CN103856775B - 一种立体视频质量主观评价结果的处理方法 - Google Patents

Abstract

本发明公开了一种立体视频质量主观评价结果的处理方法，主要包括：淘汰异常者、剔除异常值及均值化处理三部分。针对经H.264压缩的立体视频主观评价数据样本，分别采用格鲁布斯检验法和本发明方法进行处理，实验结果表明格鲁布斯检验法的最低检测率仅高于1.5‰，而本发明方法的最低数据检测率高于5.8‰，因此，本发明方法的数据处理能力明显优于格鲁布斯检验法，可以在立体视频主观评价结果的处理方面发挥重要作用。此外，探究本方法处理后的数据样本，可得四方面结论：量化参数与立体视频质量损伤度的关系；参考视点携带的信息更占据主导地位；高分辨率视频有助于降质补偿；女性接纳视觉损伤的能力高于男性。从而为优化立体视频通信技术提供有力支持。

Description

一种立体视频质量主观评价结果的处理方法

技术领域

本发明涉及立体视频主观评价和数据筛选处理领域，特别涉及一种立体视频质量主观评价结果的处理方法。

背景技术

近年来，随着数字视频技术的快速发展，立体视频技术也逐渐走入了人们的生活，成为了人们日常生活中最关注的信息形式之一。然而，立体视频的采集、压缩、传输等过程会对视频造成一定程度的降质损伤，影响观看者的视觉感受与生理健康，成为立体产品迅速普及的主要制约因素，因此，立足于研究影响立体视频质量研究，找到一种可靠、有效的立体视频质量评价方法至关重要。

立体视频质量评价方法大致分为主观评价和客观评价两个方面^[1]。相对于客观评价，主观评价是利用被试者对测试视频质量的直接反映来确定评价分值，获取的实验结果更加真实可靠。由此可见，对主观评价开展系统的研究将会意义非凡。要想得到合理的主观评价数据必须经过诸多环节，主要包括立体视频库的建立、测试环境的选择、训练与测试流程的安排及实验数据的筛选与处理等。然而，由于实验过程中往往会存在某些不稳定因素，直接影响实验结果的精准程度，因此，有必要开展有关立体视频质量主观评价结果处理方面的相关研究工作。

目前，国内外已有学者对立体视频质量评价方面的展开研究。文献^[2]从立体视频通信角度出发，通过主观测试，系统全面地对3D视频损伤类型展开分析，但文中给出的实验结论均为定性描述，并未给出定量判定损伤的参考范围；Lewandowski^[3]结合人类视觉特性，设计主观实验，着重研究了不同3D视频压缩技术对视频降质影响，但文中并未给出如何处理主观实验获取的相关数据；文献^[4]、^[5]分别从设备、观看条件及测试流程等方面提出立体视频主观评价的相关方法，为获取精准的实验数据奠定基础，但对于文中所给数据采用何种方法处理所得并未介绍；文献^[6]从立体视频深度、视觉舒适度及视频质量角度出发，提出了3D视频多维主观评估方法，但文中仍未给出一套系统、合理的数据处理方法。

现有技术中至少存在以下的缺点和不足：

国内外对立体图像/视频主观评价的研究工作主要侧重于评价方法的设计、实验结果的探究等方面，然而从评价结果的获取到评价结果的分析之间，往往会存在实验环境的不稳定性、受试者的差异性等因素，干扰实验结果的精准度。因此直接分析主观实验所得的评价数据，难免会对结论分析、规律探究造成一定影响。

参考文献

[1]成于庆，姜秀华.3D电视视频质量主客观评价最新技术研究[J].中国传媒大学学报自然科学版.2012，19（1）：31-36.

[2]曲熠,张远,李中海.3D视频的质量损伤类型分析[J].电视技术,2013,37(13):194-197.

[3]Lewandowski F,PaluszkiewiczM,Grajek T.Subjective quality assessment methodologyfor3D video compression technology[C],2012International Conference on Signals and ElectronicSystems(ICSES),Wroclaw,2012:1–5.

[4]Umar A S,Swash R M,Sadka A H.Subjective quality assessment of3D videos[C].IEEEAfricon’11,Livingstone,2011:1-6.

[5]Kwangsung Ha,Munchurl Kim.A Percetual Quality Assessment Metric UsingTemporal Complexity and Disparity Information for Stereoscopic Video[C].201118th IEEEInternational Conference on Image Processing(ICIP).Brussels,2011:2525-2528.

[6]Kulyk V,Tavakoli S,Folkesson M,et al.3D video quality assessment withmulti-scale subjective

method[C].2013Fifth International Workshop on Quality of Multimedia Experience(QoMEX),2013:106-111.

[7]Recommendation ITU-R BT.500-11:Methodology for the subjective assessment of thequality of televisionpictures[S].Geneva,Switzerland:International Telecommunication Union,2002.

[8]Recommendation ITU-R BT.1438:Subjective assessment of stereoscopictelevision pictures[S],

Telecommunication Union,2002.

[9]王文周.改良t检验法[J].西华大学学报(自然科学版),2008,27(6)：91-94.

