一种基于GoP显著性加权的视频质量评价方法技术

本发明专利技术涉及一种基于GoP显著性加权的视频质量评价方法，具体包括：将视频序列分离为多组GoP；得到每组GoP的质量分数及每组GoP中I帧图像的显著值；利用每组GoP中I帧图像的显著值对所有的GoP的质量分数进行加权，求得整个视频序列的质量分数。利用每组GoP的显著性不同，对所有GoP进行显著性加权得出整个视频的质量分数，提高对视频质量评价的结果的准确性；同时在求取每组GoP显著值时，利用I帧在整组GoP中影响该GoP中帧数量最多的特性，以I帧单帧的显著值替代了整组GoP的显著值，减少了计算量。

【技术实现步骤摘要】
一种基于GoP显著性加权的视频质量评价方法
本专利技术涉及视频处理领域，尤其涉及一种基于GoP显著性加权的视频质量评价方法。
技术介绍
随着信息技术的发展和计算机技术的普及，数字图像和视频在人类的生活和工作中发挥着重要的作用。图像视频及视频包含了极其丰富的信息量，也是人类获取信息的重要途径，图像视频和视频也广泛的应用在医疗，军事，安防，勘测等诸多学科和领域。然而在图像视频和视频在获取、处理、传输和存储的过程中，由于各种因素的影响，将不可避免的产生图像视频的质量下降问题，这给信息获取或后期处理和理解带来了诸多不便。因此图像视频质量评价的重要性日益凸显出来。传统的图像视频质量评价方法是采用观察者主观评价，由于观察者是最终的图像视频使用者，所以主观质量评价是最精确、可靠的质量评价方法。但是由于其耗时、昂贵、容易受实验环境影响和不可重现性等缺点，其评价结果往往波动较大，难以应用于大规模的应用。因此，如何建立准确、有效质量评价模型，让计算机自动客观为图像视频进行质量评价，成为一个十分有意义的研究课题。视频客观质量评价方法(VideoObjectiveQualityAssessment)：是指通过设计数学模型对视频进行智能化分析，并按设定的尺度对视频进行自动评分的客观评价方法。视频客观质量评价可以取代人眼，公正地比较不同视频编解码器输出的视频质量，为视频接收端提供参考，做出最优选择。在与网络多媒体相关的视频应用中，视频客观质量评价在服务器质量检测(QualityofService，QoS)和终端质量体验(QualityofExperience，QoE)上面起到重要作用，根据视频质量评价反馈信息，视频服务器可以动态调整视频编码器参数和传输信道参数，以保证传输稳定性，提高接收端视频质量。视频质量评价从方法上可以分为主观评价方法和客观评价方法前者凭感知者主观感受评价对象的质量；后者依据模型给出的量化指标衡量视频图像质量。视频质量评价方法可以分为三类：全参考方法、部分参考方法和无参考方法；如图1所示。全参考方法需要完整的原始视频，部分参考方法则利用原始视频相关的部分信息，而无参考方法只根据待评价视频得出视频质量。现有基于GoP(画面组；Groupofpicture)的视频质量评价方法主要是把视频序列中的所有帧图像都进行质量评价，然后将GoP中所有帧图像进行加权得到该GoP的质量评价分数，最后对所有GoP求平均得到视频总体质量。然而，该方法对视频中的某一个GoP的评价没有侧重点，对最后的视频质量评价的结果求取时，没有区分每个GoP所该占有的权重；使得质量评价结果不够精确且计算量大。
技术实现思路
鉴于上述的分析，本专利技术旨在提供一种基于GoP显著性加权的视频质量评价方法，用以解决现有GoP评价方法评价结果不够精确或计算量大的问题。本专利技术的目的主要是通过以下技术方案实现的：提供了一种基于GoP显著性加权的视频质量评价方法，具体包括以下步骤：将视频序列分离为多组GoP；得到每组GoP的质量分数及每组GoP中I帧图像的显著值；利用每组GoP中I帧图像的显著值对所有的GoP的质量分数进行加权，求得整个视频序列的质量分数。本专利技术有益效果如下：利用每个GoP的显著性不同，对所有GoP进行显著性加权得出整个视频的质量分数，提高对视频质量评价的结果的准确性。同时在求取GoP显著值时，利用I帧在整个GoP中影响该GoP中帧数量最多的特性，以I帧单帧的显著度替代了整个GoP的显著度，减少了计算量。在上述方案的基础上，本专利技术还做了如下改进：进一步，所述将视频序列分离为多组GoP，具体包括：分析测试视频序列，分离出单帧，并确定每个单帧的类型；根据分离得到的单帧和帧类型，将视频序列分离成多组GoP序列。采用上述进一步方案的有益效果是：将整个视频序列分离成多组GoP序列，以便针对每组GoP序列单元进行质量评价处理。进一步，所述每组GoP的质量分数是通过对每组GoP中I帧与P帧的质量分数分配权重进行加权得到的。进一步，所述每组GoP中I帧与P帧的质量分数采用结构相似性进行计算：式中，x为一张未经压缩的无失真图像，y为x失真后的图像，μx是x的平均值，μy是y的平均值，σx是x的方差，σy是y的方差，σxy是x和y的协方差。C1和C2是用来维持稳定的常数。采用上述进一步方案的有益效果是：通过衡量每组GoP中I帧、P帧与对应未失真参考图像的相似度，从而获得每组GoP的质量分数。进一步，所述每组GoP中I帧与P帧的质量分数分配权重，具体为I帧的权重大于该组中任一P帧的权重，序列排位在先的P帧权重，大于序列排位在后的P帧权重。进一步，所述得到每组GoP的质量分数具体为：式中，QG为对I帧与P帧分配权重加权得到的GoP的质量分数，a为I帧对于整个GoP在整个视频序列质量评价中所占的权重，QI为I帧单帧的质量分数，bi为第i个P帧对于整个GoP在整个视频序列质量评价中所占的权重，QPi为第i个P帧的质量分数，m为P帧的数量。采用上述进一步方案的有益效果是：由I、P、B三种不同帧类型组成的，因为在每一个GOP中I、P、B的重要性不一样，所以可以根据I、P的不同的重要性分配权重，得到的评价结果更准确，且计算量少。进一步，所述计算每组GoP中I帧图像的显著值，具体包括以下步骤：得到出每个GoP中I帧的显著值矩阵；将上述得出的显著值矩阵进行二值化处理，利用得到的二值化矩阵得出显著值SIi。进一步，所述计算出每个GoP中I帧的显著值矩阵，具体通过视觉显著模型计算得到：SDSP＝SF(x)·SC(x)·SD(x)式中，SF(x)是频率先验矩阵，SC(x)是色调先验矩阵，SD(x)是区域先验矩阵。进一步，所述得到的显著值SIi：式中，n1为该二值化矩阵中值为1的元素的个数，N为该矩阵总元素个数。进一步，所述求得整个视频序列的质量分数为：式中，n为GoP的数量，SIi为第i个GoP中I帧的显著值，QGi为第i个GoP的质量分数。采用上述进一步方案的有益效果是：利用每一个GoP的I帧图像的显著值作为整个GoP的权重，对所有的GoP进行加权处理，得出更准确的视频整体的质量评价分数。本专利技术中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书以及附图中所特别指出的结构来实现和获得。附图说明附图仅用于示出具体实施例的目的，而并不认为是对本专利技术的限制，在整个附图中，相同的参考符号表示相同的部件。图1示出了视频质量评价方法分类示意图；图2示出了基于GoP显著性加权的视频质量评价方法流程图；图3示出了I帧、P帧、B帧的参考关系图；图4示出了GoP(15:2)的结构示意图；图5示出了I帧与P帧的质量分数计算示意图；图6示出了I帧受损对视频的影响的示意图；图7示出了P帧受损对视频的影响的示意图；图8示出了I帧显著值的计算过程示意图。具体实施方式下面结合附图来具体描述本专利技术的优选实施例，其中，附图构成本申请一部分，并与本专利技术的实施例一起用于阐释本专利技术的原理，并非用于限定本专利技术的范围。本专利技术的一个具体实施例，公开了一种基于G本文档来自技高网...

