專利名稱：一種色飽和度質(zhì)量測評的方法和子系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種色飽和度質(zhì)量測評的方法和 子系統(tǒng)。
背景技術(shù)：
在"視頻圖像質(zhì)量測評的方法和系統(tǒng)"的專利申請(申請?zhí)?00810184542.3,
公開日2009-05-06 )中，畫質(zhì)測評系統(tǒng)(Image Quality Assessment Systems ， 簡稱IQAS)利用已經(jīng)經(jīng)過主觀測評的視頻圖像，從中提取相應客觀指標進行訓 練學習，構(gòu)建專家系統(tǒng)，從而實現(xiàn)對未知待測視頻圖像的質(zhì)量測評。通過從待 測視頻圖像上釆集樣本圖片，針對主觀測評的不同方面從所述樣本圖片中分別 提取相應客觀指標，將所述提取的相應客觀指標通過進行過監(jiān)督學習的分類器 進行分類，以模擬主觀測評對待測視頻圖像進行質(zhì)量測評，可以通過客觀指標 得到待測視頻圖像的客觀測評結(jié)果，而且可以針對主觀測評的不同方面通過提 取不同的相應客觀指標來模擬主觀測評進行分類，能夠完整地反映待測視頻圖 像的質(zhì)量，克服主觀測評方法的不足，提高客觀測評的準確性。
在上述專利申請中，舉例說明了在對色飽和度測評中，從每幅樣本圖片中 提取的相應客觀指標是樣本圖片的HSV色彩空間的S分量的均值和熵，以及 YUV色彩空間的U、 V分量的均值這四個客觀指標。在實現(xiàn)本發(fā)明的過程中， 發(fā)明人實踐發(fā)現(xiàn)所述提取的這四個客觀指標并不能準確反映兩幅對比圖像之間 的差異，從而降低了色飽和度測評分類的正確率。

發(fā)明內(nèi)容
本發(fā)明實施例提供了一種色飽和度質(zhì)量測評的方法和子系統(tǒng)，能夠更準確地反映兩幅對比圖像之間的差異，提高色飽和度分類器分類的正確率。
為實現(xiàn)上述目的，本發(fā)明實施例是通過如下技術(shù)方案實現(xiàn)的 一方面，提供一種色飽和度質(zhì)量測評的方法，包括 從待測評視頻圖像中采集樣本圖片；
對所述樣本圖片提取飽和度直方圖綜合指標、飽和度均值標準差綜合值、 YCbCr色彩空間中的Cb色度分量的均值和Cr色度分量的均值作為色飽和度質(zhì) 量測評的客觀指標；
將所述提取的客觀指標通過進行過有監(jiān)督的學習訓練的分類器進行分類， 模擬主觀測評得到色飽和度質(zhì)量類別。
其中，對分類器進行有監(jiān)督的學習訓練包括
從經(jīng)過色飽和度質(zhì)量主觀測評分類的視頻圖像中，對每類質(zhì)量的視頻圖像 釆集一定數(shù)量的樣本圖片；
從每幅樣本圖片中提取飽和度直方圖綜合指標、飽和度均值標準差綜合值、 YCbCr色彩空間中的Cb色度分量的均值和Cr色度分量的均值這四個客觀指標;
逐次將每幅樣本圖片的所述這四個客觀指標輸入支持向量機或人工神經(jīng)網(wǎng) 絡(luò)，并告訴支持向量機或人工神經(jīng)網(wǎng)絡(luò)每次輸入應輸出的飽和度質(zhì)量類別；
直至輸入一幅待測評視頻圖像的樣本圖片，支持向量機或人工神經(jīng)網(wǎng)絡(luò)經(jīng) 過自身分析正確輸出該樣本圖片所對應的主觀測評的色飽和度質(zhì)量類別。
具體地，對所述樣本圖片提取飽和度直方圖綜合指標包括
以YCbCr色彩空間中的Cb色度分量與Cr色度分量的模來表示飽和度，計 算所述樣本圖片中每個象素的飽和度值及所有象素的飽和度均值；
以飽和度值為橫坐標，每個飽和度值對應的象素數(shù)量為縱坐標，繪制該樣 本圖片的飽和度直方圖，并利用高斯核對所述繪制的飽和度直方圖進行濾波；根據(jù)濾波后的所述飽和度直方圖，查找得到最大波峰所對應的飽和度值及 象素數(shù)量，該最大波峰所在波形對應的左右波谷，第二大波峰所對應的象素數(shù)
量，以及所述樣本圖片中最大的飽和度值；
以所述左右波谷間所有象素數(shù)量與所述樣本圖片中所有象素數(shù)量的比值，
計算得到所述飽和度直方圖的峰度值；