[10]邓勃.关于异常值的检验与处理[J].大学化学,1995,10(4):5-9.

发明内容

本发明要解决的技术问题在于提供一种立体视频质量主观评价结果的处理方法。该方法包括：1.淘汰异常者，2.剔除异常值，3.均值化处理，以此作为处理立体视频质量主观评价结果的手段，尤其针对经H.264压缩编码的失真立体视频，详见下文描述：

本发明一种立体视频质量主观评价结果的处理方法，包括以下步骤：

步骤（1）、首先根据ITU-R BT.500和ITU-R BT.1438标准设计主观测试实验，获取评价数据样本，并以二维表格形式记录，其中行为视频序列；列为观察者。从概率统计的角度出发，计算评价数据样本的峰态系数β_2j；若2≤β_2j≤4，则该样本满足正态分布；若0≤β_2j<2或4<β_2j，则该样本满足非正态分布；

步骤（2）、根据步骤（1）中的判断结果，分别统计第i个观察者对所有视频评价分值的判定情况，分别以第一计量参数X_i和第二计量参数Y_i表示；

步骤（3）、根据步骤（2）中获取的X_i和Y_i数值，分别计算观察者第一筛选指标M_i1和第二筛选指标M_i2，并比较所得数值：若M_i1＞0.05且M_i2＜0.3，则判定第i个观察者为异常者，舍弃其全部测试数据；

步骤（4）、选取步骤（3）中剩余观察者对第j段测试视频的评价分值u_1j，u_2j……u_nj，其中，n≤N，n表示剩余观察者的总人数，N表示全部观察者的总人数，假设u_mj为当前样本中的可疑值，分别计算不含可疑值u_mj的样本均值和样本标准偏差s′；

步骤（5）、根据步骤（4）中所得的样本均值和样本标准偏差s′计算筛选统计量t_m；双边检验时，若t_m>2.58，或单边检验时，若t_m>2.33，则当前样本中的可疑值u_mj为高度异常值，将该可疑值u_mj剔除；

步骤（6）、重复上述步骤（4）和（5），逐一遍历每组测试数据，直至剩余的实验数据样本中不再出现异常值为止；

步骤（7）、对经步骤（1）～（6）处理后的合理数据采取均值化处理，进而得到每段立体视频主观评价的最终MOS_j分值。

通过以上实验步骤，对立体视频主观评价实验获取的数据进行处理，特别对经H.264压缩算法处理的立体视频主观数据进行筛选、处理。

计算步骤（1）中所述的数据样本峰态系数β_2j，具体为：

${\mathrm{\&beta;}}_{2j}=\frac{m_{4j}}{{\left(m_{2j}\right)}^2}---\left(1\right)$

$m_{2j}=\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{(u_{\mathrm{ij}}-{\stackrel{\&OverBar;}{u}}_j)}^2}{N}---\left(2\right)$

$m_{4j}=\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{(u_{\mathrm{ij}}-{\stackrel{\&OverBar;}{u}}_j)}^4}{N}---\left(3\right)$

${\stackrel{\&OverBar;}{u}}_j=\frac{1}{N}{\mathrm{\&Sigma;}}_{i=1}^N{u}_{\mathrm{ij}}---\left(4\right)$

其中：m_2j、m_4j分别表示所有观察者对第j段测试视频评分的二阶矩和四阶矩，具体数值由公式（2）和（3）计算而得；u_ij表示第i个观察者对第j段视频的评价分值，其中，i=1,2,3……N；j=1,2,3……I，N为全部观察者的总人数,I为全部测试视频的总数量。表示第j段视频评分的均值，数值由公式（4）计算而得。

步骤（2）中分别统计第i个观察者当前分值判定情况的第一计量参数X_i和第二计量参数Y_i，具体为：

a）样本符合正态分布：若则X_i=X_i+1；若那么Y_i=Y_i+1。

b）样本不符合正态分布：若则Xi=Xi+1；若那么Y_i=Y_i+1。

其中：S_j为全部观察者对第j段测试视频评价分数的标准差，由公式（5）计算而得。

$S_j=\sqrt{\frac{1}{N-1}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{({\stackrel{\&OverBar;}{u}}_j-u_{\mathrm{ij}})}^2}---\left(5\right)$

步骤（3）中观察者第一筛选指标M_i1和第二筛选指标M_i2的计算，具体为：

$M_{i1}=\frac{(X_i+Y_i)}{I}---\left(6\right)$

$M_{i2=}\left|\frac{X_i-Y_i}{X_i+Y_i}\right|---\left(7\right)$

步骤（4）中不含可疑值u_mj的样本均值和样本标准偏差s′的计算，具体为：

${\stackrel{\&OverBar;}{u}}^{\&prime;}=\frac{1}{n-1}\underset{\underset{i\&NotEqual;m}{i=1}}{\overset{n}{\mathrm{\&Sigma;}}}{u}_{\mathrm{ij}}---\left(8\right)$

$s^{\&prime;}=\sqrt{\frac{1}{n-2}\underset{\underset{i\&NotEqual;m}{i=1}}{\overset{n}{\mathrm{\&Sigma;}}}{(u_{\mathrm{ij}}-{\stackrel{\&OverBar;}{u}}^{\&prime;})}^2}---\left(9\right)$

