一種基于色度共生矩陣加權(quán)的視頻質(zhì)量客觀評(píng)價(jià)方法
【專利摘要】本發(fā)明公開(kāi)了一種基于色度共生矩陣加權(quán)的視頻質(zhì)量客觀評(píng)價(jià)方法，其首先采用維數(shù)為8×8維的四元數(shù)矩陣來(lái)描述參考圖像中的8×8的圖像塊的基于時(shí)域和空域的特征和失真圖像中的8×8的圖像塊的基于時(shí)域和空域的特征，然后獲取參考圖像和失真圖像中位置相對(duì)應(yīng)的兩個(gè)圖像塊的基于時(shí)域和空域的特征的奇異值向量之間的夾角的余弦，并作為參考圖像和失真圖像中位置相對(duì)應(yīng)的兩個(gè)圖像塊之間的差異度，再通過(guò)差異度及失真圖像中的圖像塊的色度共生矩陣加權(quán)權(quán)值求得失真圖像中的圖像塊的客觀評(píng)價(jià)值，并以此求得失真圖像和失真視頻的客觀評(píng)價(jià)值，這種視頻評(píng)價(jià)過(guò)程的計(jì)算復(fù)雜度低，且能夠有效地提高客觀評(píng)價(jià)結(jié)果與主觀感知的相關(guān)性。
【專利說(shuō)明】一種基于色度共生矩陣加權(quán)的視頻質(zhì)量客觀評(píng)價(jià)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種視頻質(zhì)量評(píng)價(jià)技術(shù)，尤其是涉及一種基于色度共生矩陣加權(quán)的視頻質(zhì)量客觀評(píng)價(jià)方法。
【背景技術(shù)】
[0002]視頻或圖像的質(zhì)量評(píng)價(jià)在很多場(chǎng)合都有著重要的應(yīng)用，如評(píng)價(jià)壓縮算法的性能和優(yōu)化壓縮參數(shù)、監(jiān)控視頻在互聯(lián)網(wǎng)中傳輸?shù)馁|(zhì)量并提供QOS服務(wù)等。因此，針對(duì)視頻或圖像的質(zhì)量評(píng)價(jià)的研究也日益增多。目前，視頻質(zhì)量評(píng)價(jià)方法可以分為兩類:主觀評(píng)價(jià)方法和客觀評(píng)價(jià)方法。主觀評(píng)價(jià)方法具有耗時(shí)和成本高的特點(diǎn)，因此客觀評(píng)價(jià)方法一直是人們研究的熱點(diǎn)。客觀評(píng)價(jià)方法依據(jù)模型給出的量化指標(biāo)或參數(shù)衡量視頻的質(zhì)量，對(duì)于各種不同的視頻質(zhì)量客觀評(píng)價(jià)方法，研究的目的都是使評(píng)價(jià)結(jié)果與人的主觀感覺(jué)相符。傳統(tǒng)的視頻質(zhì)量客觀評(píng)價(jià)方法有均方誤差(MSE)方法和峰值信噪比(PSNR)方法等，因其計(jì)算復(fù)雜度低和物理意義清晰而得到廣泛的應(yīng)用，但是這些方法存在與主觀視覺(jué)一致性較差的問(wèn)題。
[0003]視頻或圖像的輪廓或紋理信息的差異，對(duì)主觀判別視頻或圖像的質(zhì)量有著重要的意義?，F(xiàn)有的視頻質(zhì)量客觀評(píng)價(jià)方法在對(duì)視頻的輪廓和紋理進(jìn)行評(píng)價(jià)時(shí)，往往采用了梯度算子等方法來(lái)評(píng)價(jià)，實(shí)際上主要側(cè)重在輪廓和邊緣信息的評(píng)價(jià)，往往忽略了紋理細(xì)節(jié)對(duì)評(píng)價(jià)的影響，而在彩色視頻或圖像中，彩色紋理信息對(duì)質(zhì)量的評(píng)價(jià)也非常重要，因此，有必要研究一種融入彩色紋理信息的視頻質(zhì)量客觀評(píng)價(jià)方法。

