本發(fā)明涉及一種多視點(diǎn)視頻圖像處理方法，尤其涉及一種多視點(diǎn)視頻感興趣區(qū)域圖像質(zhì)量評(píng)價(jià)方法。

背景技術(shù)：
隨著數(shù)字視頻的迅速發(fā)展和廣泛應(yīng)用，用2D描述的真實(shí)世界已不能滿足人們?nèi)找嬖鲩L(zhǎng)的視覺需求；但3D立體視頻數(shù)據(jù)量龐大，這對(duì)通信系統(tǒng)中的帶寬和存儲(chǔ)空間提出了嚴(yán)峻的挑戰(zhàn)，因此3D視頻數(shù)據(jù)的高效壓縮意義重大。為了降低數(shù)據(jù)在存儲(chǔ)和傳輸過程中所占帶寬，往往會(huì)在量化過程中降低視頻質(zhì)量，這會(huì)導(dǎo)致數(shù)字視頻數(shù)據(jù)的失真。由于壓縮編碼后的視頻的質(zhì)量直接反映了改壓縮算法或壓縮算法的性能，視頻服務(wù)系統(tǒng)必須能夠及時(shí)把握并量化視頻質(zhì)量下降的情況，因此視頻信息質(zhì)量評(píng)價(jià)成為一個(gè)值得關(guān)注的問題。視頻質(zhì)量評(píng)價(jià)包括主觀質(zhì)量評(píng)價(jià)(主觀感覺評(píng)價(jià)法)和客觀質(zhì)量評(píng)價(jià)(客觀評(píng)定法)。目前大多數(shù)圖像處理系統(tǒng)的以人眼為終端系統(tǒng)，它是最直接也是最可靠的圖像質(zhì)量評(píng)價(jià)方法，但是這種主觀質(zhì)量評(píng)價(jià)操作復(fù)雜、受觀測(cè)環(huán)境和觀察者的背景差異影響大、實(shí)時(shí)性差，無法適應(yīng)當(dāng)前多數(shù)視頻服務(wù)系統(tǒng)?？陀^質(zhì)量評(píng)價(jià)包括全參考、部分參考和無參考數(shù)據(jù)的視頻質(zhì)量度量。ITU-R專家組將峰值信噪比(PSNR)和均方根誤差(MSE)作為傳統(tǒng)的兩種客觀質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)，但是實(shí)踐證明這兩種方法經(jīng)常出現(xiàn)與人的主觀感覺不一致的情況。這兩種全參考方法是假定在判斷視頻質(zhì)量時(shí)可獲得未失真的原始視頻，來對(duì)比失真視頻和原始視頻從而評(píng)價(jià)失真視頻的質(zhì)量，所得的并不是真正的圖像質(zhì)量，而是相似程度或保真程度。大部分視頻服務(wù)應(yīng)用中，人是最終的視頻接收者，對(duì)于各種圖像質(zhì)量客觀評(píng)價(jià)方法，其研究的目的必須是使客觀質(zhì)量的評(píng)價(jià)結(jié)果與人的主觀感覺相符，因此，仍需要新的視頻質(zhì)量評(píng)價(jià)方法。

技術(shù)實(shí)現(xiàn)要素：
針對(duì)目前視頻質(zhì)量評(píng)價(jià)方法存在的不足，本發(fā)明提供了一種視頻質(zhì)量評(píng)價(jià)方法。本發(fā)明所述的視頻質(zhì)量評(píng)價(jià)方法，包括：——獲取多視點(diǎn)視頻的源圖像和目標(biāo)圖像，在獲取的目標(biāo)圖像中采集顯著圖，其(x,y)位置的灰度值為S(x,y)；將獲得的顯著圖和源圖像中相同位置的區(qū)域進(jìn)行匹配，公式為：bj＝cj×S(x,y)；其中，Iref(x,y)為源圖像在(x,y)位置的像素R、G、B中某一顏色的分量值，源圖像與目標(biāo)圖像中匹配像素點(diǎn)在圖像中位置上的差異為(Δx,Δy)，Itar(x+Δx,y+Δy)為目標(biāo)圖像中對(duì)應(yīng)位置的灰度值，aj和bj分別代表乘性因子和加性因子，cj為顯著性圖的乘性因子；通過求源圖像和目標(biāo)圖像亮度直方圖來求解最佳加權(quán)系數(shù)aj、bj和cj；將源圖像和目標(biāo)圖像匹配，進(jìn)行感興趣區(qū)域的多視點(diǎn)顏色校正；——輸出校正后的圖像，利用全參考質(zhì)量評(píng)價(jià)方法進(jìn)行質(zhì)量評(píng)價(jià)。