以所述最大波峰對應的飽和度值與所述樣本圖片中所有象素的飽和度均值 的差值為分子，所述樣本圖片中最大的飽和度值為分母，計算得到所述飽和度 直方圖的扭曲度；
以所述最大波峰對應的象素數(shù)量減去所述第二大波峰所對應的象素數(shù)量為 分子，所述最大波峰所對應的象素數(shù)量與所述第二大波峰所對應的象素數(shù)量的 和為分母，計算得到所述飽和度直方圖的分散性；
以所述峰度^f直與所述扭曲度的和作為分子，所述分散性作為分母，計算得 到所述飽和度直方圖的綜合指標。
具體地，對所述樣本圖片提取飽和度均值標準差綜合值包括
以YCbCr色彩空間中的Cb色度分量與Cr色度分量的模來表示飽和度，計 算所述樣本圖片中所有象素的飽和度均值、標準差、最大值和最小值；
以所述樣本圖片中所有象素的飽和度均值與標準差的乘積作為分子，所述 樣本圖片中所有象素的飽和度最大值與最小值的差為分母，計算得到所述飽和 度均值標準差綜合值。
優(yōu)選地，本發(fā)明實施例提供的色飽和度質(zhì)量測評方法，還包括
從待測視頻圖像上采集多個樣本圖片，對每個樣本圖片分別提取色飽和度 質(zhì)量測評的所述客觀指標并依次通過所述分類器進行分類，得到每次分類對應 的分值；計算所述多次分類對應分值的平均值，作為所述待測視頻圖像的色飽和度質(zhì)量類別。
另一方面，提供一種色飽和度質(zhì)量測評的子系統(tǒng)，包括
色飽和度客觀指標提取單元，用于從樣本圖片中提取飽和度直方圖綜合指 標、飽和度均值標準差綜合值、YCbCr色彩空間中的Cb色度分量的均值和Cr 色度分量的均值作為色飽和度質(zhì)量測評的客觀指標；
色飽和度分類器，用于將每幅樣本圖片的所述客觀指標作為輸入，經(jīng)過自 身分析正確輸出該樣本圖片所對應的主觀測評的色飽和度質(zhì)量類別。
其中，所述色飽和度客觀指標提取單元包括
飽和度直方圖綜合指標提取模塊、飽和度均值標準差綜合值提取模塊、Cb 色度分量均值提取模塊和Cr色度分量均值提取模塊。 具體地，所述飽和度直方圖綜合指標提取模塊包括
飽和度計算子模塊，用于以YCbCr色彩空間中的Cb色度分量與Cr色度分 量的模來表示飽和度，計算所述樣本圖片中每個象素的飽和度值及所有象素的 飽和度均值；
濾波子模塊，用于對以飽和度值為橫坐標，每個飽和度值對應的象素數(shù)量 為縱坐標，繪制的該樣本圖片的飽和度直方圖，利用高斯核進行濾波；
查找子才莫塊，用于根據(jù)濾波后的所述飽和度直方圖，查找得到最大波峰所 對應的飽和度值及象素數(shù)量，該最大波峰所在波形對應的左右波谷，第二大波 峰所對應的象素數(shù)量，以及所述樣本圖片中最大的飽和度值；
峰度值計算子模塊，用于以所述左右波谷間所有象素數(shù)量與所述樣本圖片 中所有象素數(shù)量的比值，計算得到所述飽和度直方圖的峰度值；
扭曲度計算子模塊，用于以所述最大波峰對應的飽和度值與所述樣本圖片 中所有象素的飽和度均值的差值為分子，所述樣本圖片中最大的飽和度值為分母，計算得到所述飽和度直方圖的扭曲度；
分散性計算子模塊，用于以所述最大波峰對應的象素數(shù)量減去所述第二大 波峰所對應的象素數(shù)量為分子，所述最大波峰所對應的象素數(shù)量與所述第二大 波峰所對應的象素數(shù)量的和為分母，計算得到所述飽和度直方圖的分散性；
綜合指標計算子模塊，用于以所述峰度值與所述扭曲度的和作為分子，所 述分散性作為分母，計算得到所述飽和度直方圖的綜合指標。
具體地，所述飽和度均值標準差綜合值提取模塊包括
飽和度統(tǒng)計子模塊，用于以YCbCr色彩空間中的Cb色度分量與Cr色度分 量的模來表示飽和度，統(tǒng)計所述樣本圖片中所有象素的飽和度均值、標準差、 最大值和最小值；
均值標準差綜合值計算子模塊，用于以所述樣本圖片中所有象素的飽和度 均值與標準差的乘積作為分子，所述樣本圖片中所有象素的飽和度最大值與最 小值的差為分母，計算得到所述飽和度均值標準差綜合值。
優(yōu)選地，本發(fā)明實施例提供的色飽和度質(zhì)量測評子系統(tǒng)，還包括