步骤（5）中筛选统计量t_m的计算，具体为：

双边检测：

$t_m=\frac{n-3.3}{n-0.8}\&CenterDot;\frac{|u_{\mathrm{mj}}-{\stackrel{\&OverBar;}{u}}^{\&prime;}|}{s^{\&prime;}}---\left(10\right)$

单边检测：

$t_m=\frac{n-3.1}{n-0.9}\&CenterDot;\frac{|u_{\mathrm{mj}}-{\stackrel{\&OverBar;}{u}}^{\&prime;}|}{s^{\&prime;}}---\left(11\right)$

步骤（7）中对合理数据采取均值化处理得到最终MOS_j，具体为：

${\mathrm{MOS}}_j=\frac{1}{K}{\mathrm{\&Sigma;}}_{i=1}^K{u}_{\mathrm{ij}}^{\&prime;}---\left(12\right)$

其中：u′_ij为经步骤（1）～（6）处理后的数据，K为第j段视频的最终有效分值个数。

本发明提供的一种立体视频质量主观评价结果的处理方法，与现有技术相比具有以下的优点：

本发明针对立体视频质量主观评价中的结果处理问题，结合主观测试特点与概率统计相关理论，提出一种有效地数据筛选处理方法。通过筛选异常者、剔除异常值以及均值化处理三个步骤，可获取得到更加合理的立体视频主观评价结果，为今后立体视频主观评价研究提供了数据处理的依据。与传统的格鲁布斯检验法相比，本发明方法避免了查表工作，降低了处理过程的复杂度，减少了研究人员的工作量，同时实验结果表明本发明方法的最低数据检测率高于5.8‰，数据处理能力明显好于格鲁布斯检验法。

附图说明

图1为本发明提供的用于主观测试的源立体视频荷花（Hehua）的第一帧；

图2为本发明提供的用于主观测试的源立体视频火（Fire）的第一帧；

图3为本发明提供的用于主观测试的源立体视频握手（Woshou）的第一帧；

图4为本发明提供的用于主观测试的源立体视频飞机（Airplane）的第一帧；

图5为本发明提供的用于主观测试的源立体视频鱼（Fish）的第一帧；

图6为本发明提供的用于主观测试的源立体视频芭蕾（Ballroom）的第一帧；

图7为本发明提供的不同方法数据检测率的对比示意图；

图8为经本发明方法处理后的荷花（Hehua）视频序列的评价结果示意图；

图9为经本发明方法处理后的火（Fire）视频序列的评价结果示意图；

图10为经本发明方法处理后的握手（Woshou）视频序列的评价结果示意图；

图11为经本发明方法处理后的飞机（Airplane）视频序列的评价结果示意图；

图12为经本发明方法处理后的鱼（Fish）视频序列的评价结果示意图；

图13为经本发明方法处理后的芭蕾（Ballroom）视频序列的评价结果示意图；

图14为经本发明方法处理后的荷花（Hehua）视频序列中参考与辅助视点的评价结果示意图；

图15为经本发明方法处理后的火（Fire）视频序列中参考与辅助视点的评价结果示意图；

图16为经本发明方法处理后的握手（Woshou）视频序列中参考与辅助视点的评价结果示意图；

图17为经本发明方法处理后的飞机（Airplane）视频序列中参考与辅助视点的评价结果示意图；

图18为经本发明方法处理后的鱼（Fish）视频序列中参考与辅助视点的评价结果示意图；

图19为经本发明方法处理后的芭蕾（Ballroom）视频序列中参考与辅助视点的评价结果示意图；

图20为经本发明方法处理后的高、低分辨率视频（Hehua VS Woshou）评价结果对比示意图；

图21为经本发明方法处理后的高、低分辨率视频（Fire VS Woshou）评价结果对比示意图；

图22为经本发明方法处理后的高、低分辨率视频（Ballroom VS Airplane）评价结果对比示意图；

图23为经本发明方法处理后的高、低分辨率视频（BallroomVS Fish）评价结果对比示意图；

图24为经本发明方法处理后的荷花（Hehua）视频序列中男性、女性评价结果对比示意图。

图25为经本发明方法处理后的火（Fire）视频序列中男性、女性评价结果对比示意图。

图26为经本发明方法处理后的握手（Woshou）视频序列中男性、女性评价结果对比示意图。

图27为经本发明方法处理后的飞机（Airplane）视频序列中男性、女性评价结果对比示意图。

图28为经本发明方法处理后的鱼（Fish）视频序列中男性、女性评价结果对比示意图。

图29为经本发明方法处理后的芭蕾（Ballroom）视频序列中男性、女性评价结果对比示意图。

图30是本发明立体视频质量主观评价结果的处理方法流程图。

具体实施方式

如图30所示，本发明一种立体视频质量主观评价结果的处理方法，包括以下步骤：

步骤（1）、首先根据ITU-R BT.500和ITU-R BT.1438标准设计主观测试实验，获取评价数据样本，并以二维表格形式记录，其中行为视频序列；列为观察者，从概率统计的角度出发，计算评价数据样本的峰态系数β_2j；若2≤β_2j≤4，则该样本满足正态分布；若0≤β_2j<2或4<β_2j，则该样本满足非正态分布；

