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 ...
【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
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。