1.一种基于GoP显著性加权的视频质量评价方法，其特征在于，具体包括：将视频序列分离为多组GoP；

得到每组GoP的质量分数及每组GoP中I帧图像的显著值；

利用每组GoP中I帧图像的显著值对所有的GoP的质量分数进行加权，求得整个视频序列的质量分数。

2.根据权利要求1所述的的方法，其特征在于，所述将视频序列分离为多组GoP，具体包括：分析测试视频序列，分离出单帧，并确定每个单帧的类型；

根据分离得出的单帧和帧类型，将视频序列分离成多组GoP序列。

3.根据权利要求1所述的方法，其特征在于，所述每组GoP的质量分数是通过对每组GoP中I帧与P帧的质量分数分配权重进行加权得到的。

4.根据权利要求3所述的方法，其特征在于，所述每组GoP中I帧、P帧的质量分数均采用结构相似性进行计算：式中，x为一张未经压缩的无失真图像，y为x失真后的图像，μx是x的平均值，μy是y的平均值，σx是x的方差，σy是y的方差，σxy是x和y的协方差；C1和C2是用来维持稳定的常数。

5.根据权利要求3或4所述的方法，其特征在于，所述每组GoP中I帧与P帧的质量分数分配权重，具体为I帧的权重大于该组中任一P帧的权重，序列排位在先的P帧权重大于序列排位在后的P帧权重。

6.根据权利要求3或4所述的方法，其特征在于，所述得到每组GoP的质量分数具体为：式中，QG为对I帧与P帧分配权重加权得到的GoP的质量分数，a为I帧对于整个GoP在整个视频序列质量评价中所占的权重，QI为I帧单帧的质量分数，bi为第i个P帧对于整个GoP在整个视频序列质量评价中所占的权重，QPi为第i个P帧单帧的质量分数，m为P帧的数量。

7.根据权利要求1所述的方法，其特征在于，所述计算每组GoP中I帧图像的显著值，具体包括：得到每组GoP中I帧的显著值矩阵；

将上述得到的显著值矩阵进行二值化处理，利用得到的二值化矩阵得出显著值SIi。

8.根据权利要求7所述的方法，其特征在于，所述计算出每组GoP中I帧的显著值矩阵，具体通过视觉显著模型计算得到：SDSP＝SF(x)·SC(x)·SD(x)

式中，SF(x)是频率先验矩阵，SC(x)是色调先验矩阵，SD(x)是区域先验矩阵。

9.根据权利要求8所述的方法，其特征在于，所述得到的显著值SIi：式中，n1为二值化矩阵中值为1的元素的个数，N为二值化矩阵总元素个数。

10.根据权利要求9所述的方法，其特征在于，所述求得整个视频序列的质量分数为：式中，n为GoP的数量，SIi为第i组GoP中I帧的显著值，QGi为第i组GoP的质量分数。