所述的数据样本峰态系数β_2j，具体为：

${\mathrm{\&beta;}}_{2j}=\frac{m_{4j}}{{\left(m_{2j}\right)}^2}---\left(1\right)$

$m_{2j}=\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{(u_{\mathrm{ij}}-{\stackrel{\&OverBar;}{u}}_j)}^2}{N}---\left(2\right)$

$m_{4j}=\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{(u_{\mathrm{ij}}-{\stackrel{\&OverBar;}{u}}_j)}^4}{N}---\left(3\right)$

${\stackrel{\&OverBar;}{u}}_j=\frac{1}{N}{\mathrm{\&Sigma;}}_{i=1}^N{u}_{\mathrm{ij}}---\left(4\right)$

其中，m2_j、m4_j分别表示所有观察者对第j段视频评分的二阶矩和四阶矩；u_ij表示第i个观察者对第j段视频的评价分值，其中，i=1,2,3……N；j=1,2,3……I，N为全部观察者的总人数,I为全部测试视频的总数量；表示第j段视频评分的均值。

步骤（2）、根据步骤（1）中的判断结果，分别统计第i个观察者对所有视频评价分值的判定情况，分别以第一计量参数X_i和第二计量参数Y_i表示；

统计第i个观察者当前分值判定情况的第一计量参数X_i和第二计量参数Y_i，具体为：

a）样本符合正态分布：若则X_i=X_i+1；若那么Y_i=Y_i+1；

b）样本不符合正态分布：若则X_i=X_i+1；若那么Y_i=Y_i+1；

其中：S_j为全部观察者对第j段测试视频评价分数的标准差，由公式（5）计算而得：

$S_j=\sqrt{\frac{1}{N-1}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{({\stackrel{\&OverBar;}{u}}_j-u_{\mathrm{ij}})}^2}---\left(5\right)$

步骤（3）、根据步骤（2）中获取的第一计量参数X_i和第二计量参数Y_i的数值，分别计算观察者第一筛选指标M_i1和第二筛选指标M_i2，并比较所得数值：若M_i1＞0.05且M_i2＜0.3，则判定第i个观察者为异常者，舍弃其全部测试数据；

观察者第一筛选指标M_i1和第二筛选指标M_i2的计算，具体为：

$M_{i1}=\frac{(X_i+Y_i)}{I}---\left(6\right)$

$M_{i2=}\left|\frac{X_i-Y_i}{X_i+Y_i}\right|---\left(7\right)$

步骤（4）、选取步骤（3）中剩余评测者对第j段测试视频的评价分值u_1j，u_2j……u_nj，其中，n≤_N，n表示剩余观察者的总人数，N表示全部观察者的总人数，假设u_mj为当前样本中的可疑值，分别计算不含可疑值u_mj的样本均值和样本标准偏差s′；

不含可疑值u_mj的样本均值和样本标准偏差s′的计算，具体为：

${\stackrel{\&OverBar;}{u}}^{\&prime;}=\frac{1}{n-1}\underset{\underset{i\&NotEqual;m}{i=1}}{\overset{n}{\mathrm{\&Sigma;}}}{u}_{\mathrm{ij}}---\left(8\right)$

$s^{\&prime;}=\sqrt{\frac{1}{n-2}\underset{\underset{i\&NotEqual;m}{i=1}}{\overset{n}{\mathrm{\&Sigma;}}}{(u_{\mathrm{ij}}-{\stackrel{\&OverBar;}{u}}^{\&prime;})}^2}---\left(9\right)$

步骤（5）、根据步骤（4）中所得的样本均值u′和样本标准偏差s′计算筛选统计量t_m；双边检验时，若t_m>2.58，或单边检验时，若t_m>2.33，则当前样本中的可疑值u_mj为高度异常值，将该可疑值u_mj剔除；

筛选统计量t_m的计算，具体为：

双边检测：

$t_m=\frac{n-3.3}{n-0.8}\&CenterDot;\frac{|u_{\mathrm{mj}}-{\stackrel{\&OverBar;}{u}}^{\&prime;}|}{s^{\&prime;}}---\left(10\right)$

单边检测：

$t_m=\frac{n-3.1}{n-0.9}\&CenterDot;\frac{|u_{\mathrm{mj}}-{\stackrel{\&OverBar;}{u}}^{\&prime;}|}{s^{\&prime;}}---\left(11\right)$

步骤（6）、重复上述步骤（4）和（5），逐一遍历每组测试数据，直至剩余的实验数据样本中不再出现异常值为止；

步骤（7）、对经步骤（1）～（6）处理后的数据采取均值化处理，进而得到每段立体视频主观评价的最终MOS_j分值，

对剩余数据采取均值化处理得到最终MOS_j，具体为：

${\mathrm{MOS}}_j=\frac{1}{K}{\mathrm{\&Sigma;}}_{i=1}^K{u}_{\mathrm{ij}}^{\&prime;}---\left(12\right)$

