一种立体视频质量评价方法
【专利摘要】本发明公开了一种立体视频质量评价方法，包括：提取结合亮度权重的左、右视点视频的亮度对比度失真评价指标；提取结合运动权重的左、右视点视频的结构相似度评价指标；提取结合运动权重的左、右视点视频的清晰度失真评价指标；采用梯度结构相似度算法计算原始视频视差图和失真视频视差图的子块平均亮度、子块梯度对比度、子块梯度相关系数，通过平均立体视频所有视差图子块的深度保真度，得到整段立体视频的深度保真度评价指标；通过多元非线性回归分析得到每个立体视频质量评价指标的数学形态和权重，从而构建出完整的全参考立体视频质量评价模型。本方法能够正确反映立体视频质量，通过实验结果表明本方法提高了评价结果的准确度。
【专利说明】一种立体视频质量评价方法
【技术领域】
[0001]本发明涉及立体视频领域，特别涉及一种立体视频质量评价方法。
【背景技术】
[0002]视觉是人类感知世界、认识世界的主要途径，而立体视觉则是人类对于物体的距离、深度的感知，是视觉的高级功能。随着人类对立体视觉认知过程研究的不断深入，也给立体技术的发展带来了新的机遇。目前，立体视频技术已被广泛应用于教育、医疗、军事、电影、电视等诸多领域，但是，立体视频在处理、存储、编码、传输、重构和显示过程中会受到各种损伤，因此，建立一个立体视频质量评价系统对立体视频行业的不断发展至关重要。
[0003]立体视频质量评价方法大致分为主观评价和客观评价两个方面。主观评价方法是利用被试者对立体视频的直接反映作为视频质量值，结果准确、真实，但耗时长、可移植性较差；客观评价方法是通过计算机编程来实现立体视频的评价，优点是速度快、成本低、方便计算机处理和实现。因此，有必要研究一种可靠、有效的立体视频质量客观评价方法。
[0004]客观评价目前主流方法有三类，分别为全参考帧(Full-Reference，FR)、半参考中贞(Reduced-Reference, RR)和无参考巾贞(No-Reference, NR)度量模型。一些文献提出的算法主要以峰值信噪比(Peak Signal Noise Ratio, PSNR)和结构相似度(StructuralSimilarity Index Metric, SSIM)算法为框架,成于庆和姜秀华[1]通过计算参考视频与失真视频的两视点间绝对差值图的PSNR值来获得立体视频评价结果；孙延[2]基于人眼视觉系统提出了基于深度的SSIM加权算法DSSM，利用基于深度图的多视点视频(Mult1-ViewVideo Plus Depth, MVD)的深度视图空间和时间上的特性，提取主观权值映射；DonghyunKim等ω将改进后的PSNR和SSIM算法分别应用到立体视频质量评价算法中，改进方法中考虑到了深度特征和运动特征。Chaminda Τ.Ε.R等人[4]提出了基于边缘信息的半参考立体视频质量评价模型，只传输部分特征信息，不提供完整的原始视频；Ζ.Μ.Parvez Sazzad[5]、Anish Mittalte]等分别提出了无参考立体视频评价算法，利用空间特征、时间特征和视差或视差图、空间分布图和运动信息图的统计特征作为质量评价的指标；无参考立体视频评价算法虽然未使用原始视频，但其提取的大量评价指标均需要赋予合适的权重，而选取权重需要大量的主观实验结果。
[0005]发明人在实现本发明的过程中发现，现有技术中至少存在以下主要缺点和不足:
[0006]对于立体视频质量评价方法尚无统一的标准，一些方法直接将平面图像和平面视频质量评价方法应用于立体视频质量评价中，并未考虑到视频的运动特征和深度特性指标，使得得到的立体视频客观评价值与主观评价值之间的相关性较低，会导致评价结果不准确；在分配立体视频每个视点的质量权重时，取均值的方法不符合人类立体视觉特性，无法满足实际应用中的需要。
【发明内容】
[0007]本发明提供了一种立体视频质量评价方法，本方法综合考虑了影响立体视频质量的各个指标并有效的结合，提高了与主观评价结果的相关性，详见下文描述:
[0008]一种立体视频质量评价方法，所述方法包括以下步骤:
[0009](I)分别提取结合亮度权重的左、右视点视频序列亮度对比度失真评价指标Pleft和 P1^ght ；
[0010](2)分别提取结合运动权重的左、右视点视频序列的结构相似度评价指标Sleft和
C.0right ?
