全参考的视频图像质量评价方法技术

本公开描述了一种全参考的视频图像质量评价方法，包括：获取包括亮度通道的参考视频图像和目标视频图像；对参考视频图像的亮度通道进行N次压缩，获得对应各次压缩的N个参考亮度通道，对目标视频图像的亮度通道进行N次压缩，获得各次压缩后的N个目标亮度通道，并且基于第n个参考亮度通道和第n个目标亮度通道计算第n个亮度的相关性分数，进而获得N个亮度的相关性分数；基于参考视频图像和目标视频图像，获得参考视频图像的参考特征向量和目标视频图像的目标特征向量，并且基于参考特征向量和目标特征向量获得特征向量的相关性分数；并且根据N个亮度的相关性分数和特征向量的相关性分数获得视频图像质量评价分数，其中N为正整数。

Full reference video image quality evaluation method

This disclosure describes a full reference video image quality evaluation method, including: obtaining reference video image and target video image including luminance channel; compressing luminance channel of reference video image n times, obtaining n reference luminance channels corresponding to each compression, compressing luminance channel of target video image n times, obtaining n target luminance channels after each compression The correlation score of the nth luminance is calculated based on the nth reference luminance channel and the nth target luminance channel, and then the correlation score of the nth luminance is obtained; the reference eigenvector of the reference video image and the target video image are obtained based on the reference video image and the target video image, and the reference eigenvector and the target eigenvector are obtained based on the reference eigenvector and the target eigenvector According to the correlation scores of N luminance and eigenvector, the video image quality evaluation scores are obtained, where n is a positive integer.

