融合局部和全局时空特性的无参考视频质量评估方法
【专利摘要】本发明公开了一种融合局部和全局时空特性的无参考视频质量评估方法，首先训练融合局部和全局时空特性的视频质量回归器，其次利用训练的视频质量回归器进行视频质量预测，在对未知质量的视频片段判别视频质量时，计算该段视频对应的视频片段质量特征向量，把视频片段质量特征向量输入已完成训练的支持向量回归器，该支持向量回归器的输出值即为未知质量的视频片段对应的视频质量评估值。本发明在对受损视频进行质量评估时，不需要无损视频片段作为参考，减少了视频信息的丢失。
【专利说明】
融合局部和全局时空特性的无参考视频质量评估方法
技术领域
[0001] 本发明属于视频分析技术领域，特别是一种融合局部和全局时空特性的无参考视 频质量评估方法。
【背景技术】
[0002] 客观视频质量评估是模拟人的主观视频质量评价过程，对任意视频的质量进行算 法评分的过程。由于主观质量平均过程耗费大量时间、人力物力资源，使用范围非常受限。 而客观视频质量评估由计算机自动完成，具有很好的使用效能。通常人的主观视频质量评 分用MOS值表示，是取值在0到5的数，0表示最低质量，5表示最高质量。视频质量评估对 多媒体应用具有重要的意义，可W用于评价视频编码算法性能、视频传输网络性能、视频显 示设备性能等。
[0003] W VSSIM[文献 1 :Farenzena M，Bazzani L，Perina A，et al. Video 如ality Assessment Based on Structural Distortion Measurement. Signal Processing ：Image Communication, Vol. 19, No. 1，Jan 2004, PP :1-9]为代表的视频质量评估方法，用单帖 的全局速度计算加权系数，完成从帖到视频的质量指标汇聚。运类方法把空间和时间作 为两个不同的因素进行处理，缺乏明显的视觉屯、理学支持。W VIS3[文献2 =Phong V.化， Chandler D. M，ViS3:an Agorithm for Vdeo Qality Assessment via Analysis of Spatial and Spatiotemporal Slices. Journal of Electronic Imaging，Vol23，No. 1， Jan, 2014, PP :1-24]为代表的方法，构造了空间平均指标和时空平均指标，把最终的视频 指标设计为空间平均指标和时空平均指标的几何平均。VIS3更多考虑了时间和空间的联 合作用，具有较高的评估相关性。^10￥16[文献3记6311曰化111曰地曰11.1(，80￥化4.(：，]\1〇^〇11 Tuned Spatio-Temporal Quality Assessment of Natural Videos， IEEE Transation on image processing, Vol 19, No. 2, Feb, 2010, PP :335-350]为代表的视频质量评估方法 计算单个像素的时空G油or变换，分解出像素相关的空间纹理和时间运动信息，完成像素 区域的视觉质量评估，最后算术平均形成视频片段的质量指标。但是VIS3和MOVIE都是 一种全参考的方法，在实际使用时受限。Video化IINDS[文献4 :Saad M.A，Bovik A.C， Charrier C，Blind Prediction of Natural Video Quality， IEEE Transation on image processing, Vol23, No. 3, Mar, 2014, PP :423-43引方法计算帖差信息的空间统计测度，W 此作为时间信息，与单帖图像质量进行加权后，再完成整段视频的质量指标汇聚。Video 化IINDS是一种无参考算法。但是Video化IINDS形成的视频特征向量是多个不同视频特 性参数时间平均值的级联，掩盖了视频特征随时间波动对视频质量的影响。
