[发明专利]全参考的视频图像质量评价方法

说明书

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。

技术领域

本公开大体涉及计算机视觉技术领域，具体涉及一种全参考的视频图像质量评价方法。

背景技术

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。

发明内容

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。