【技术实现步骤摘要】
全参考的视频图像质量评价方法
本公开大体涉及计算机视觉
，具体涉及一种全参考的视频图像质量评价方法。
技术介绍
屏幕内容编码的标准化和多媒体通信技术的发展推动了众多基于屏幕内容视频图像的应用场景的拓展，如：卡通动画、远程桌面、在线教育等。其中，屏幕内容视频图像中往往包含着更为丰富的信息量，然而在视频图像的生成、压缩，传输，存储、显示等过程中不可避免地会导致视频图像的质量下降，从而影响人眼的视觉感受。因此，针对视频图像(特别是屏幕内容视频图像)的视频图像质量评价越来越受到人们的重视。视频图像质量是指通过主观或者客观的方式来评估视频图像的质量。其中，主观质量评价是以人为评判者对视频图像的质量进行评估。客观质量评价是通过借助模型，由计算机给出评价结果。客观质量评价可以根据对参考视频图像的依赖程度分为：全参考的视频图像质量评价、半参考的视频图像质量评价和无参考的视频图像质量评价。根据应用场景不同，这三种客观评价方法都有其研究的意义和价值。例如，在能得到参考视频图像的场景下，常常选择全参考的视频图像质量评价方法利用参考视频图像和目标视频图像之间的差异来衡量目标视频图像的质量。在现有的全参考的视频图像质量评价方法中，常常利用经典的均方误差(MSE)和峰值信噪比(PSNR)来衡量目标视频图像的质量。然而，现有的全参考的视频图像质量评价方法的评价结果与人眼视觉的一致性较低。
技术实现思路
本公开是有鉴于上述的状况而提出的，其目的在于提供一种所获得的评价结果与人眼视觉具有较高的一致性的全参考的视频图像质量评价方法。为此，本公开提供了一种全参考的视频图像质量评价方法，其特征在于，包括：获取包括亮度通道的参考视频图像和目标视频图像；对所述参考视频图像的亮度通道进行N次压缩，获得对应各次压缩的N个参考亮度通道，对所述目标视频图像的亮度通道进行N次压缩，获得各次压缩后的N个目标亮度通道，并且基于第n个参考亮度通道和第n个目标亮度通道计算第n个亮度的相关性分数，进而获得N个亮度的相关性分数；基于所述参考视频图像和所述目标视频图像，获得所述参考视频图像的参考特征向量和所述目标视频图像的目标特征向量，并且基于所述参考特征向量和所述目标特征向量获得特征向量的相关性分数；并且根据所述N个亮度的相关性分数和所述特征向量的相关性分数获得视频图像质量评价分数，其中N为正整数。在本公开中，获取包括亮度通道的参考视频图像和目标视频图像。由此，能够便于分别基于参考视频图像和目标视频图像的亮度通道进行后续处理。对参考视频图像的亮度通道和目标视频图像的亮度通道分别进行N次压缩获得N个参考亮度通道和N个目标亮度通道，基于第n个参考亮度通道和第n个目标亮度通道计算第n个亮度的相关性分数进而获得N个亮度的相关性分数。由此，能够通过多个不同压缩程度的亮度通道获得多个基于亮度通道的亮度的相关性分数。获得参考视频图像的参考特征向量和目标视频图像的目标特征向量，基于参考特征向量和目标特征向量获得特征向量的相关性分数。由此，能够基于视频图像矩获得的特征向量的相关性分数。根据N个亮度的相关性分数和特征向量的相关性分数获得视频图像质量评价分数。由此，能够根据视频图像质量评价分数获得较为客观的评价结果，并所获得的评价结果与人眼视觉具有较高的一致性。在本公开所涉及的全参考的视频图像质量评价方法中，可选地，所述视频图像质量评价分数满足式(Ⅰ)：其中，N为压缩次数，H、W分别为未压缩的视频图像的高和宽，Hn和Wn分别表示进行第n次压缩后的视频图像的高和宽，n和N均为正整数，Pn表示亮度的相关性分数，P'表示特征向量的相关性分数，score表示视频图像质量评价分数。由此，能够综合多个亮度的相关新分数以及特征向量相关性分数获得视频图像质量评价分数。在本公开所涉及的全参考的视频图像质量评价方法中，可选地，所述亮度的相关性分数的计算方法包括：对所述参考亮度通道进行两次高斯滤波，获得参考视频图像高斯差分图；对所述目标亮度通道进行两次高斯滤波，获得目标视频图像高斯差分图；并且基于所述参考视频图像高斯差分图和所述目标视频图像高斯差分图获得所述亮度的相关性分数。由此，能够根据高斯差分图的差异评价参考视频图像与目标视频图像的相关性。在本公开所涉及的全参考的视频图像质量评价方法中，可选地，在获得所述参考视频图像高斯差分图的步骤中，所述两次高斯滤波包括基于参考亮度通道的视频图像复杂度确定滤波尺度的第一次高斯滤波、以及基于参考亮度通道的标准差确定滤波尺度的第二次高斯滤波，所述参考亮度通道的视频图像复杂度的计算方法，包括：对于所述参考亮度通道的像素点，以该像素点为中心，取大小为L×P的视频图像块，基于该视频图像块的灰度均值、该视频图像块的方差以及该像素点的灰度值在该视频图像块出现的概率，获得该像素点的局部复杂度；并且对所述参考亮度通道内的所有像素点的局部复杂度进行求取平均以获得所述参考亮度通道的视频图像复杂度。由此，能够根据视频图像复杂度确定高斯滤波的尺度，并能够依赖于视频图像复杂度和标准差确定参考视频图像差分高斯滤波图。在本公开所涉及的全参考的视频图像质量评价方法中，可选地，在获得所述目标视频图像高斯差分图的步骤中，所述两次高斯滤波包括基于所述目标亮度通道的视频图像复杂度确定滤波尺度的第一次高斯滤波、以及基于所述目标亮度通道的标准差确定滤波尺度的第二次高斯滤波，所述目标亮度通道的视频图像复杂度的计算方法，包括：对于所述目标亮度通道的像素点，以该像素点为中心，取大小为L×P的视频图像块，基于该视频图像块的灰度均值、该视频图像块的方差以及该像素点的灰度值在该视频图像块出现的概率，获得该像素点的局部复杂度；并且对所述目标亮度通道内的所有像素点的局部复杂度进行求取平均以获得所述目标亮度通道的视频图像复杂度。由此，能够依赖于视频图像复杂度和标准差确定目标视频图像差分高斯滤波图。在本公开所涉及的全参考的视频图像质量评价方法中，可选地，所述亮度的相关性分数Pn满足式(Ⅱ)：其中，为参考视频图像高斯差分图的灰度平均值，GDMS(u,v)为参考视频图像高斯差分图的像素点，为目标视频图像高斯差分图的灰度平均值，GDMD(u,v)为目标视频图像高斯差分图的像素点，c为常数。由此，能够通过高斯差分图反映参考视频图像和目标视频图像的相关性，并且使视频图像质量评价具有稳定性。在本公开所涉及的全参考的视频图像质量评价方法中，可选地，所述特征向量的相关性分数P'满足式(III)：(III)，其中，t为特征向量的元素标号，CFS表示参考特征向量，CFD表示目标特征向量。由此，能够通过参考视频图像的参考特征向量和目标视频图像的目标特征向量获得参考视频图像和亮度视频图像的相关性分数。在本公开所涉及的全参考的视频图像质量评价方法中，可选地，使用池化对所述参考视频图像的亮度通道和所述目标视频图像的亮度通道进行压缩。由此，能够简便地获得压缩视频图像。在本公开所涉及的全参考的视频图像质量评价方法中，可选地，使用2×2的池化尺寸对所述参考视频图像本文档来自技高网...

