，包括以下步驟：取視頻連續(xù)n幀圖像，提取n幀圖像中的ORB特征點(diǎn)；對每相鄰兩幀圖像中的ORB特征點(diǎn)進(jìn)行匹配；對每相鄰兩幀圖像誤匹配的ORB特征點(diǎn)進(jìn)行篩選并剔除；根據(jù)運(yùn)動仿射變換模型生成相鄰兩幀圖像間的仿射變換矩陣，即相鄰兩幀圖像間的單應(yīng)性矩陣，對單應(yīng)性矩陣A進(jìn)行逐步迭代求解；計(jì)算每相鄰兩幀圖像間的運(yùn)動參數(shù)，所述運(yùn)動參數(shù)包括圖像的平移及旋轉(zhuǎn)角度；生成視頻序列平移運(yùn)動軌跡及旋轉(zhuǎn)運(yùn)動軌跡；利用高斯濾波器對平移運(yùn)動軌跡及旋轉(zhuǎn)運(yùn)動軌跡進(jìn)行濾波處理，得到濾波后的平移軌跡、旋轉(zhuǎn)運(yùn)動軌跡；計(jì)算平移抖動數(shù)及旋轉(zhuǎn)抖動數(shù)，并計(jì)算水平平滑度值及旋轉(zhuǎn)平滑度值并判斷視頻平滑度。
【專利說明】一種基于ORB算子的無參考視頻平滑度的評價(jià)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像處理領(lǐng)域，尤其涉及一種視頻平滑度檢測方法。
【背景技術(shù)】
[0002]現(xiàn)有的大部分視頻質(zhì)量評價(jià)方法都是在圖片質(zhì)量評價(jià)方法基礎(chǔ)上發(fā)展而來的，一般先用圖片質(zhì)量評價(jià)方法得到每一幀視頻的質(zhì)量，然后按照某種標(biāo)準(zhǔn)對各幀視頻進(jìn)行加權(quán)，最后得到整個(gè)視頻的質(zhì)量，三類方法中都是針對如測量信號幅度、定時(shí)關(guān)系、信噪比等物理參數(shù)，以及通過各種算法來評價(jià)圖像的模糊、噪聲、塊效應(yīng)等現(xiàn)象來評價(jià)視頻質(zhì)量，但是都沒有針對視頻的抖動程度進(jìn)行評估，視頻的最終受體是人的眼睛，人眼觀察是評價(jià)視頻質(zhì)量最精確的方法，視頻的抖動，即視頻的平滑度，是視頻質(zhì)量的另外一個(gè)重要指標(biāo)，也是直接關(guān)系到人對視頻的感受，因此本文提出了無參考視頻平滑度的檢測方法，可以通過對視頻的平滑度檢測評估來完善補(bǔ)充對視頻質(zhì)量的評價(jià)。