【技术保护点】
一种基于GoP显著性加权的视频质量评价方法，其特征在于，具体包括：将视频序列分离为多组GoP；得到每组GoP的质量分数及每组GoP中I帧图像的显著值；利用每组GoP中I帧图像的显著值对所有的GoP的质量分数进行加权，求得整个视频序列的质量分数。

【技术特征摘要】
1.一种基于GoP显著性加权的视频质量评价方法，其特征在于，具体包括：将视频序列分离为多组GoP；得到每组GoP的质量分数及每组GoP中I帧图像的显著值；利用每组GoP中I帧图像的显著值对所有的GoP的质量分数进行加权，求得整个视频序列的质量分数。2.根据权利要求1所述的的方法，其特征在于，所述将视频序列分离为多组GoP，具体包括：分析测试视频序列，分离出单帧，并确定每个单帧的类型；根据分离得出的单帧和帧类型，将视频序列分离成多组GoP序列。3.根据权利要求1所述的方法，其特征在于，所述每组GoP的质量分数是通过对每组GoP中I帧与P帧的质量分数分配权重进行加权得到的。4.根据权利要求3所述的方法，其特征在于，所述每组GoP中I帧、P帧的质量分数均采用结构相似性进行计算：式中，x为一张未经压缩的无失真图像，y为x失真后的图像，μx是x的平均值，μy是y的平均值，σx是x的方差，σy是y的方差，σxy是x和y的协方差；C1和C2是用来维持稳定的常数。5.根据权利要求3或4所述的方法，其特征在于，所述每组GoP中I帧与P帧的质量分数分配权重，具体为I帧的权重大于该组中任一P帧的权重，序列排位在先的P帧权重大于序列排位在后的P帧权重。6.根据权利要求3或4所述的方法...

【专利技术属性】
技术研发人员：程德强，许超，邵丽蓉，姚洁，赵凯，刘海，赵广源，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：江苏,32