[0004] 罗忠等人的国家发明授权专利[文献5 : -种视频质量评估方法， CN200510002201]和李永利等人的国家发明授权专利[文献6 :视频质量评估方法及装置， CN200810103640]侧重于运动矢量的分析，建立参考视频与待评估视频的差异性，从而获得 待评估视频质量。陈耀武等人的国家发明授权专利[文献7 =MOTION JPEG2000视频客观质 量的无参考评估方法，CN200810163592]虽然是无参考方法，但是依据梯度特征训练的线性 视频质量拟合函数，无法得到合适的判决性能。
【发明内容】
[0005] 本发明的目的在于提供一种融合局部和全局时空信息的无参考视频质量评估方 法，通过模拟人的视觉感知过程，在接收端只使用待评估的视频数据，就可W获得它的视频 主观感知质量。使用该算法，不但避免了对参考视频数据的需要，而且获得了目前最好的视 频主观质量无参考评估效果。
[0006] 实现本发明目的的技术解决方案为：一种融合局部和全局时空特性的无参考视频 质量评估方法，首先，训练融合局部和全局时空特性的视频质量回归器，步骤如下：
[0007] 步骤1，模拟运动一致性、灰度敏感性和纹理复杂性对人眼视觉感知的效应，完成 单帖的局部时空特征计算；
[0008] 步骤2,通过奇异值分解汇聚成单帖图像的特征向量，完成单帖均值特征向量与单 帖差值特征向量级联，形成视频片段特征向量；
[0009] 步骤3,用训练视频的视频片段特征向量和对应主观质量评分MOS值完成对支持 向量回归器SVR的训练；
[0010] 其次，利用训练的视频质量回归器进行视频质量预测，在对未知质量的视频片段 判别视频质量时，首先按照上述步骤1至步骤3计算该段视频对应的视频片段质量特征向 量，然后把视频片段质量特征向量输入已完成训练的支持向量回归器，该支持向量回归器 的输出值即为未知质量的视频片段对应的视频质量评估值。
[0011] 本发明与现有技术相比，其显著优点：（1)本发明是一种无参考方法，在对受损视 频进行质量评估时，不需要无损视频片段作为参考。（2)本发明W视频特征向量为视频质量 评估的基础，更多地保留了视频片段的信息。首先进行单帖图像质量评估，然后进行多帖图 像质量值加权融合的过程相比较，减少了视频信息的丢失。（3)本发明计算强度不大，可W 进行逐帖计算，不再像MOVIE -样采用跳帖策略，丢失大量时间动态信息。
[0012] 下面结合附图对本发明作进一步详细描述。
【附图说明】
[0013] 图1是本发明融合局部和全局时空特性的无参考视频质量评估方法流程图。
[0014] 图2是条带划分示意图。
[0015] 图3是视频质量回归器预测的视频质量。
【具体实施方式】
[0016] 本发明融合局部和全局时空特性的无参考视频质量评估方法具体实现步骤如 下：
[0017] 1、构造单帖内的局部块
[0018] 对单个的视频帖，划分为相互不覆盖的矩形块：假设单帖的宽、高分别为W和H个 像素，每个局部块的长、宽都等于B个像素，则单帖划分为个局部块，其中 符号「1表示下取整运算；分割完成的局部块按各自在帖内出现的位置排放；
[0019] 2、构造运动信息图
[0020] 采用视频编码中的经典=步法对每个局部块局部捜索其运动向量，利用捜索获得 的运动向量，构造局部运动张量T :
阳 02U (1)
[0022]
[0023]
[0024] 阳0巧]