【發(fā)明內(nèi)容】

[0003]本發(fā)明要解決的技術(shù)問題在于針對現(xiàn)有技術(shù)中的缺陷，提供一種無參考視頻平滑度檢測方法。
[0004]本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是:
[0005]一種基于ORB算子的無參考視頻平滑度的評價(jià)方法，包括以下步驟:
[0006]I)取視頻連續(xù)η巾貞圖像,提取η巾貞圖像中的ORB特征點(diǎn)；
[0007]2)采用FLANN特征點(diǎn)匹配算法對每相鄰兩幀圖像中的ORB特征點(diǎn)進(jìn)行匹配；
[0008]3)對每相鄰兩幀圖像誤匹配的ORB特征點(diǎn)進(jìn)行篩選并剔除；剔除方法為:求每相鄰兩幀圖像中所有匹配特征點(diǎn)兩兩之間的距離，取得其距離的最小值記為min_dist，將特征點(diǎn)距離大于B*min_dist的特征點(diǎn)進(jìn)行剔除，B取值范圍為6?10 ;
[0009]4)生成兩幅圖像間的仿射變換矩陣，—單應(yīng)性矩陣，利用RANSAC算法對
[0010]單應(yīng)性矩陣A進(jìn)行逐步迭代求解；利用RANSAC算法求解單應(yīng)性矩陣A的步驟如下:
[0011](a)從匹配的ORB特征點(diǎn)對中隨機(jī)抽4個(gè)匹配的特征點(diǎn)對作為一個(gè)RANSAC樣本。
[0012](b)利用這4個(gè)匹配的ORB特征點(diǎn)對計(jì)算單應(yīng)性矩陣A。
[0013](c)利用ORB特征點(diǎn)對集、單應(yīng)性矩陣A及誤差度量函數(shù)計(jì)算滿足當(dāng)前單應(yīng)性矩陣A的一致集consensus,并返回一致集中元素個(gè)數(shù)。
[0014](d)如果當(dāng)前一致集中元素個(gè)數(shù)大于某個(gè)閾值，則認(rèn)為它是最優(yōu)一致集，并利用此一致集對當(dāng)前最優(yōu)一致集進(jìn)行更新。
[0015](e)更新當(dāng)前錯(cuò)誤概率P，如果P大于設(shè)定的最小錯(cuò)誤概率則重復(fù)(a)至(d)繼續(xù)迭代，直到當(dāng)前錯(cuò)誤概率P小于最小錯(cuò)誤概率。
[0016]5)根據(jù)單應(yīng)性矩陣-計(jì)算每相鄰兩幀圖像間的運(yùn)動參數(shù)，平移及旋轉(zhuǎn)角度；設(shè)前一幀圖像為I，當(dāng)前幀圖像為J，則其運(yùn)動參數(shù)可以通過下列公式求解:
【權(quán)利要求】
1.一種基于ORB算子的無參考視頻平滑度的評價(jià)方法，其特征在于，包括以下步驟: 1)取視頻連續(xù)n幀圖像，提取n幀圖像中的ORB特征點(diǎn)； 2)對每相鄰兩幀圖像中的ORB特征點(diǎn)進(jìn)行匹配； 3)對每相鄰兩幀圖像誤匹配的ORB特征點(diǎn)進(jìn)行篩選并剔除；剔除方法為:求每相鄰兩幀圖像中所有匹配特征點(diǎn)兩兩之間的距離，取得其距離的最小值記為min_dist，將特征點(diǎn)距離大于B*min_dist的特征點(diǎn)進(jìn)行剔除，B取值范圍為6〈B〈10 ； 4)根據(jù)運(yùn)動仿射變換模型生成相鄰兩幀圖像間的仿射變換矩陣，即相鄰兩幀圖像間的單應(yīng)性矩陣，對單應(yīng)性矩陣A進(jìn)行逐步迭代求解； 5)根據(jù)單應(yīng)性矩陣，計(jì)算每相鄰兩幀圖像間的運(yùn)動參數(shù)；所述運(yùn)動參數(shù)包括圖像的平移及旋轉(zhuǎn)角度； 6)根據(jù)所有相鄰兩幀圖像間的運(yùn)動參數(shù)，生成視頻序列平移運(yùn)動軌跡及旋轉(zhuǎn)運(yùn)動軌跡；將視頻序列中所有兩兩相鄰圖像間的位移及旋轉(zhuǎn)角度求解出來便得到整個(gè)視頻序列的平移、旋轉(zhuǎn)軌跡，記D=[Dx，Dy]有:

2.根據(jù)權(quán)利要求1所述的無參考視頻平滑度檢測方法，其特征在于，步驟2)中對每相鄰兩幀圖像中的ORB特征點(diǎn)進(jìn)行匹配采用FLANN特征點(diǎn)匹配算法。
3.根據(jù)權(quán)利要求1所述的無參考視頻平滑度檢測方法，其特征在于，步驟4)中對單應(yīng)性矩陣A進(jìn)行逐步迭代求解采用RANSAC算法。
4.根據(jù)權(quán)利要求3所述的無參考視頻平滑度檢測方法，其特征在于，所述利用RANSAC算法求解單應(yīng)性矩陣A的步驟如下: (a)從匹配的ORB特征點(diǎn)對中隨機(jī)抽4個(gè)匹配的特征點(diǎn)對作為一個(gè)RANSAC樣本； (b)利用這4個(gè)匹配的ORB特征點(diǎn)對計(jì)算單應(yīng)性矩陣A； (c)利用ORB特征點(diǎn)對集、單應(yīng)性矩陣A及誤差度量函數(shù)計(jì)算滿足當(dāng)前單應(yīng)性矩陣A的一致集，并返回一致集中元素個(gè)數(shù)； (d)如果當(dāng)前一致集中元素個(gè)數(shù)大于某個(gè)閾值，則認(rèn)為它是最優(yōu)一致集，并利用此一致集對當(dāng)前最優(yōu)一致集進(jìn)行更新； (e)更新當(dāng)前錯(cuò)誤概率P，如果P大于設(shè)定的最小錯(cuò)誤概率則重復(fù)(a)至(d)繼續(xù)迭代，直到當(dāng)前錯(cuò)誤概率P小于最小錯(cuò)誤概率。
5.根據(jù)權(quán)利要求1所述的無參考視頻平滑度檢測方法，其特征在于，所述步驟8)中調(diào)整系數(shù)m取值范圍為I~1.2。
6.根據(jù)權(quán)利要求1所述的無參考視頻平滑度檢測方法，其特征在于，所述步驟7)中高斯濾波器的定義如下:

【文檔編號】G06T5/00GK103700069SQ201310674448
【公開日】2014年4月2日 申請日期:2013年12月11日 優(yōu)先權(quán)日:2013年12月11日
【發(fā)明者】盧培磊, 王海暉, 曾祥進(jìn), 陳青, 徐凱 申請人:武漢工程大學(xué)