在一種優(yōu)選實(shí)施例中，所述全參考質(zhì)量評(píng)價(jià)方法包括如下組中的任意一種或幾種：PSNR算法、MSE算法、特征相似性FSIM算法、基于Riesz變換的特征相似性RFSIM算法、基于光譜殘留SR-SIM算法、基于視覺顯著感應(yīng)VSI算法。在一種優(yōu)選實(shí)施例中，對(duì)FSIM指數(shù)的計(jì)算分為兩個(gè)步驟：首先計(jì)算局部相似圖，然后將相似圖映射到一個(gè)單一的相似性得分。在一種優(yōu)選實(shí)施例中，所述顯著圖為人感興趣區(qū)域。所述人感興趣區(qū)域是指：吸引人眼注意力的對(duì)象。其中，所述人感興趣的區(qū)域的采集可以是通過基于顯著度的注意計(jì)算模型、或復(fù)雜靜止自然圖像顯著度測(cè)試模型來實(shí)現(xiàn)。在一種優(yōu)選實(shí)施例中，所輸出的校正后的圖像，可以包括彩色圖像、或者彩色圖像與所述彩色圖像所對(duì)應(yīng)的灰度圖。與現(xiàn)有的技術(shù)相比，本發(fā)明提出的基于感興趣區(qū)域的視頻質(zhì)量評(píng)價(jià)方法的優(yōu)點(diǎn)在于：通過將視覺注意機(jī)制應(yīng)用于圖像感興趣區(qū)域的提取，提取圖像的顯著性圖，可以大大提高效率和準(zhǔn)確度，避免不必要的計(jì)算資源浪費(fèi)，同時(shí)能得到很好的主觀感知圖，并且和客觀質(zhì)量評(píng)價(jià)具有很好的一致性。附圖說明圖1為本發(fā)明視頻質(zhì)量評(píng)價(jià)方法流程示意圖；圖2為本發(fā)明方法在MATLAB環(huán)境下進(jìn)行測(cè)試的實(shí)驗(yàn)結(jié)果圖，其中，圖2A為賽車視頻圖像序列實(shí)驗(yàn)結(jié)果，圖2B為舞蹈視頻圖像序列實(shí)驗(yàn)結(jié)果；圖中帶粗體邊框的為參考圖。具體實(shí)施方式本發(fā)明提出了一種基于圖像結(jié)構(gòu)和人眼視覺特性的全參考圖像質(zhì)量評(píng)價(jià)方法，先獲取多視點(diǎn)視頻的源圖像和目標(biāo)圖像，用顯著圖提取工具箱提取目標(biāo)圖像的感興趣區(qū)域的顯著圖，對(duì)顯著圖和源圖像進(jìn)行區(qū)域匹配，求得最佳加權(quán)系數(shù)，對(duì)合成的彩色圖像進(jìn)行主觀質(zhì)量評(píng)價(jià)，再利用基于圖像結(jié)構(gòu)和人眼視覺的全參考質(zhì)量評(píng)價(jià)方法對(duì)其進(jìn)行客觀質(zhì)量評(píng)價(jià)。參照?qǐng)D1和圖2，采用640x480的賽車視頻圖像(race1)序列視點(diǎn)圖像和舞蹈視頻圖像(flamenco2)序列視點(diǎn)圖像在MATLAB環(huán)境下進(jìn)行測(cè)試，將本申請(qǐng)所述的基于感興趣區(qū)域的顏色校正方法與基于3DGMM直方圖的顏色校正方法進(jìn)行對(duì)比。