【發(fā)明內(nèi)容】

[0004]本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種計(jì)算復(fù)雜度低，且能夠有效地提高客觀評(píng)價(jià)結(jié)果與主觀感知的相關(guān)性的基于色度共生矩陣加權(quán)的視頻質(zhì)量客觀評(píng)價(jià)方法。
[0005]本發(fā)明解決上述技術(shù)問(wèn)題所采用的技術(shù)方案為:一種基于色度共生矩陣加權(quán)的視頻質(zhì)量客觀評(píng)價(jià)方法，其特征在于包括以下步驟:
[0006]①假設(shè)參考視頻中的所有參考圖像和失真視頻中的所有失真圖像的尺寸大小均為WXH，其中，W表示參考視頻中的所有參考圖像和失真視頻中的所有失真圖像的寬，H表示參考視頻中的所有參考圖像和失真視頻中的所有失真圖像的高；
[0007]②將參考視頻中當(dāng)前待處理的參考圖像定義為當(dāng)前參考圖像，并將失真視頻中當(dāng)前待處理的失真圖像定義為當(dāng)前失真圖像；
[0008]③假設(shè)當(dāng)前參考圖像為參考視頻中的第m幀參考圖像，并記為57，同樣假設(shè)當(dāng)前
失真圖像為失真視頻中的第m幀失真圖像，并記為5^ *其中，pre+1≤m≤M,m的初始值為
pre+1，pre表示參考視頻中時(shí)域上先于《S:*的參考圖像的總幀數(shù)，Pre亦表示失真視頻中時(shí)
域上先于的參考圖像的總幀數(shù)，I≤ pre ≤9，M表示參考視頻中包含的參考圖像的總幀數(shù),亦表示失真視頻中包含的失真圖像的總幀數(shù)；[0009]④假設(shè)S，和S:的尺寸大小剛好能夠被8 X 8整除，分別將S::和S:分割成
【權(quán)利要求】
1.一種基于色度共生矩陣加權(quán)的視頻質(zhì)量客觀評(píng)價(jià)方法，其特征在于包括以下步驟: ①假設(shè)參考視頻中的所有參考圖像和失真視頻中的所有失真圖像的尺寸大小均為WXH，其中，W表示參考視頻中的所有參考圖像和失真視頻中的所有失真圖像的寬，H表示參考視頻中的所有參考圖像和失真視頻中的所有失真圖像的高； ②將參考視頻中當(dāng)前待處理的參考圖像定義為當(dāng)前參考圖像，并將失真視頻中當(dāng)前待處理的失真圖像定義為當(dāng)前失真圖像； ③假設(shè)當(dāng)前參考圖像為參考視頻中的第m幀參考圖像，并記為5:χ，同樣假設(shè)當(dāng)前失真圖像為失真視頻中的第m幀失真圖像，并記為其中，pre+l<m<M，m的初始值為pre+l,pre表示參考視頻中時(shí)域上先于的參考圖像的總幀數(shù),pre亦表示失真視頻中時(shí)域上先于Sf的參考圖像的總幀數(shù)，I ^ pre ^ 9，M表示參考視頻中包含的參考圖像的總幀數(shù),亦表示失真視頻中包含的失真圖像的總幀數(shù)；



④假設(shè)和C*的尺寸大小剛好能夠被8X8整除，分別將qorg和odL.分割成
2.根據(jù)權(quán)利要求1所述的一種基于色度共生矩陣加權(quán)的視頻質(zhì)量客觀評(píng)價(jià)方法，其特征在于所述的步驟⑤中中的第η個(gè)圖像塊中坐標(biāo)位置為(x，y)的像素點(diǎn)的以四元數(shù)表示的基于時(shí)域和空域的特征值的獲取過(guò)程為: ⑤-al、計(jì)算5'中的第η個(gè)圖像塊中坐標(biāo)位置為(x，y)的像素點(diǎn)與參考視頻中的第(m-pre)幀參考圖像丨中的第η個(gè)圖像塊中坐標(biāo)位置為(x，y)的像素點(diǎn)之間的基于時(shí)域的亮度幀間殘差，記為
3.根據(jù)權(quán)利要求2所述的一種基于色度共生矩陣加權(quán)的視頻質(zhì)量客觀評(píng)價(jià)方法，其特征在于所述的步驟⑤-Cl中取
4.根據(jù)權(quán)利要求1至3中任一項(xiàng)所述的一種基于色度共生矩陣加權(quán)的視頻質(zhì)量客觀評(píng)價(jià)方法，其特征在于所述的步驟⑧中中的第η個(gè)圖像塊的色度共生矩陣加權(quán)權(quán)值Wm，n的獲取過(guò)程為: ⑧-1、計(jì)算中的第η個(gè)圖像塊的色度共生矩陣的熵，記為
【文檔編號(hào)】H04N17/00GK104010189SQ201410232739
【公開(kāi)日】2014年8月27日 申請(qǐng)日期:2014年5月28日 優(yōu)先權(quán)日:2014年5月28日
【發(fā)明者】李綱, 楊斌斌, 金煒, 艾孜買提 申請(qǐng)人:寧波大學(xué)