均值計算單元，用于從待測視頻圖像上采集的多個樣本圖片，分別經(jīng)過所 述色飽和度客觀指標提取單元和所述色飽和度分類器后，得到每次分類對應的 分值，計算出它們的平均值作為所述待測視頻圖像的色飽和度質(zhì)量類別。
由上述本發(fā)明實施例提供的技術(shù)方案可知，通過對待測評視頻圖像采集樣 本圖片，從樣本圖片中提取飽和度直方圖綜合指標、飽和度均值標準差綜合值、 YCbCr色彩空間中的Cb色度分量的均值和Cr色度分量的均值作為色飽和度質(zhì) 量測評的客觀指標，能夠更準確地反映兩幅對比圖像之間的差異，然后將所述 提取的客觀指標通過進行過有監(jiān)督的學習訓練的分類器進行分類，從而得到模 擬主觀測評的色飽和度質(zhì)量類別，因此與現(xiàn)有技術(shù)相比， 一方面能夠避免主觀測評方法的不足，另一方面提高了色飽和度分類器分類的正確性。


為了更清楚地說明本發(fā)明實施例的技術(shù)方案，下面將對實施例中所需要使 用的附圖作一簡單地介紹。
圖1為本發(fā)明實施例提供的色飽和度質(zhì)量測評方法的流程圖2為本發(fā)明實施例提供的一個濾波后的飽和度直方圖3為本發(fā)明實施例提供的色飽和度質(zhì)量測評子系統(tǒng)的功能單元圖。
具體實施例方式
下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清 楚、完整地描述。
參見圖1，本發(fā)明實施例提供的一種色飽和度質(zhì)量測評的方法，包括 步驟11,從待測評視頻圖像中采集樣本圖片。
例如，可以采用高端的單反相機在暗室中拍攝視頻圖像進行樣本圖片的采集。
步驟12,對所述樣本圖片提取飽和度直方圖綜合指標、飽和度均值標準差 綜合值、YCbCr色彩空間中的Cb色度分量的均值和Cr色度分量的均值作為色 飽和度質(zhì)量測評的客觀指標。
對一幅待測視頻圖像，需要進行的主觀測評包括色飽和度、偏色、色彩梯 度、色彩保真度、膚色、亮色重合度、清晰度、對比度和銳度等不同方面；針 對主觀測評的不同方面，從所述樣本圖片中分別提取不同相應的客觀指標。本 發(fā)明實施例進行的是色飽和度質(zhì)量測評，從樣本圖片中提取的客觀指標是飽 和度直方圖綜合指標、飽和度均值標準差綜合值、YCbCr色彩空間中的Cb色度 分量的均值和Cr色度分量的均值。步驟13，將所述提取的客觀指標通過進行過有監(jiān)督的學習訓練的分類器進 行分類，模擬主觀測評得到色飽和度質(zhì)量類別。
本步驟中，對分類器進行有監(jiān)督的學習訓練包括
首先由主觀測評將待測評的視頻圖像質(zhì)量進行分類，例如可以將色飽和度 分為三類過飽和，好，欠飽和。
從經(jīng)過色飽和度質(zhì)量主觀測評分類的視頻圖像中，對每類質(zhì)量的視頻圖像 采集一定數(shù)量的樣本圖片。例如可以采用高端的單反相機在暗室中分別拍攝每 一類視頻圖像質(zhì)量的照片，并作為樣本圖片對支持向量機或人工神經(jīng)網(wǎng)絡(luò)進行 訓練學習。
從每幅樣本圖片中提取飽和度直方圖綜合指標、飽和度均值標準差綜合值、 YCbCr色彩空間中的Cb色度分量的均值和Cr色度分量的均值這四個客觀指標;
逐次將每幅樣本圖片的所述這四個客觀指標輸入支持向量機或人工神經(jīng)網(wǎng) 絡(luò)，并告訴支持向量機或人工神經(jīng)網(wǎng)絡(luò)每次輸入應輸出的飽和度質(zhì)量類別；
直至輸入一幅待測評視頻圖像的樣本圖片，支持向量機或人工神經(jīng)網(wǎng)絡(luò)經(jīng) 過自身分析正確輸出該樣本圖片所對應的主觀測評的色飽和度質(zhì)量類別。
也即是說，每次使用這四個客觀指標作為支持向量機或人工神經(jīng)網(wǎng)絡(luò)的輸 入，并告訴支持向量機或人工神經(jīng)網(wǎng)絡(luò)對于每次的客觀指標輸入其輸出應該是 哪一類(過飽和，好，欠飽和)。支持向量機或人工神經(jīng)網(wǎng)絡(luò)利用其強大的自學 習的能力，經(jīng)過多次的訓練學習，就可以對每一類圖片進行正確的分類。當我 們輸入一幅待測評樣本圖片的客觀指標時，支持向量機或人工神經(jīng)網(wǎng)絡(luò)經(jīng)過分 析就可以正確得出該樣本圖片所對應的主觀測評類別，這樣就完成了對分類器 的有監(jiān)督的學習訓練。