其中，u′_ij为经步骤（1）～（6）处理后的数据，K为第j段视频的最终有效分值个数。

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方案作进行详细说明。

一.主观评价结果获取

根据ITU-R BT.500^[7]和ITU-R BT.1438^[8]设计主观测试实验：

1.选取性别分布均匀、双目视力视觉功能正常、年龄在21-28周岁之间的测试者若干人，其中拥有立体视研究及相关工作经验的测试人员占总人数的50%。

2.选取图1所示的6段源立体视频，其中其中视频(a)和(b)的单视点分辨率大小为640×384、视频（d）和（e）的单视点分辨率大小为480×270、视频(c)和（f）的单视点分辨率大小分别为512×384和640×480。采用H.264压缩算法对每段源视频的左右视点独立压缩，然后根据控制变量原则，实现立体视拼接。

3.采用所示的“3D WINDOWS-19A0型计算机立体成像设备”显示，详细参数见表1；使用该设备配套的3DG-L3型偏振光立体眼镜观看。

4.采用双激励损伤量表法（DSIS）进行主观评价测试，获取质量评定的MOS分值，有关分值介绍详见表2。

表1立体成像设备参数

表2立体视频质量主观评分标准

二.主观评价结果的处理

由于主观评价实验的周期性较长、测试流程较为繁冗，获取的实验数据中往往会存在异常值，直接使用这类数据会对后期结论的分析探究产生极大干扰。因此，本发明立体视频质量主观评价结果的处理方法，具体步骤如下：

1.淘汰异常者

由于评测者是主观实验中的关键因素之一，每位评测人员的立体视经验、知识背景、

测试时间均不相同，因此有必要先从评测人员的角度分析数据，淘汰数据异常者。

1）首先，采用公式（1）计算全部评测人员测试数据样本的均值其中u_ij表示第i个观察者对第j段视频的评价分值，其中，i=1,2,3……N;j=1,2,3……I，N为观察者的总人数,I为测试视频的总数量；利用公式（2）和（3）分别计算所有观察者对第j段视频评分的二阶矩和四阶矩。

${\stackrel{\&OverBar;}{u}}_j=\frac{1}{N}{\mathrm{\&Sigma;}}_{i=1}^N{u}_{\mathrm{ij}}---\left(1\right)$

$m_{2j}=\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{(u_{\mathrm{ij}}-{\stackrel{\&OverBar;}{u}}_j)}^2}{N}---\left(2\right)$

$m_{4j}=\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{(u_{\mathrm{ij}}-{\stackrel{\&OverBar;}{u}}_j)}^4}{N}---\left(3\right)$

${\mathrm{\&beta;}}_{2j}=\frac{m_{4j}}{{\left(m_{2j}\right)}^2}---\left(4\right)$

经上述准备，分析全部评测人员测试数据的正态性，利用公式（4）计算样本的峰态系数β_2j。当β_2j的数值处于2和4之间时，则样本视为符合正态分布；反之，则视为非正态分布。

2）当样本数据满足正态分布时，即峰态系数满足2≤β_2j≤4。采取以下规则统计测试者分值所属情况：

若则X_i=X_i+1；若那么Y_i=Y_i+1。

当样本数据不满足正态分布时，即峰态系数满足0≤β_2j<2或4<β_2j。采取以下规则统计测试者分值所属情况：

若则X_i=X_i+1；若那么Y_i=Y_i+1。

其中S_j为全部观察者对第j段测试视频评价分数的标准差，由公式（5）计算而得；Xi和Y_i分别表示第i个观察者当前分值判定情况的第一和第二计量参数，且初值均为0。

$S_j=\sqrt{\frac{1}{N-1}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{({\stackrel{\&OverBar;}{u}}_j-u_{\mathrm{ij}})}^2}---\left(5\right)$

3）上述准备完成后，根据公式(6)和公式(7)分别计算观察者第一筛选指标M_i1和第二筛选指标M_i2，比较所得数值。

$M_{i1}=\frac{(X_i+Y_i)}{I}---\left(6\right)$

$M_{i2=}\left|\frac{X_i-Y_i}{X_i+Y_i}\right|---\left(7\right)$

若M_i1＞0.05且M_i2＜0.3，则舍弃第i个评测者的全部测试数据。

2.剔除异常值

通过异常者的数据淘汰，我们已初步得到相对合理的实验数据。但是分析每个视频序列的评价分值，发现仍有异常数据存在，因此在剩余样本数据的基础上剔除异常值显得至关重要。

1）首先，选取有效评测者对第j段测试视频的评价分值u_1j，u_2j…..u_nj，其中，n≤N，n表示剩余观察者的总人数，N表示全部观察者的总人数。假设u_mj为可疑值，那么不包括可疑值u_mj的样本均值和样本标准偏差s′分别采用公式（8）和（9）计算：

${\stackrel{\&OverBar;}{u}}^{\&prime;}=\frac{1}{n-1}\underset{\underset{i\&NotEqual;m}{i=1}}{\overset{n}{\mathrm{\&Sigma;}}}{u}_{\mathrm{ij}}---\left(8\right)$

