(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210724179.X (22)申请日 2022.06.24 (71)申请人 华侨大学 地址 362000 福建省泉州市丰泽区城东城 华北路269号 (72)发明人 曾焕强　文豪　朱建清　黄德天　 程姗　侯军辉　 (74)专利代理 机构 厦门市首创君 合专利事务所 有限公司 3 5204 专利代理师 李艾华 (51)Int.Cl. G06V 20/40(2022.01) G06V 10/40(2022.01) G06V 10/52(2022.01) G06V 10/74(2022.01) (54)发明名称 基于时空稀疏字典的全参考屏幕视频质量 评价方法及系统 (57)摘要 本发明公开一种基于时空稀疏字典的全参 考屏幕视频质量评价方法及系统， 包括： 将输入 参考和失真屏幕视频进行预处理分割成屏幕视 频块； 采用两种不同尺度的3D ‑DOG滤波器对输入 训练数据进行预处理， 基于 K‑TSVD模型训练两个 不同尺度的稀 疏字典； 使用所得两种不同尺度的 稀疏字典进行特征提取； 基于提取到的特征计算 参考和失真屏幕视频的相似度； 采用时空池化策 略计算屏幕视频对应的质量分数。 本发明符合人 类视觉系统主观感知和屏幕视频特点， 具有较好 的屏幕视频质量评价效果。 权利要求书4页 说明书9页 附图3页 CN 115115983 A 2022.09.27 CN 115115983 A 1.一种基于时空稀疏字典的全参考屏幕视频质量评价方法， 其特征在于， 包括如下步 骤： S101， 将输入的参考和失真屏幕视频序列SCV按照连续的三帧进行组合划分， 形成屏幕 视频块SCV V； S102， 采用两种不同尺度的3D ‑DOG滤波器对SCVV进行处理， 分别提取两种尺度的3D ‑ DOG特征； S103， 将处理过的SCVV进行划分得到视频像素单元VPU， 并选取一定数量的VPU进行处 理并构建矩阵， 然后利用奇异值分解K ‑TSVD对矩阵进行处理， 从而得到两种尺度的稀疏字 典D1和D2； S104， 使用稀疏字典D1和D2分别对小尺度视频像素单元和大尺度视频像素单元进行特 征提取， 得到大小两种不同尺度的时空稀疏 特征； S105， 基于两种不同尺度的时空稀疏特征获得两种不同尺度的失真屏幕视频稀疏特征 和参考屏幕视频稀疏 特征进行相似度 度量， 并计算视频像素 单元VPU的质量分数； S106， 基于视频像素单元VPU的质量分数和人类视觉特性， 使用时空池化策略计算屏幕 视频质量分数。 2.根据权利要求1所述的基于时空稀疏字典的全参考屏幕视频质量评价方法， 其特征 在于， 所述S102， 具体包括： 获取两种不同尺度的三维高斯差分滤波器， 分别如下； 其中， 和 表示两种不同尺度的高斯差分滤波器， 对应参数为δ1＝0.4， δ2＝0.5被定义为小尺度滤波器， 对应 参数为δ3＝1.8， δ4＝2.0被定义为大尺度滤波器； G(x,y,t, δ1)， G(x,y,t, δ2)， G(x,y,t, δ3)和 G(x,y,t, δ4)表示四种不同尺度的高斯滤波器； (x,y,t)表示对应像素点的空间坐标； δ1、 δ2、 δ3、 δ4为标准差参数， 分别设为0.4， 0.5， 1.8， 2.0；权　利　要　求　书 1/4 页 2 CN 115115983 A 2使用上述两种滤波器对屏幕视频块SCVV的亮度分量进行处理， 以提取对于人眼视觉系 统敏感的边 缘信息， 分别如下： 其中， 表示卷积运算； I(x,y,t)表示SCVV的亮度分量； SSDF(x,y,t)表示小尺度三维 高斯差分滤波器所提取的特征； LSDF(x,y,t)表示大尺度三维高斯差分滤波器所提取的特 征。 3.根据权利要求2所述的基于时空稀疏字典的全参考屏幕视频质量评价方法， 其特征 在于， 所述S10 3， 具体包括： 将经过处理的屏幕视频块SCVV切分成视频像素单元VPU， 将视频像素单元VPU中的每一 个视频帧内每一行的像素进行拼接组成一个行向量， 从所有的行向量中随机选取10000个 VPU组合形成张量矩阵Y1和Y2； 然后使用张量奇异值分解K ‑TSVD模型将其分解为完备字典D1 和D2， 如下： 其中， λ＝0.1是稀疏参数， ||  ||FFrobenius范数， 使用||  ||1,1,2范数作为tubal   sparsity的凸关系； Y1是经过 处理后的SCVV形成的张量矩阵； D1表示完备字 典1， 对应于小尺度滤波 器 也被定义为小尺度稀疏字典； x1表示K‑TSVD模型 中由矩阵Y1得到的三阶张量； x1(i,j,:)表示张量的切片； i和j表示对应的维度； Y2是经过 处理后的SCVV形成的张量矩阵； D2表示完备字典2， 对应于大尺度滤波器 也被定义为大尺度稀疏字典； x2表示K‑TSVD模型中由矩阵Y2得到的三阶张 量； x2(i,j,:)表示张量的切片； i和j表示对应的维度。 4.根据权利要求3所述的基于时空稀疏字典的全参考屏幕视频质量评价方法， 所述 S104， 具体包括： SFξS(x,y,t)＝S SVPUξ(x,y,t)·D1 SFξL(x,y,t)＝ LSVPUξ(x,y,t)·D2 其中， SSVPUξ(x,y,t)表示小尺度高斯差分滤波器特征分解出的张量； LSVPUξ(x,y,t)表 示大尺度高斯差分滤波器特征分解出的张量； SFξS(x,y,t)表 示完备字典D1和小尺度视频像 素单元分解出的小尺度时空稀疏特征； SFξL(x,y,t)表 示完备字典D2和大尺度视频像素单元权　利　要　求　书 2/4 页 3 CN 115115983 A 3