在如何從樣本圖片中提取飽和度直方圖綜合指標上，本發(fā)明實施例給出如下步驟
(1) 以YCbCr色彩空間中的Cb色度分量與Cr色度分量的模來表示飽和 度，計算所述樣本圖片中每個象素的飽和度值及所有象素的飽和度均值。
在YCbCr色彩空間中，Y代表亮度分量，Cb代表藍色色度分量，Cr代表 紅色色度分量。
每個象素的飽和度值Suv=sqrt(Cb.A2+Cr.A2),其中sqrt為開方，'.A 2'為點平 方運算，即對Cb矩陣和Cr矩陣中的每個元素均做平方運算。
對樣本圖片中所有象素的飽和度值求平均，得到樣本圖片中所有象素的飽 和度均值meanSuv。
(2) 對以飽和度值為橫坐標，每個飽和度值對應的象素數(shù)量為縱坐標，繪 制的該樣本圖片的飽和度直方圖，利用高斯核進行濾波。
為了減少隨機噪聲和兩幅對比圖片細微差別所引起的直方圖波形差異，可 以利用高斯核對飽和度直方圖進行濾波。例如濾波后的飽和度直方圖如附圖2 所示。
(3) 根據(jù)濾波后的所述飽和度直方圖，查找得到最大波峰所對應的飽和度 值及象素數(shù)量，該最大波峰所在波形對應的左右波谷，第二大波峰所對應的象 素數(shù)量，以及所述樣本圖片中最大的飽和度值。
查找飽和度直方圖得到的最大波峰所對應的飽和度值maxhx及象素數(shù)量 maxh，這兩個值分別代表樣本圖片中分布最多的飽和度值及其象素數(shù)量。
查找飽和度直方圖最大波峰所在波形對應的左右波谷，左邊波谷對應飽和 度值rangeSuvhl(圖中所示的飽和度值較小)，右邊波谷對應飽和度值rangeSuvhr (圖中所示的飽和度值較大)。兩個飽和度值之間的波形表示分布最多的色飽和 度群。同時，從飽和度直方圖中查找得到第二大波峰所對應的象素數(shù)量maxhr，以 及所述樣本圖片中最大的飽和度值maxSuv，以備后面的計算使用。
(4)以所述左右波谷間所有象素數(shù)量與所述樣本圖片中所有象素數(shù)量的比 值，計算得到所述飽和度直方圖的峰度值。
樣本圖片中所有象素數(shù)量sizeSl，左右波谷(rangeSuvhl， rangeSuvhr)間 所有象素數(shù)量sizeS2，計算飽和度直方圖的峰度值fengDu的計算公式為
fengDu= sizeS2/ sizeSl 。
該峰度值表示了分布最多的色飽和度群在整個圖形中所占的比例。 (5 )以所述最大波峰對應的飽和度值與所述樣本圖片中所有象素的飽和度 均值的差值為分子，所述樣本圖片中最大的飽和度值為分母，計算得到所述飽 和度直方圖的扭曲度。
計算飽和度直方圖的扭曲度niuQuDu的計算公式為
niuQuDu=(maxhx-meanSuv)/maxSuv 。
該飽和度直方圖的扭曲度為最大波峰的飽和度值與樣本圖片中所有象素的 飽和度均值位置差的歸一化值，有正反。
(6) 以所述最大波峰對應的象素數(shù)量減去所述第二大波峰所對應的象素數(shù) 量為分子，所述最大波峰所對應的象素數(shù)量與所述第二大波峰所對應的象素數(shù) 量的和為分母，計算得到所述飽和度直方圖的分散性。
計算飽和度直方圖的分散性fenSanXing的計算公式為 fenSanXing=(maxh-maxhr)/( maxh+maxhr)。
該飽和度直方圖的分散性表示了第一大波峰與第二大波峰的對比度。
(7) 以所述峰度值與所述扭曲度的和作為分子，所述M性作為分母，計 算得到所述飽和度直方圖的綜合指標。計算飽和度直方圖的峰度值、扭曲度、分散性三個的綜合指標sanZongHe的計算公式為
sanZongHe- (fengDu+niuQuDu)/ fenSanXing。
該飽和度直方圖的綜合指標能夠指示出包含較多飽和度值象素的分布規(guī)律。通過比較兩幅圖片(同一幅圖像在不同電視中的顯示畫面)的飽和度直方圖的綜合指標，能夠分析出該兩幅圖片的色飽和度顯示效果的差異。
在如何從樣本圖片中提取飽和度均值標準差綜合值上，本發(fā)明實施例給出如下步驟
(1) 仍以YCbCr色彩空間中的Cb色度分量與Cr色度分量的模來表示飽和度，計算所述樣本圖片中所有象素的飽和度均值、標準差、最大值和最小值。