$s^{\&prime;}=\sqrt{\frac{1}{n-2}\underset{\underset{i\&NotEqual;m}{i=1}}{\overset{n}{\mathrm{\&Sigma;}}}{(u_{\mathrm{ij}}-{\stackrel{\&OverBar;}{u}}^{\&prime;})}^2}---\left(9\right)$

2）根据公式（10）或（11）计算筛选统计量t_m，其中n表示当前样本个数。

双边检测：

$t_m=\frac{n-3.3}{n-0.8}\&CenterDot;\frac{|u_{\mathrm{mj}}-{\stackrel{\&OverBar;}{u}}^{\&prime;}|}{s^{\&prime;}}---\left(10\right)$

单边检测：

$t_m=\frac{n-3.1}{n-0.9}\&CenterDot;\frac{|u_{\mathrm{mj}}-{\stackrel{\&OverBar;}{u}}^{\&prime;}|}{s^{\&prime;}}---\left(11\right)$

采取如下规则^[9]剔除异常值：

当t_m>2.58（双边检验）或t_m>2.33（单边检验）时，则u_mj为高度异常值，应该剔除。

3）重复上述步骤，逐一遍历每组测试数据，直至实验数据中不再出现异常值。

3.均值化处理

经过异常者的淘汰和异常值的剔除，数据样本不在拥有异常值。因此，对处理后剩余的数据u′_ij采用公式（12）计算每个测试视频的最终主观实验结果,其中K为第j段视频有效分值个数。

${\mathrm{MOS}}_j=\frac{1}{K}{\mathrm{\&Sigma;}}_{i=1}^K{u}_{\mathrm{ij}}^{\&prime;}---\left(12\right)$

三.处理方法效果的分析

针对数据量较多的样本而言，传统的处理方法也有很多，文献^[10]指出以格鲁布斯检验法为代表的数据处理方法因通用性强、算法经典等特点被国内外研究学者广泛使用。因此，除了采取本发明介绍的数据处理方法外，还对原始数据采取格鲁布斯检验，用以作为处理效果分析的参考。

以视频序列荷花（Hehua）为例，其主观评价结果如表3所示。其中原始数据列为主观评价原始分值的平均值，由于该数据样本未做任何处理，因此其中难免会存在某些异常结果；格鲁布斯列为经过格鲁布斯检验法处理后的数据样本均值；本文算法列为本发明数据处理算法所得的最终实验结果；等级判定列为本发明实验结果对应视频的质量等级。从表3中不难发现，针对原始数据而言，共有7段视频序列出现异常数值，分别为Hehua.3、Hehua.9、Hehua.21、Hehua.25、Hehua.36、Hehua.42以及Hehua.48。为了便于进一步分析，本发明实施例中给出了以上7段视频的初始测试数据样本，如表4所示。其中采用本发明方法检测出的异常值用“□”表示；采用格鲁布斯检测出的异常值用“〇”表示；未见异常的测试数据则用“……”加以替代。以视频Hehua.3为例分析，表3中该视频序列对应的原始数据列和格鲁布斯列数值均为4.5882，而本文算法列的数值却为4.6406，这说明本发明所述的数据处理方法剔除了某些数值而格鲁布斯检验法却没有；接着对照表4中给出的Hehua.3测试数据样本，发现经本发明方法检测并剔除的数值“3.75”明显小于该列中其他数值，的确属于该样本的异常值。此外，以视频Hehua.25为例分析，表3中格鲁布斯列和本文算法列的数值均与原始数据列不同，这说明两种方法均检测并剔除了某些数值；接着对照表4中Hehua.25的测试数据样本可知，格鲁布斯检验法检测出的异常值“3”与本发明方法检测出的异常值“2.5”相比明显存在误差，且根据表中剩余数据的整体趋势可知，将“2.5”判定为该样本的异常值更合适。可见，本发明所提的数据处理方法相比于格鲁布斯检验法，不但可以准确检测并剔除异常数据，而且检测的误差较小。

表3视频荷花（Hehua）序列实验结果

表47段视频初始测试数据

同时，由表4可知，本发明方法共检测出7个异常数据值，格鲁布斯方法检测出3个异常值。为了进一步展现本发明方法的检测效果，将包括荷花（Hehua）在内的6段测试视频的检测率以图4的形式呈现。实验结果表明，本发明设计的数据处理方法检测效果好于格鲁布斯检验法，且该方法避免了查表工作，降低了数据处理过程的复杂度，减少了研究人员的工作量，处理效果较为理想。

四.主观评价结果的探究

采用本发明方法对经H.264压缩处理的立体视频的主观评价数据处理，将最终结果按照不同探究因素分别可视化，可以探究得出以下四个方面结论：

1.参数的范围测定

由于量化参数大小关乎主观评价分值的高低，因此根据图8～图13可以分析得到：

A.完全不受损伤的压缩阈值范围：24≤QP＜28。当双目视点均处于该压缩区间内，与原始视频呈现的视觉效果几乎无异，且评测分值普遍在4.5分以上，属于高分值区域，压缩效果较为理想。