[0026] m，n是当前局部块中屯、像素对应的帖内空间位置下标，w(i，如是加权窗函数，Mx 是指运动向量X轴方向的值，My是指运动向量Y轴方向的值，i，j是指求和的下标；
[0027] 计算张量T的特征值Al和A 2,则局部的运动一致性。定义为：
[0028]
(2)
[0029] 把每个局部块的运动一致性信息按局部块在帖内出现的位置进行排列，构成单帖 的运动信息图「= IiVrJ ;
[0030] 3、构造空间复杂性图
[0031] 在滤波器（0。，45°，90° ,135° )4个方向，分别对每个局部块的像素进行1维 Psudo-Wigner滤波，滤波器形成的窗口宽度N等于8,按Psudo-Wigner分布的定义：
[0032]
(3)
[0033] 其中Zm,"( ?)是处于滤波器窗口中的局部块像素灰度值，是其共辆，b是指 滤波器窗口中的局部块像素位置下标，k是空间频率下标，代表不同的空间频率，不同方向 的滤波器窗口构成不同的Wigner分布；
[0034] 对P虹，n，k]能量归一化后，得到各个方向的Psudo-Wi即er分布归一化形式：
[0035] (4)
[0036] 其中下标0表示不同滤波器窗口的方向。根据局部块的归一化Psudo-Wigner分 布，各个方向滤波器对局部块的Renyi赌表示为：
[0037]
(5)
[0038] 纹理的复杂程度由不同方向的Renyi赌的差异性来表示，把纹理复杂度表示为四 个方向Ren^赌的标准差Std与均值Mean的比值：
[0039]
(6)：
[0040] 通过计算单帖中每个局部块的纹理复杂性nm,。，形成局部块的空间复杂性图A =Um'nK
[0041] 4、形成感知权重图
[0042] 对运动信息图「和空间复杂性图A进行合成，形成每个局部块的感知权重Wm,。： 師]
饼
[0044] 其中max (iv。）是对单帖内所有局部块求取最大值。
[0045] 5、变换域条带划分
[0046] 对每个局部块的灰度分量进行DCT变换，形成DCT变换域系数屯,V，U，V表示变换 域系数的下标，对变换后的系数du,y非直流系数按条带划分，将DCT变换域系数从低频向高 频划分为{C。，Cl, C2,……条带，其中每个条带的取值满足：
[0047]
[0048] i是指条带编号，取值为0-S，S与局部块像素宽度B的关系是S = 2B-1 ;
[0049] 在DCT变换后，根据人眼视觉感知的掩码效应，去除条带编号i大于S的高频信息 和条带编号i等于0的直流分量，将保留的成分IA，C2,……。J级联形成S-I维的向量， 用于表示局部块的视觉特征信息；
[0050] 6、合成单帖质量特征向量
[0051] 根据运动信息和纹理复杂性信息对人眼感知的加权效应，模拟运动信息和纹理复 杂性对视频感知质量的屏蔽效应，用感知权重Wm,。对每个局部块内的DCT条带进行加权的 结果地
[0052]
做 阳05引按公式做加权后，形成单帖内局部块的时空质量指标图地=(QBm,。}，其中的每 个元素地m,。是17维向量；根据时空质量指标图，对单帖内所有局部块的特征向量求均值， 形成的单侦质量特征向量QFk表示为：
[0054]
(9,)
[0055] 上式的求和按向量加法进行，形成的QFk是17维向量。对视频序列的每帖分别计 算单帖质量特征向量，由此获得视频所有帖的时空特性指标{QFk，k = 1，...，U，L是指该 视频片段所有帖的数量； 阳056] 7、合成视频片段质量特征向量
[0057] 根据视频序列对应的单帖质量特征向量序列IQFJ，对视频片段的所有单帖质量 特征向量求均值，形成的视频平均质量向量MV表示为：
[0058]
(说）