如前所述，在YCbCr色彩空間中，Y代表亮度分量，Cb代表藍色色度分量，Cr代表紅色色度分量。
對樣本圖片中的每個象素計算飽和度值Suv=sqrt(Cb.A2+Cr.A2),其中sqrt為開方，'.A2'為點平方運算，即對Cb矩陣和Cr矩陣中的每個元素均做平方運算。
得到樣本圖片中所有象素的最大飽和度值maxSuv,最小飽和度值minSuv,均值meanSuv，標準差stdSuv。
(2) 以所述樣本圖片中所有象素的飽和度均值與標準差的乘積作為分子，所述樣本圖片中所有象素的飽和度最大值與最小值的差為分母，計算得到所述飽和度均值標準差綜合值。
計算飽和度均值標準差綜合值meanStdSuv的計算公式為meanStdSuv= meanSuv*stdSuv/ (maxSuv-minSuv)。
其中，stdSuv/ (maxSuv-minSuv)可以看作標準差的歸一化值。均值meanSuv表示圖像整體的色飽和度水平高低，而標準差stdSuv表示圖像色飽和度分布的平坦程度，因此兩值的綜合值可以綜合表示出兩幅圖片(同一幅圖像在不同電視中的顯示畫面)色飽和度整體及分布的差異。
此外，由于YCbCr色彩空間中的Cb色度分量和Cr色度分量綜合包含了色調(diào)和色飽和度的信息，它們的均值也可以作為色飽和度分類的依據(jù)，因此在本發(fā)明實施例還選擇了 YCbCr色彩空間中的Cb色度分量的均值meanCb和Cr色度分量的均值meanCr作為色飽和度質(zhì)量測評的客觀指標。
本發(fā)明實施例提供的色飽和度質(zhì)量測評的方法，通過對待測評視頻圖像采集樣本圖片，從樣本圖片中提取飽和度直方圖綜合指標、飽和度均值標準差綜合值、YCbCr色彩空間中的Cb色度分量的均值和Cr色度分量的均值作為色飽和度質(zhì)量測評的客觀指標，能夠更準確地反映兩幅對比圖像之間的差異，然后將所述提取的客觀指標通過進行過有監(jiān)督的學習訓練的分類器進行分類，從而得到模擬主觀測評的色飽和度質(zhì)量類別，因此與現(xiàn)有技術(shù)相比， 一方面能夠避免主觀測評方法的不足，另一方面提高了色飽和度分類器分類的正確性。
一種優(yōu)化實施例，本發(fā)明實施例提供的色飽和度質(zhì)量測評的方法還包括
從待測視頻圖像上釆集多個樣本圖片，對每個樣本圖片分別提取色飽和度質(zhì)量測評的所述客觀指標并依次通過所述分類器進行分類，得到每次分類對應的分值；計算所述多次分類對應分值的平均值，作為所述待測視頻圖像的色飽和度質(zhì)量類別。
例如對色飽和度的三個類別(過飽和，好，欠飽和)，分別對應一個分值區(qū)間，^(口2分<過々包和<4分，4分好《5分，0分<欠々包和<2分，這才羊，每次豐#入一個樣本圖片的色飽和度質(zhì)量測評客觀指標，分類器便輸出 一個該樣本圖片對應類別的分值。對從同一個待測視頻圖像上采集的多個樣本圖片，分類器對每個樣本圖片分別給出對應的分值，取其平均值作為該待測視頻圖像的最終色飽和度質(zhì)量類別。本優(yōu)化實施例可以提高色飽和度質(zhì)量測評的準確性，同時，
依據(jù)本優(yōu)化實施例得到的質(zhì)量測評結(jié)果也可以作為主觀測評人員篩選測評樣本
的依據(jù)。
參見圖3，本發(fā)明實施例還提供一種色飽和度質(zhì)量測評的子系統(tǒng)，包括
色飽和度客觀指標提取單元31,用于從樣本圖片中提取飽和度直方圖綜合指標、飽和度均值標準差綜合值、YCbCr色彩空間中的Cb色度分量的均值和Cr色度分量的均值作為色飽和度質(zhì)量測評的客觀指標；
色飽和度分類器32，用于將每幅樣本圖片的所述客觀指標作為輸入，經(jīng)過自身分析正確輸出該樣本圖片所對應的主觀測評的色飽和度質(zhì)量類別。
其中，該色飽和度客觀指標提取單元31可包括
飽和度直方圖綜合指標提取模塊311、飽和度均值標準差綜合值提取模塊312、 Cb色度分量均值提取模塊313和Cr色度分量均值提取模塊314。具體地，所述飽和度直方圖綜合指標提取模塊311,包括如下子模塊飽和度計算子才莫塊，用于以YCbCr色彩空間中的Cb色度分量與Cr色度分量的模來表示飽和度，計算所述樣本圖片中每個象素的飽和度值及所有象素的飽和度均值；