[0011](3)分别提取结合运动权重的左、右视点视频序列的清晰度失真评价指标Fleft和F.1 right ，
[0012](4)采用基于梯度的结构相似度算法计算原始视频视差图Xd和失真视频视差图Yd的子块平均亮度Id (xd, yD)、子块梯度对比度CDg (xD, yD)、子块梯度相关系数SDg (xD, yD)，然后，通过平均立体视频所有视差图子块的深度保真度，得到整段立体视频序列的深度保真度评价指标GSSIMd ；
[0013](5)通过多元非线性回归分析得到每个立体视频质量评价指标的数学形态和权重，从而构建出完整的全参考立体视频质量评价模型。
[0014]所述分别提取结合亮度权重的左、右视点视频的亮度对比度失真评价指标Pleft和Pright的步骤具体为:
[0015]通过平均所有帧的亮度对比度失真值Pi分别得到左、右视点视频序列的亮度对比度失真评价指标Pleft和p_t;
【权利要求】
1.一种立体视频质量评价方法，其特征在于，所述方法包括以下步骤: (O分别提取结合亮度权重的左、右视点视频序列亮度对比度失真评价指标Plrft和Pright ? (2)分别提取结合运动权重的左、右视点视频序列的结构相似度评价指标Slrft和C.0right ? (3 )分别提取结合运动权重的左、右视点视频序列的清晰度失真评价指标F1 rft和F.1 right ， (4)采用基于梯度的结构相似度算法计算原始视频视差图Xd和失真视频视差图Yd的子块平均亮度Id (xd, yD)、子块梯度对比度CDg (xD, yD)、子块梯度相关系数SDg (xD, yD)，然后，通过平均立体视频所有视差图子块的深度保真度，得到整段立体视频序列的深度保真度评价指标 GSSIMd ； (5)通过多元非线性回归分析得到每个立体视频质量评价指标的数学形态和权重，从而构建出完整的全参考立体视频质量评价模型。
2.根据权利要求1所述的一种立体视频质量评价方法，其特征在于，所述分别提取结合亮度权重的左、右视点视频的亮度对比度失真评价指标Plrft和P&ht的步骤具体为: 通过平均所有帧的亮度对比度失真Pi分别得到左、右视点视频序列的亮度对比度失真评价指标Pleft和Pright;
3.根据权利要求1所述的一种立体视频质量评价方法，其特征在于，所述分别提取结合运动权重的左、右视点视频序列的结构相似度评价指标Slrft和S^ght的步骤具体为: 通过平均所有帧的结构相似度Si得到左、右视点视频序列的结构相似度评价指标Sleft和 Sright ；
4.根据权利要求1所述的一种立体视频质量评价方法，其特征在于，所述分别提取结合运动权重的左、右视点视频序列的清晰度失真评价指标Flrft和Kight的步骤具体为:通过求取所有帧的均值，分别获得左、右视点视频序列的清晰度失真Fi评价指标Fleft
5.根据权利要求1所述的一种立体视频质量评价方法，其特征在于，所述全参考立体视频质量评价模型具体为:
【文档编号】H04N17/00GK103780895SQ201410021191
【公开日】2014年5月7日 申请日期:2014年1月16日 优先权日:2014年1月16日
【发明者】李素梅, 马瑞泽, 马辰阳 申请人:天津大学