[0059] 对视锁巧量特祉问量序列IQFkI的相邻单帖质量特征向量求差，获得相邻帖的质 量差值特征向量，质量差值特征向量代表了视频序列中大的视觉效应突变；然后，把视频片 段所有质量差值特征向量进行平均，形成的视频差值特征向量DV表示为：
[0060]
(11) 阳061] 公式（11)中的绝对值运算表示对向量的每个元素求绝对值，视频平均质量向量 和视频差值向量级联，构成视频片段质量特征向量MF= [MVT，DVT]t。由于QFk是17维向量， 所W最终形成的MF向量维数是34。
[0062] 8、支持向量回归器的训练
[0063] 利用带主观视频质量评分值的训练视频库，完成客观视频质量回归器的训练，即 对训练视频库中的每段视频计算它的视频片段质量特征向量MFi,其对应的主观质量评分 MOSi值已知，把视频片段质量特征向量集合{MFi，l = 1，..，幻和对应的主观质量评分集合 {M0Si，l = 1，..，幻送入支持向量回归器SVR，完成视频质量回归器的训练。其中S是视频 片段的数量。 W64] 实施例 阳0化]一、训练融合局部和全局时空特性的视频质量回归器
[0066] 1、构造单帖内的局部块
[0067] 对单个的视频帖，划分为相互不覆盖的矩形块。假设单帖的宽、高分别为W和H个 像素，每个局部块的长、宽都等于B个像素，则单帖可W划分为(/表示除 法）个局部块，其中符号f]表示下取整运算。在本发明中，B等于17度取值可W是4-32)。 视频编码时，宏块划分使用4、8、16等像素值，采用17可W对块效应等损伤也充分考虑。分 割完成的局部块按各自在帖内出现的位置排放。
[0068] 2、构造运动信息图
[0069] 对每个局部块局部捜索其运动向量，采用视频编码中的经典=步法，具体的步骤 可参考H. 261视频编码标准。由于捜索获得的局部块运动向量存在一定误差，在进行视觉 质量的运动掩蔽效应模拟时，需要在更大范围内对局部块的运动信息进行平滑和汇聚。运 里，利用捜索获得的运动向量，可W构造局部运动张量T :
[0070] (!)
[0071]
[0072]
[0073]
[0074] 阳07引 m，n是当前局部块中屯、像素对应的帖内空间位置下标，w(i，如是加权窗函数。 是指运动向量X轴方向的值，My是指运动向量Y轴方向的值，i，j是指求和的下标。本发明 中采用高斯窗函数，对高斯窗函数的方差取为1.5,则可W在7X7个局部块的范围内考察 运动一致性。计算张量T的特征值Al和A 2,则局部的运动一致性Wm,。定义为：
[0076]
[0077] 显然，运动一致性越明显的局部块，它的两个特征值差值越大，按公式（2)获得的 运动一致性测度越趋近于1。把每个局部块的运动一致性信息按局部块在帖内出现的位置 进行排列，构成单帖的运动信息图
阳07引 3、构造空间复杂性图
[00巧]在滤波器（0。，45°，90° ,135° )4个方向，分别对每个局部块的像素进行1维 Psudo-Wigner滤波，滤波器形成的窗口宽度N等于8。按Psudo-Wigner分布的定义：
[0080]
(3：：)
[0081] 其中Zm,。（ ?）是处于滤波器窗口中的局部块像素灰度值，4，《的是其共辆。b是 指滤波器窗口中的局部块像素位置下标（滤波器窗口中的局部块像素位置可W由m，n、滤 波器方向和窗口宽度按常规的直线方程采样得到）。k是空间频率下标，代表不同的空间频 率。不同方向的滤波器窗口构成不同的Wigner分布。对P虹，n，k]能量归一化后，得到各 个方向的Psudo-Wigner分布归一化形式：
[0082]
(4)
[008引其中下标0表示不同滤波器窗口的方向。在方向固定的情况下，局部块的归一化 Psudo-Wigner分布是空间频率的函数。根据局部块的归一化Psudo-Wigner分布，各个方向 滤波器对局部块的Renyi赌可W表示为：