濾波子模塊，用于對以飽和度值為橫坐標，每個飽和度值對應的象素數(shù)量為縱坐標，繪制的該樣本圖片的飽和度直方圖，利用高斯核進行濾波；
查找子模塊，用于根據(jù)濾波后的所述飽和度直方圖，查找得到最大波峰所對應的飽和度值及象素數(shù)量，該最大波峰所在波形對應的左右波谷，第二大波峰所對應的象素數(shù)量，以及所述樣本圖片中最大的飽和度值；
峰度值計算子模塊，用于以所述左右波谷間所有象素數(shù)量與所述樣本圖片中所有象素數(shù)量的比值，計算得到所述飽和度直方圖的峰度值；扭曲度計算子模塊，用于以所述最大波峰對應的飽和度值與所述樣本圖片中所有象素的飽和度均值的差值為分子，所述樣本圖片中最大的飽和度值為分
母，計算得到所述飽和度直方圖的扭曲度；
分散性計算子模塊，用于以所述最大波峰對應的象素數(shù)量減去所述第二大波峰所對應的象素數(shù)量為分子，所述最大波峰所對應的象素數(shù)量與所述第二大波峰所對應的象素數(shù)量的和為分母，計算得到所述飽和度直方圖的分散性；
綜合指標計算子模塊，用于以所述峰度值與所述扭曲度的和作為分子，所述分散性作為分母，計算得到所述飽和度直方圖的綜合指標。
所述飽和度均值標準差綜合值提取模塊312,包括如下子模塊
飽和度統(tǒng)計子模塊，用于以YCbCr色彩空間中的Cb色度分量與Cr色度分量的模來表示飽和度，統(tǒng)計所述樣本圖片中所有象素的飽和度均值、標準差、最大^f直和最小值；
均值標準差綜合值計算子模塊，用于以所述樣本圖片中所有象素的飽和度均值與標準差的乘積作為分子，所述樣本圖片中所有象素的飽和度最大值與最小值的差為分母，計算得到所述飽和度均值標準差綜合值。
優(yōu)選地，本發(fā)明實施例提供的色飽和度質(zhì)量測評的子系統(tǒng)，還包括
均值計算單元33,用于從待測視頻圖像上采集的多個樣本圖片，分別經(jīng)過所述色飽和度客觀指標提取單元和所述色飽和度分類器后，得到每次分類對應的分值，計算出它們的平均值作為所述待測視頻圖像的色飽和度質(zhì)量類別。
本發(fā)明實施例的色飽和度質(zhì)量測評子系統(tǒng)，可以作為申請?zhí)?00810184542.3專利申請中畫質(zhì)測評系統(tǒng)的一個子系統(tǒng)，用于對電視畫面的色飽和度質(zhì)量進行客觀測評。通過色飽和度客觀指標提取單元31從樣本圖片中提取飽和度直方圖綜合指標、飽和度均值標準差綜合值、YCbCr色彩空間中的Cb色度分量的均值和Cr色度分量的均值作為色飽和度質(zhì)量測評的客觀指標，能夠更準確地反映兩幅對比圖像之間的差異；由色飽和度分類器將每幅樣本圖片的所述客觀指標作為輸入，經(jīng)過自身分析正確輸出該樣本圖片所對應的主觀測評的色飽和度質(zhì)量類別，因此與現(xiàn)有技術(shù)相比， 一方面能夠避免主觀測評方法的不足，另一方面提高了色飽和度分類器分類的正確性。
本領(lǐng)域技術(shù)人員還可以意識到，結(jié)合本文中所公開的實施例描述的各示例的單元及實現(xiàn)步驟，能夠以電子硬件、計算機軟件或者二者的結(jié)合來實現(xiàn)，為了清楚地說明硬件和軟件的可互換性，在上述說明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以硬件還是軟件方式來執(zhí)行，取決于技術(shù)方案的特定應用和設(shè)計約束條件。本領(lǐng)域技術(shù)人員可以對每個特定的應用來使用不同方法來實現(xiàn)所描述的功能，但是這種實現(xiàn)不應認為超出本發(fā)明的范圍。
結(jié)合本文中所公開的實施例描述的方法步驟，可以用硬件、處理器執(zhí)行的軟件模塊，或者二者的結(jié)合來實施。軟件模塊可以置于隨機存儲器(RAM)、內(nèi)存、只讀存儲器(ROM)、電可編程ROM、電可擦除可編程ROM、寄存器、硬盤、可移動》茲盤、CD-ROM、或任意其它形式的存儲介質(zhì)中。