B.受损伤但不明显的压缩阈值范围：28≤QP＜32。当双目视点的压缩范围都处于此区间内，此时的评测分值普遍在4.0—4.5分之间，经解压重建得到的立体视频有降质情况，但视觉效果损伤不明显，可被人眼接受！

C.受影响但仍可接受的压缩阈值范围：32≤QP＜40。当双目视点均处于此压缩阈值时，评测分值普遍在3.5—4.0分左右，说明此时立体视频的质量受到一定的损伤，但仍在人眼的视觉可承受范围内，因此重建的视频仍可被人眼接受，只是相比第二种情况，整体分值普遍偏低。

D.特殊考虑的压缩阈值范围：当40≤QP＜44之间时，必须保证其中某一个视点的量化参数处于40以下且两视点的量化参数间隔det≥16，才可以保证重建视频观赏效果；否则分值普遍低于3.0分，视频降质情况明显，一定程度上影响立体视频正常、舒适观看。

E.完全不能被人眼接受的压缩阈值范围：44≤QP≤48。当双目视点都处于此压缩区域内，评价分值普遍在1.5分左右。视频降质损伤情况十分明显，且根据测试者的实验反馈信息，可知此时会产生明显的视觉疲劳，测试人员会有流泪、视觉混沌等生理现象，因此该区间是人眼无法接受的！

2.辅助视点的规律探究

以图14荷花（Hehua）为例，曲线1表示当前参考视点（右视点）量化参数QP=24，

辅助视点（左视点）QP由24变化到48时的分值变化规律；曲线2则与曲线1情况相反。曲线3表示当前参考视点量化参数QP=48，辅助视点QP由24变化到48时的分值变化规律；曲线4则与曲线3情况相反。由图14可知，曲线1因参考视点未受损伤，相比曲线2中辅助视点未受损伤的情况，整体变化分值普遍偏高；曲线3因参考视点严重受损，相比曲线4中辅助视点严重受损的情况，整体变化分值普遍偏低。这说明参考视点携带的信息相比辅助视点更具有主导性。为进一步验证该结论，对图15～图19采取同样分析方法，发现在双目立体视觉捕获过程中，相对辅助视点而言，人眼对参考视点携带的信息更敏感，感知程度较高，从而进一步说明参考视点携带的信息更占据主导地位。

3.分辨率与压缩损伤的探究

根据本发明主观实验部分的介绍可知，图20和图21中视频Hehua、Fire相对于Woshou而言，属于高分辨率视频；图22和图23中视频Airplane、Fish相对于Ballroom而言，属于低分辨率视频。进一步探究可知：

A.当量化参数QP逐渐增加时，无论视频分辨率高低与否，其降质情况均加重，且造成的视效损伤超出人眼承受范围，无法满足正常观看。

B.当量化参数24≤QP≤32时，以hehua为代表的高分辨率测试视频的评价分值与以woshuo为代表的低分辨率测试视频对应的评价分值存在互相融合现象，且此时分值变化趋势较为缓和，这说明处于此量化区间内的压缩视频对于分辨率的依赖程度不高，换句话说，此时压缩系数QP影响因素占据主导地位。

C.当量化系数36≤QP≤48时，可以明显看到，同样降质损伤的情况下，高分辨率视频对应的评价分值明显高于低分辨分值，且此时分值变化趋势较为陡峭，这说明处于此量化区间内的压缩视频，分辨率的影响作用有所体现，且高分辨率有助于降质补偿，缓解视觉损伤。

4.性别因素与压缩损伤的探究

根据图24～图29分析可知：

A.量化参数QP的增加，无论男、女性评测者，对于测试视频的分值走向均呈下降趋势。

B.同降质损伤前提下，六段视频同时显示，女性（female）评价分值普遍高于男性（male），且变化趋势较为缓和，这说明女性接纳视觉损伤能力要远高于男性；与之相反，男性对于立体视频的质量要求较高，对于因压缩带来的视觉降质敏感度要远高于女性。

分析本发明方法处理后的实验数据，所得探究结果为立体视频的合理压缩传输提供了参考依据，有助于提高传输带宽利用率，优化立体视觉服务体系。

综上所述，本发明提供了一种立体视频质量主观评价结果的处理方法，主要包括：异常者的淘汰、异常值的剔除以及均值化处理三个部分。通过对H.264算法处理的立体视频进行大量主观实验进而获取评价结果，并分别采用格鲁布斯检验法与本发明方法对数据样本进行相关处理，实验结果表明格鲁布斯检验法的最低检测率仅高于1.5‰，而本发明方法的最低数据检测率高于5.8‰，且本发明避免了查表工作，减少了研究人员的工作量，检测异常数据的误差较低。可见本发明方法的数据处理能力明显优于格鲁布斯检验法，因此可以在立体视频主观评价结果的处理方面发挥重要作用。

尽管上面结合附图对本发明进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨的情况下，还可以做出很多变形，这些均属于本发明的保护之内。

Claims (1)