[0084]
(5)
[0085] 纹理的复杂程度可W由不同方向的Renyi赌的差异性来表示。在本发明中，把纹 理复杂度表示为四个方向Ren^赌的标准差Std与均值Mean的比值：
[0086]
(6)
[0087] 通过计算单帖中每个局部块的纹理复杂性rim,。，形成局部块的空间复杂性图A =Um'nK
[0088] 4、形成感知权重图
[0089] 根据人眼对运动信息感知的特性，对快速运动目标的视觉信号可W有很强的模糊 容忍度，而对慢速运动目标的视觉信号能感知到轻微的失真。另外，人眼对纹理复杂的区域 更敏感，能分辨纹理区域中的失真细节，而对纹理简单区域可W容忍较大失真而不影响主 观评价。根据人眼的上述生理特征，我们对运动信息图「和空间复杂性图A进行合成，形 成每个局部块的感知权重Wm,。：
[0090]
口）
[0091] 其中max(iV。）是对单帖内所有局部块求取最大值。
[0092] 5、变换域条带划分
[0093] 每一帖图像的DCT(离散余弦变换）变换的系数的分布情况能够反映图像的亮度 信息和纹理分布特性。在进行质量评估时，系数的分布情况也能很好的体现视频帖的质量。 对每个局部块的灰度分量进行DCT变换，形成DCT变换域系数d。,、，U，V表示变换域系数的 下标。
[0094] 对变换后的系数du,y非直流系数按条带划分。由于DCT变换系数从低频向高频分 布。人眼视觉系统对低频信号敏感，对过高频信号不敏感，本发明依据此来对DCT系数进行 划分。本发明中的图像块大小W选取17 X 17为例进行说明，将DCT变换域系数从低频向高 频划分为{C。，Cl, C2,……CJ条带，如图2所示。图中相同灰度值的DCT系数属于同一个 条带。
[00巧]其中每个条带的取值满足：
[0096]
[0097] i是指条带编号，取值为0-S，S与局部块像素宽度B的关系是S = 2B-1。在计算 变换域系数时，算法需考虑局部块DCT变换后的高频信息的处理，在实际的人眼视觉效应 中，人眼对高频信息并不是特别敏感，所W在DCT变换后，通过掩码效应去除高频信息（如 条带编号大于17)和直流分量（条带编号等于0)。所W，在本发明中，只保留了去除直流和 高频的成分IA，C2,……CJ。把运些成分级联形成17维的向量，用于表示局部块的视觉 特征信息。 阳098] 6、合成单帖质量特征向量
[0099] 根据运动信息和纹理复杂性信息对人眼感知的加权效应，本发明模拟运动信息和 纹理复杂性对视频感知质量的屏蔽效应。用感知权重Wm,。对每个局部块内的DCT条带进行 加权的结果地
[0100] QBm,n, I=Wm,瓜 做 阳W] 按公式做加权后，形成单帖内局部块的时空质量指标图地=IQBm,。}，其中的每 个元素地m,。是17维向量。根据单帖时空质量指标图，对单帖内所有局部块的特征向量求 均值，形成的单帖席音特佈向音QFk可W表示为： 阳 102]
(Qi 阳103] 上式的求和按向量加法进行，形成的QFk是17维向量。对视频序列的每帖分别计 算单帖质量特征向量，由此获得视频所有帖的时空特性指标{QFk，k = 1，. . .，L}。L是指视 频片段所有帖的数量。 阳104] 7、合成视频片段质量特征向量
[0105] 根据视频序列对应的单帖质量特征向量序列IQFJ，对视频片段的所有单帖质量 特征向量求均值，形成的视频平均质量向量MV可W表示为： 阳 106] UU) 阳107] 然后对视频质量特征向量序列{QFkl的相邻单帖质量特征向量求差，获得相邻帖 的质量差值特征向量。质量差值特征向量代表了视频序列中大的视觉效应突变。然后，把 视频片段所有质量差估特佈向量讲行平均，形成的视频差值特征向量DV可W表示为：