本發(fā)明方法如下：獲取多視點(diǎn)視頻的源圖像和目標(biāo)圖像，在獲取的多視點(diǎn)視頻的目標(biāo)圖像中提取感興趣區(qū)域的顯著圖(其灰度值為S(x,y))，再對(duì)獲得的顯著圖和源圖像進(jìn)行匹配；公式可表示為：Iref(x,y)＝aj×Itar(x+Δx,y+Δy)+bj；bj＝cj×S(x,y)；其中，將圖像進(jìn)行三通道劃分，Iref(x,y)為源圖像在(x,y)位置的像素R、G、B中某一顏色的分量值，源圖像與目標(biāo)圖像中對(duì)應(yīng)像素在位置上的差異為(Δx,Δy)，Itar(x+Δx,y+Δy)為目標(biāo)圖像中對(duì)應(yīng)位置的灰度值，aj和bj分別代表乘性因子和加性因子；cj為顯著圖的乘性因子。通過求源圖像和目標(biāo)圖像亮度直方圖來求解最佳加權(quán)系數(shù)aj、bj和cj；將源圖像和目標(biāo)圖像匹配，感興趣區(qū)域的多視點(diǎn)顏色校正。輸出校正后的圖像，并對(duì)感興趣區(qū)域進(jìn)行質(zhì)量評(píng)價(jià)。其中，質(zhì)量評(píng)價(jià)包括主觀質(zhì)量評(píng)價(jià)。其中，質(zhì)量評(píng)價(jià)包括主觀質(zhì)量評(píng)價(jià)、以及利用基于圖像結(jié)構(gòu)和人眼視覺的全參考質(zhì)量評(píng)價(jià)方法對(duì)其進(jìn)行客觀質(zhì)量評(píng)價(jià)。從圖1和圖2中可以看到本文提出的基于感興趣區(qū)域的顏色校正方法在主觀上的校正效果良好。本發(fā)明采用PSNR、MSE、FSIM、RFSIM、SR-SIM、VSI等幾種高效的質(zhì)量評(píng)價(jià)方法對(duì)提出的基于感興趣區(qū)域的顏色校正的結(jié)果進(jìn)行客觀質(zhì)量評(píng)價(jià)，實(shí)驗(yàn)結(jié)果如表1、表2所示。表1序列race1的第0視點(diǎn)的評(píng)價(jià)結(jié)果表2序列flamenco2的第0視點(diǎn)的評(píng)價(jià)結(jié)果其中，對(duì)FSIM指數(shù)的計(jì)算分兩步，首先計(jì)算局部相似圖，然后把相似圖映射到一個(gè)單一的相似性得分。再計(jì)算基于Riesz變換的特征相似性的評(píng)價(jià)標(biāo)準(zhǔn)RFSIM、基于光譜殘留的評(píng)價(jià)指數(shù)SR-SIM、基于視覺顯著感應(yīng)的評(píng)價(jià)指數(shù)VSI，對(duì)合成的圖像進(jìn)行不同標(biāo)準(zhǔn)的客觀質(zhì)量評(píng)價(jià)。最后把各種客觀質(zhì)量評(píng)價(jià)指標(biāo)與主觀質(zhì)量評(píng)價(jià)相比較，看他們是否符合主客觀質(zhì)量評(píng)價(jià)的一致性。從以上表格數(shù)據(jù)可以看出于感興趣區(qū)域的顏色校正方法在客觀指標(biāo)上的校正效果與主觀感知質(zhì)量一致。從實(shí)驗(yàn)結(jié)果中可以看到，相較于基于3DGMM直方圖的顏色校正方法(圖2中b)部分)，本發(fā)明實(shí)施例中基于感興趣區(qū)域的方法在主觀上的校正效果更佳。并且根據(jù)客觀質(zhì)量評(píng)價(jià)方法得到的結(jié)果，相較于基于3DGMM直方圖的顏色校正方法(圖2中b)部分)，本發(fā)明基于感興趣區(qū)域的顏色校正方法在客觀指標(biāo)上具有較好的效果，即本發(fā)明提出的方法符合主客觀的一致性。以上對(duì)本發(fā)明的具體實(shí)施例進(jìn)行了詳細(xì)描述，但其只是作為范例，本發(fā)明并不限制于以上描述的具體實(shí)施例。對(duì)于本領(lǐng)域技術(shù)人員而言，任何對(duì)本發(fā)明進(jìn)行的等同修改和替代也都在本發(fā)明的范疇之中。因此，在不脫離本發(fā)明的精神和范圍下所作的均等變換和修改，都應(yīng)涵蓋在本發(fā)明的范圍內(nèi)。