1.一种立体视频质量主观评价结果的处理方法，其特征在于，包括以下步骤：

步骤(1)、首先根据ITU-R BT.500和ITU-R BT.1438标准设计主观测试实验，获取评价数据样本，并以二维表格形式记录，其中行为视频序列；列为观察者，从概率统计的角度出发，计算评价数据样本的峰态系数β_2j；若2≤β_2j≤4，则该样本满足正态分布；若0≤β_2j<2或4<β_2j，则该样本满足非正态分布；

计算评价数据样本的峰态系数β_2j，具体为：

${\mathrm{\&beta;}}_{2j}=\frac{m_{4j}}{{\left(m_{2j}\right)}^2}---\left(1\right)$

$m_{2j}=\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{(u_{\mathrm{ij}}-{\stackrel{\&OverBar;}{u}}_j)}^2}{N}---\left(2\right)$

$m_{4j}=\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{(u_{\mathrm{ij}}-{\stackrel{\&OverBar;}{u}}_j)}^4}{N}---\left(3\right)$

${\stackrel{\&OverBar;}{u}}_j=\frac{1}{N}{\mathrm{\&Sigma;}}_{i=1}^N{u}_{\mathrm{ij}}---\left(4\right)$

其中，m_2j、m_4j分别表示所有观察者对第j段视频评分的二阶矩和四阶矩；u_ij表示第i个观察者对第j段视频的评价分值，其中，i＝1,2,3……N；j＝1,2,3……I，N为全部观察者的总人数,I为全部测试视频的总数量；表示第j段视频评分的均值；

步骤(2)、根据步骤(1)中的判断结果，分别统计第i个观察者对所有视频评价分值的判定情况，分别以第一计量参数X_i和第二计量参数Y_i表示；具体为：

a)样本符合正态分布：若则X_i＝X_i+1；若那么Y_i＝Y_i+1；

b)样本不符合正态分布：若则X_i＝X_i+1；若那么Y_i＝Y_i+1；

其中：S_j为全部观察者对第j段测试视频评价分数的标准差，由公式(5)计算而得：

$S_j=\sqrt{\frac{1}{N-1}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{({\stackrel{\&OverBar;}{u}}_j-u_{\mathrm{ij}})}^2}---\left(5\right);$

步骤(3)、根据步骤(2)中获取的第一计量参数X_i和第二计量参数Y_i的数值，分别计算观察者第一筛选指标M_i1和第二筛选指标M_i2，具体为：

$M_{i1}=\frac{(X_i+Y_i)}{I}---\left(6\right)$

$M_{i2}=\left|\frac{X_i-Y_i}{X_i+Y_i}\right|---\left(7\right)$

并比较所得数值：若M_i1＞0.05且M_i2＜0.3，则判定第i个观察者为异常者，舍弃其全部测试数据；

步骤(4)、选取步骤(3)中剩余观察者对第j段测试视频的评价分值u_1j，u_2j……u_nj，其中，n≤N，n表示剩余观察者的总人数，N表示全部观察者的总人数，假设u_mj为当前样本中的可疑值，分别计算不含可疑值u_mj的样本均值和样本标准偏差s′，具体为：

${\stackrel{\&OverBar;}{u}}^{\&prime;}=\frac{1}{n-1}\underset{\underset{i\&NotEqual;m}{i=1}}{\overset{n}{\mathrm{\&Sigma;}}}{u}_{\mathrm{ij}}---\left(8\right)$

$s^{\&prime;}=\sqrt{\frac{1}{n-2}\underset{\underset{i\&NotEqual;m}{i=1}}{\overset{n}{\mathrm{\&Sigma;}}}{(u_{\mathrm{ij}}-{\stackrel{\&OverBar;}{u}}^{\&prime;})}^2}---\left(9\right)$

步骤(5)、根据步骤(4)中所得的样本均值和样本标准偏差s′计算筛选统计量t_m，具体为：

双边检测：

$t_m=\frac{n-3.3}{n-0.8}\&CenterDot;\frac{|u_{\mathrm{mj}}-{\stackrel{\&OverBar;}{u}}^{\&prime;}|}{s^{\&prime;}}---\left(10\right)$

单边检测：

$t_m=\frac{n-3.1}{n-0.9}\&CenterDot;\frac{|u_{\mathrm{mj}}-{\stackrel{\&OverBar;}{u}}^{\&prime;}|}{s^{\&prime;}}---\left(11\right)$

双边检验时，若t_m>2.58，或单边检验时，若t_m>2.33，则当前样本中的可疑值u_mj为高度异常值，将该可疑值u_mj剔除；

步骤(6)、重复上述步骤(4)和(5)，逐一遍历每组测试数据，直至剩余的实验数据样本中不再出现异常值为止；

步骤(7)、对经步骤(1)～(6)处理后的数据采取均值化处理，进而得到每段立体视频主观评价的最终MOS_j分值，对剩余数据采取均值化处理得到最终MOS_j，具体为：

${\mathrm{MOS}}_j=\frac{1}{K}{\mathrm{\&Sigma;}}_{i=1}^K{u}_{\mathrm{ij}}^{\&prime;}---\left(12\right)$

其中，u′_ij为经步骤(1)～(6)处理后的数据，K为第j段视频的最终有效分值个数。