[0108]
ni)
[0109] 公式（11)中的绝对值运算表示对向量的每个元素求绝对值。视频平均质量向量 和视频差值向量级联，构成视频片段质量特征向量MF= [MVT，DVT]t。由于QFk是17维向量， 所W最终形成的MF向量维数是34。
[0110] 8、视频质量回归器的训练 阳111] 利用带主观视频质量评分值的训练视频库，完成客观视频质量回归器的训练。对 训练视频库中的每段视频计算它的视频片段质量特征向量MFi,其对应的主观质量评分 MOSi值已知。把视频片段质量特征向量集合{MFi，1 = 1，..，幻和对应的主观质量评分集 合{MOSi，1 = 1，..，幻送入支持向量回归器SVR，完成SVR的训练。其中S是视频片段的 数量。
[0112] 二、利用训练的视频质量回归器进行视频质量预测
[0113] 在对未知质量评分的视频片段进行客观视频质量判断时，首先计算该段视频对应 的视频片段质量特征向量，然后把视频片段质量特征向量输入已完成训练的支持向量回归 器SVR，该SVR的输出值就是该视频片段的客观视频质量。预测的效果如图3所示。与典型 的无参考视频评估算法Video-BLIINDS的比较数据如表1所示。
[0114] 表1无参考视频质量评估算法性能比较 阳115]
【主权项】
1. 一种融合局部和全局时空特性的无参考视频质量评估方法，其特征在于首先，训练 融合局部和全局时空特性的视频质量回归器，步骤如下： 步骤1，模拟运动一致性、灰度敏感性和纹理复杂性对人眼视觉感知的效应，完成单帧 的局部时空特征计算； 步骤2,通过奇异值分解汇聚成单帧图像的特征向量，完成单帧均值特征向量与单帧差 值特征向量级联，形成视频片段特征向量； 步骤3,用训练视频的视频片段特征向量和对应主观质量评分MOS值完成对支持向量 回归器SVR的训练； 其次，利用训练的视频质量回归器进行视频质量预测，在对未知质量的视频片段判别 视频质量时，首先按照上述步骤1至步骤3计算该段视频对应的视频片段质量特征向量，然 后把视频片段质量特征向量输入已完成训练的支持向量回归器，该支持向量回归器的输出 值即为未知质量的视频片段对应的视频质量评估值。2. 根据权利要求1所述的融合局部和全局时空特性的无参考视频质量评估方法，其特 征在于步骤1中的步骤为： 2.1构造单帧内的局部块 对单个的视频帧，划分为相互不覆盖的矩形块：假设单帧的宽、高分别为W和Η个像素， 每个局部块的长、宽都等于Β个像素，则单帧划分为「『/冽x「///Sl个局部块，其中符号 「]表示下取整运算；分割完成的局部块按各自在帧内出现的位置排放； 2. 2、构造运动信息图 采用视频编码中的经典三步法对每个局部块局部搜索其运动向量，利用搜索获得的运 动向量，构造局部运动张量T :m，η是当前局部块中心像素对应的帧内空间位置下标，w(i，j)是加权窗函数，Mx是指 运动向量X轴方向的值，My是指运动向量Y轴方向的值，i，j是指求和的下标； 计算张量T的特征值λ^Ρ λ 2，则局部的运动一致性μηι,η定义为：把每个局部块的运动一致性信息按局部块在帧内出现的位置进行排列，构成单帧的运 动信息图Γ = {ym,n}; 2. 3构造空间复杂性图 在滤波器（0°，45°，90°，135° )4个方向，分别对每个局部块的像素进行1维 Psudo-Wigner滤波，滤波器形成的窗口宽度N等于8,按Psudo-Wigner分布的定义：其中2_(·)是处于滤波器窗口中的局部块像素灰度值，是其共辄，b是指滤波 器窗口中的局部块像素位置下标，k是空间频率下标，代表不同的空间频率，不同方向的滤 波器窗口构成不同的Wigner分布； 对P[m，n，k]能量归一化后，得到各个方向的Psudo-Wigner分布归一化形式：其中下标Θ表不不同滤波器窗口的方向。