【技术保护点】
1.一种全参考的视频图像质量评价方法，其特征在于，/n包括：/n获取包括亮度通道的参考视频图像和目标视频图像；/n对所述参考视频图像的亮度通道进行N次压缩，获得对应各次压缩的N个参考亮度通道，对所述目标视频图像的亮度通道进行N次压缩，获得各次压缩后的N个目标亮度通道，并且基于第n个参考亮度通道和第n个目标亮度通道计算第n个亮度的相关性分数，进而获得N个亮度的相关性分数；/n基于所述参考视频图像和所述目标视频图像，获得所述参考视频图像的参考特征向量和所述目标视频图像的目标特征向量，并且基于所述参考特征向量和所述目标特征向量获得特征向量的相关性分数；并且/n根据所述N个亮度的相关性分数和所述特征向量的相关性分数获得视频图像质量评价分数，其中N为正整数。/n

【技术特征摘要】
1.一种全参考的视频图像质量评价方法，其特征在于，
包括：
获取包括亮度通道的参考视频图像和目标视频图像；
对所述参考视频图像的亮度通道进行N次压缩，获得对应各次压缩的N个参考亮度通道，对所述目标视频图像的亮度通道进行N次压缩，获得各次压缩后的N个目标亮度通道，并且基于第n个参考亮度通道和第n个目标亮度通道计算第n个亮度的相关性分数，进而获得N个亮度的相关性分数；
基于所述参考视频图像和所述目标视频图像，获得所述参考视频图像的参考特征向量和所述目标视频图像的目标特征向量，并且基于所述参考特征向量和所述目标特征向量获得特征向量的相关性分数；并且
根据所述N个亮度的相关性分数和所述特征向量的相关性分数获得视频图像质量评价分数，其中N为正整数。


2.根据权利要求1所述的视频图像质量评价方法，其特征在于，
所述视频图像质量评价分数满足式(Ⅰ)：



其中，N为压缩次数，H、W分别为未压缩的视频图像的高和宽，Hn和Wn分别表示进行第n次压缩后的视频图像的高和宽，n和N均为正整数，Pn表示亮度的相关性分数，P'表示特征向量的相关性分数，score表示视频图像质量评价分数。


3.根据权利要求1所述的视频图像质量评价方法，其特征在于，
所述亮度的相关性分数的计算方法包括：
对所述参考亮度通道进行两次高斯滤波，获得参考视频图像高斯差分图；
对所述目标亮度通道进行两次高斯滤波，获得目标视频图像高斯差分图；并且
基于所述参考视频图像高斯差分图和所述目标视频图像高斯差分图获得所述亮度的相关性分数。


4.根据权利要求3所述的视频图像质量评价方法，其特征在于，
在获得所述参考视频图像高斯差分图的步骤中，所述两次高斯滤波包括基于参考亮度通道的视频图像复杂度确定滤波尺度的第一次高斯滤波、以及基于参考亮度通道的标准差确定滤波尺度的第二次高斯滤波，
所述参考亮度通道的视频图像复杂度的计算方法，包括：
对于所述参考亮度通道的像素点，以该像素点为中心，取大小为L×P的视频图像块，基于该视频图像块的灰度均值、该视频图像块的方差以及该像素点的灰度值在该视频图像块出现的概率，获得该像素点的局部复杂度；并且
...

【专利技术属性】
技术研发人员：王妙辉，林家欣，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东;44