上述具體實施例并不用以限制本發(fā)明，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，凡在不脫離本發(fā)明原理的前提下，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內(nèi)。
權(quán)利要求
1、一種色飽和度質(zhì)量測評的方法，其特征在于，包括從待測評視頻圖像中采集樣本圖片；對所述樣本圖片提取飽和度直方圖綜合指標、飽和度均值標準差綜合值、YCbCr色彩空間中的Cb色度分量的均值和Cr色度分量的均值作為色飽和度質(zhì)量測評的客觀指標；將所述提取的客觀指標通過進行過有監(jiān)督的學習訓練的分類器進行分類，模擬主觀測評得到色飽和度質(zhì)量類別。
2、 根據(jù)權(quán)利要求1所述色飽和度質(zhì)量測評的方法，其特征在于，所述對分 類器進行有監(jiān)督的學習訓練包括從經(jīng)過色飽和度質(zhì)量主觀測評分類的視頻圖像中，對每類質(zhì)量的視頻圖像 釆集一定數(shù)量的樣本圖片；從每幅樣本圖片中提取飽和度直方圖綜合指標、飽和度均值標準差綜合值、 YCbCr色彩空間中的Cb色度分量的均值和Cr色度分量的均值這四個客觀指標;逐次將每幅樣本圖片的所述這四個客觀指標輸入支持向量機或人工神經(jīng)網(wǎng) 絡(luò)，并告訴支持向量機或人工神經(jīng)網(wǎng)絡(luò)每次輸入應輸出的飽和度質(zhì)量類別；直至輸入一幅待測評視頻圖像的樣本圖片，支持向量機或人工神經(jīng)網(wǎng)絡(luò)經(jīng) 過自身分析正確輸出該樣本圖片所對應的主觀測評的色飽和度質(zhì)量類別。
3、 根據(jù)權(quán)利要求l或2所述色飽和度質(zhì)量測評的方法，其特征在于，對所 述樣本圖片提取飽和度直方圖綜合指標包括以YCbCr色彩空間中的Cb色度分量與Cr色度分量的模來表示飽和度，計 算所述樣本圖片中每個象素的飽和度值及所有象素的飽和度均值；對以飽和度值為橫坐標，每個飽和度值對應的象素數(shù)量為縱坐標，繪制的 該樣本圖片的飽和度直方圖，利用高斯核進行濾波；根據(jù)濾波后的所述飽和度直方圖，查找得到最大波峰所對應的飽和度值及 象素數(shù)量，該最大波峰所在波形對應的左右波谷，第二大波峰所對應的象素數(shù)量，以及所述樣本圖片中最大的飽和度值；以所述左右波谷間所有象素數(shù)量與所述樣本圖片中所有象素數(shù)量的比值， 計算得到所述飽和度直方圖的峰度值；以所述最大波峰對應的飽和度值與所述樣本圖片中所有象素的飽和度均值 的差值為分子，所述樣本圖片中最大的飽和度值為分母，計算得到所述飽和度 直方圖的扭曲度；以所述最大波峰對應的象素數(shù)量減去所述第二大波峰所對應的象素數(shù)量為 分子，所述最大波峰所對應的象素數(shù)量與所述第二大波峰所對應的象素數(shù)量的 和為分母，計算得到所述飽和度直方圖的分散性；以所述峰度值與所述扭曲度的和作為分子，所述分散性作為分母，計算得 到所述飽和度直方圖的綜合指標。
4、 根據(jù)權(quán)利要求1或2所述色飽和度質(zhì)量測評的方法，其特征在于，對所 述樣本圖片提取飽和度均值標準差綜合值包括以YCbCr色彩空間中的Cb色度分量與Cr色度分量的模來表示飽和度，計 算所述樣本圖片中所有象素的飽和度均值、標準差、最大值和最小值；以所述樣本圖片中所有象素的飽和度均值與標準差的乘積作為分子，所述 樣本圖片中所有象素的飽和度最大值與最小值的差為分母，計算得到所述飽和 度均值標準差綜合值。
5、 根據(jù)權(quán)利要求1或2所述色飽和度質(zhì)量測評的方法，其特征在于，所述 方法還包括從待測視頻圖像上釆集多個樣本圖片，對每個樣本圖片分別提取色飽和度質(zhì)量測評的所述客觀指標并依次通過所述分類器進行分類，得到每次分類對應的分值；計算所述多次分類對應分值的平均值，作為所述待測視頻圖像的色飽 和度質(zhì)量類別。
6、 一種色飽和度質(zhì)量測評的子系統(tǒng)，其特征在于，包括 色飽和度客觀指標提取單元，用于從樣本圖片中提取飽和度直方圖綜合指標、飽和度均值標準差綜合值、YCbCr色彩空間中的Cb色度分量的均值和Cr 色度分量的均值作為色飽和度質(zhì)量測評的客觀指標；色飽和度分類器，用于將每幅樣本圖片的所述客觀指標作為輸入，經(jīng)過自 身分析正確輸出該樣本圖片所對應的主觀測評的色飽和度質(zhì)量類別。