根据局部块的归一化Psudo-Wigner分布， 各个方向滤波器对局部块的Renyi熵表示为：纹理的复杂程度由不同方向的Renyi熵的差异性来表示，把纹理复杂度表示为四个方 向Renyi熵的标准差Std与均值Mean的比值：通过计算单帧中每个局部块的纹理复杂性，形成局部块的空间复杂性图Λ = {nj。3. 根据权利要求1所述的融合局部和全局时空特性的无参考视频质量评估方法，其特 征在于步骤2中的步骤为： 3. 1形成感知权重图 对运动信息图Γ和空间复杂性图Λ进行合成，形成每个局部块的感知权重W^:其中max (μ _)是对单帧内所有局部块求取最大值。 3. 2变换域条带划分 对每个局部块的灰度分量进行DCT变换，形成DCT变换域系数du, v，u，ν表示变换域系 数的下标，对变换后的系数(1_非直流系数按条带划分，将DCT变换域系数从低频向高频划 分为{C。，Q，C2，……CJ条带，其中每个条带的取值满足：i是指条带编号，取值为〇-s，s与局部块像素宽度B的关系是s = 2B-1 ; 在DCT变换后，根据人眼视觉感知的掩码效应，去除条带编号i大于s的高频信息和条 带编号i等于〇的直流分量，将保留的成分ΙΑ，(：2,……Cs J级联形成s-Ι维的向量，用于 表示局部块的视觉特征信息； 3. 3合成单帧质量特征向量 根据运动信息和纹理复杂性信息对人眼感知的加权效应，模拟运动信息和纹理复杂性 对视频感知质量的屏蔽效应，用感知权重Wm, n对每个局部块内的DCT条带进行加权的结果 QBn,n, ,= 1 (8) 按公式（8)加权后，形成单帧内局部块的时空质量指标图QB= {QB^}，其中的每个元 素(^_是17维向量；根据时空质量指标图，对单帧内所有局部块的特征向量求均值，形成 的单帧质量特征向量QFk表示为：上式的求和按向量加法进行，形成的9匕是17维向量。对视频序列的每帧分别计算单 帧质量特征向量，由此获得视频所有帧的时空特性指标{QFk，k = 1，...，L}，L是指该视频 片段所有帧的数量； 3. 4合成视频片段质量特征向量 根据视频序列对应的单帧质量特征向量序列{QFJ，对视频片段的所有单帧质量特征 向量求均值，形成的视频平均质量向量MV表示为：对视频质量特征向量序列{QFJ的相邻单帧质量特征向量求差，获得相邻帧的质量差 值特征向量，质量差值特征向量代表了视频序列中大的视觉效应突变；然后，把视频片段所 有质量差值特征向量进行平均，形成的视频差值特征向量DV表示为：公式（11)中的绝对值运算表示对向量的每个元素求绝对值，视频平均质量向量和视 频差值向量级联，构成视频片段质量特征向量MF = [MVT，DVT]T。由于〇?1<是17维向量，所 以最终形成的MF向量维数是34。4. 根据权利要求1所述的融合局部和全局时空特性的无参考视频质量评估方法，其特 征在于步骤3中的步骤为：利用带主观视频质量评分值的训练视频库，完成客观视频质量 回归器的训练，即对训练视频库中的每段视频计算它的视频片段质量特征向量MG，其对应 的主观质量评分MOSi值已知，把视频片段质量特征向量集合{MFp 1 = 1，. .，S}和对应的 主观质量评分集合{MOSpl = 1，..，S}送入支持向量回归器，完成视频质量回归器的训练。 其中S是视频片段的数量。
【文档编号】H04N17/00GK105828064SQ201510007317
【公开日】2016年8月3日
【申请日】2015年1月7日
【发明人】吴泽民, 邱正伦, 彭涛频, 田畅, 张磊, 胡磊, 刘熹
【申请人】中国人民解放军理工大学, 江苏惠纬讯信息科技有限公司