[发明专利]基于显著性和稀疏性的无参考立体视频质量评价方法

摘要

本发明涉及一种基于显著性和稀疏性的无参考立体视频质量评价方法，包括下列步骤：计算和图，得到三维显著图；把颜色空间转换到YCbCr，将和图划分成互不重叠的块，计算每块上的空间显著性，计算空域显著性；计算整个三维显著图；从显著图中提取特征；采用SAE得到更为稀疏的特征。

主权项

1.一种基于显著性和稀疏性的无参考立体视频质量评价方法，包括下列步骤：第一步：设IL表示为帧的左视图，IR作为帧的右视图，计算和图，根据合图得到三维显著图；第二步：把颜色空间转换到YCbCr，将和图划分成互不重叠的块，计算每块i上的空间显著性：其中，k为一组包含亮度、纹理、颜色的特征，表示块i和块j的特征差异，σ_s为的权重，l_ij为两块之间的空域距离，空域显著性计算为：其中，N是标准化函数，同时块i的时间显著性计算为：p(v)是一个关于运动速度先验分布的幂函数，v是第i个块的相对速度，其定义为：其中，为块i和块j的绝对平均运动矢量差的长度；第三步：计算整个三维显著图：其中，U(t)和U(s)分别是空域和时域的不确定性映射，U定义为：U＝Hb(p(s|d))+Hb(p(s|c))其中，Hb是一个二进制熵函数，p(s|c)根据到显著中心的距离d度量像素的显著概率，p(s|d)根据到显著中心的连通性度量像素的显著概率；第四步：从显著图中提取特征，方法如下：(1)计算像素值的平均变化：其中，Iis为显著图中的像素，Iio为原始图中的像素，NI为图中的像素总数；ΔI做为区分显著块和非显著块的有效标准；(2)字典计算公式为：s.t.||ai||0≤T0(3)假设ak表示系数，概率值为：熵值为：(4)采用三种统计模式，探讨系数的正则性，均值、方差和2范数：第五步：采用SAE得到更为稀疏的特征，方法如下：(1)采用自上而下的预训练方法，模型第k个隐藏层的输出，作为训练第k+1层的输入；(2)计算平均激活量：(3)采用KL散度作为惩罚项，以抑制多数神经元，它被定义为：(4)具有稀疏约束的特征方程表示为：其中，γ表示稀疏惩罚的权重，HN表示隐藏单元的数目，更新方程变为：