7、 根據(jù)權(quán)利要求6所述色飽和度質(zhì)量測評的子系統(tǒng)，其特征在于，所述色 飽和度客觀指標提取單元包括飽和度直方圖綜合指標提取模塊、飽和度均值標準差綜合值提取模塊、Cb 色度分量均值提取模塊和Cr色度分量均值提取模塊。
8、 根據(jù)權(quán)利要求7所述色飽和度質(zhì)量測評的子系統(tǒng)，其特征在于，所述飽 和度直方圖綜合指標提取模塊，具體包括飽和度計算子模塊，用于以YCbCr色彩空間中的Cb色度分量與Cr色度分 量的模來表示飽和度，計算所述樣本圖片中每個象素的飽和度值及所有象素的 飽和度均值；濾波子模塊，用于對以飽和度值為橫坐標，每個飽和度值對應的象素數(shù)量 為縱坐標，繪制的該樣本圖片的飽和度直方圖，利用高斯核進行濾波；查找子模塊，用于根據(jù)濾波后的所述飽和度直方圖，查找得到最大波峰所 對應的飽和度值及象素數(shù)量，該最大波峰所在波形對應的左右波谷，第二大波 峰所對應的象素數(shù)量，以及所述樣本圖片中最大的飽和度值；峰度值計算子模塊，用于以所述左右波谷間所有象素數(shù)量與所述樣本圖片中所有象素數(shù)量的比值，計算得到所述飽和度直方圖的峰度值；扭曲度計算子模塊，用于以所述最大波峰對應的飽和度值與所述樣本圖片中所有象素的飽和度均值的差值為分子，所述樣本圖片中最大的飽和度值為分母，計算得到所述飽和度直方圖的扭曲度；分散性計算子模塊，用于以所述最大波峰對應的象素數(shù)量減去所述第二大波峰所對應的象素數(shù)量為分子，所述最大波峰所對應的象素數(shù)量與所述第二大波峰所對應的象素數(shù)量的和為分母，計算得到所述飽和度直方圖的分散性； 綜合指標計算子模塊，用于以所述峰度值與所述扭曲度的和作為分子，所述分散性作為分母，計算得到所述飽和度直方圖的綜合指標。
9、 根據(jù)權(quán)利要求7所述色飽和度質(zhì)量測評的子系統(tǒng)，其特征在于，所述飽 和度均值標準差綜合值提取模塊，具體包括飽和度統(tǒng)計子模塊，用于以YCbCr色彩空間中的Cb色度分量與Cr色度分 量的模來表示飽和度，統(tǒng)計所述樣本圖片中所有象素的飽和度均值、標準差、 最大值和最小值；均值標準差綜合值計算子模塊，用于以所述樣本圖片中所有象素的飽和度 均值與標準差的乘積作為分子，所述樣本圖片中所有象素的飽和度最大值與最 小值的差為分母，計算得到所述飽和度均值標準差綜合值。
10、 根據(jù)權(quán)利要求7所述色飽和度質(zhì)量測評的子系統(tǒng)，其特征在于，所述 子系統(tǒng)還包括均值計算單元，用于從待測視頻圖像上釆集的多個樣本圖片，分別經(jīng)過所 述色飽和度客觀指標提取單元和所述色飽和度分類器后，得到每次分類對應的 分值，計算出它們的平均值作為所述待測視頻圖像的色飽和度質(zhì)量類別。
全文摘要
本發(fā)明的實施例公開了一種色飽和度質(zhì)量測評的方法和子系統(tǒng)，能夠更準確地反映兩幅對比圖像之間的差異，提高色飽和度分類器分類的正確率。本實施例公開的方法包括從待測評視頻圖像中采集樣本圖片；對所述樣本圖片提取飽和度直方圖綜合指標、飽和度均值標準差綜合值、YCbCr色彩空間中的Cb色度分量的均值和Cr色度分量的均值作為色飽和度質(zhì)量測評的客觀指標；將所述提取的客觀指標通過進行過有監(jiān)督的學習訓練的分類器進行分類，模擬主觀測評得到色飽和度質(zhì)量類別。本發(fā)明實施例提供的技術(shù)方案可用于對電視畫面的色飽和度質(zhì)量進行客觀測評。
文檔編號H04N17/00GK101605273SQ20091015827
公開日2009年12月16日 申請日期2009年7月23日 優(yōu)先權(quán)日2009年7月23日
發(fā)明者微 劉, 孫志陽, 雷 裴, 健 韓 申請人:青島海信數(shù)字多媒體技術(shù)國家重點實驗室有限公司