1.一种基于Log-Gabor相似度的全参考视频质量评价方法，其特征在于，包括以下步骤：(1)分别输入训练视频集和待测视频集，所述输入训练视频集和待测视频集均包括参考视频和失真视频。

(2)分别提取待测视频集的参考视频和失真视频中一帧视频的Y分量、U分量和V分量，并用不同尺度和不同方向的Log-Gabor滤波器进行滤波，包括以下子步骤：(2.1)构建S个尺度和O个方向的频域Log-Gabor滤波器G(ω)，频域表达式如下：其中，ω为角频率变量，ω0为滤波器中心频率，σω为滤波器方差。

(2.2)采用步骤(2.1)构建的滤波器G(ω)分别对提取的Y分量、U分量和V分量进行滤波，得到Y分量、U分量和V分量的滤波系数，记为GY(s,o,m,n)、GU(s,o,m,n)和GV(s,o,m,n)；

其中，s为滤波系数的尺度索引，o为滤波系数的方向索引，m为Y分量滤波系数的行索引，n为Y分量滤波系数的列索引；所述滤波系数GY(s,o,m,n)、GU(s,o,m,n)和GV(s,o,m,n)均为复数。

(2.3)分别计算步骤(2.2)得到Y分量、U分量和V分量滤波系数的幅度和相位，计算公式如下：其中，MY(s,o,m,n)为Y分量滤波系数的幅度，AY(s,o,m,n)为Y分量滤波系数的相位，R_GY(s,o,m,n)、I_GY(s,o,m,n)为Y分量滤波系数GY(s,o,m,n)的实部、虚部；同理可得U分量滤波系数的幅度MU(s,o,m,n)、相位AU(s,o,m,n)，V分量滤波系数的幅度MV(s,o,m,n)、相位AV(s,o,m,n)；

(3)分别计算Y分量、U分量和V分量在不同尺度和方向的滤波系数的幅度相似度和相位相似度，计算公式如下：其中，S_MY(s,o,m,n)为Y分量的幅度相似度，S_AY(s,o,m,n)为Y分量的相位相似度；C1和C2为避免分母为零而设的常数；MY_D(s,o,m,n)、AY_D(s,o,m,n)为失真视频的Y分量滤波系数的幅度、相位，MY_S(s,o,m,n)、AY_S(s,o,m,n)为参考视频的Y分量滤波系数幅度、相位；同理可得U分量的幅度相似度S_MU(s,o,m,n)、角度相似度S_AU(s,o,m,n)，和V分量的幅度相似度S_MV(s,o,m,n)、角度相似度S_AV(s,o,m,n)，C1和C2为避免分母为0而设的常数；

(4)计算Y分量、U分量和V分量在不同尺度和方向滤波系数的总幅度相似度和总相位相似度，计算公式如下：其中，S_MY为Y分量滤波系数的总幅度相似度，S_AY为Y分量滤波系数的总角度相似度，M、N为Y分量的某一尺度和方向滤波系数总行数、总列数；同理可得U分量滤波系数的总幅度相似度S_MU、总角度相似度S_AU和V分量滤波系数的总幅度相似度S_MV、总角度相似度S_AV；

(5)计算滤波系数相似度S1，计算公式如下：

SY＝ω1×S_MY+ω2×S_AY

SU＝ω1×S_MU+ω2×S_AU

SV＝ω1×S_MV+ω2×S_AV

S1＝ω3×SY+ω4×SU+ω5×SV

其中，SY为Y分量总相似度，SU为U分量总相似度，SV为V分量总相似度，ω1、ω2、ω3、ω4和ω5均为加权系数；

(6)分别对训练视频集和待测视频集应用立方体局部二值模式算子，得到局部二值模式特征向量：(6.1)对训练视频集中参考视频和失真视频的Y分量应用立体局部二值模式算子得到向量L1，并对向量L1应用K最近邻聚类方法，得到E个聚类中心；

(6.2)对待测视频集中失真视频的Y分量应用立体局部二值模式算子得到向量L2，并利用K最近邻聚类方法将向量L2分类到步骤(6.1)得到的E个聚类中心；根据E个聚类中心中分到的向量L2的个数构建局部二值模式直方图，并得到对应的特征向量P；同理，对待测视频集中参考视频的Y分量应用立体局部二值模式算子并构建局部二值模式直方图得到特征向量Q；

(7)计算待测视频集中参考视频和失真视频的立体局部二值模式特征相似度S2，计算公式如下：其中，C3为常数，·为向量内积运算符，||·||为求向量的模运算；

(8)根据步骤(5)得到的滤波系数相似度S1和步骤(7)得到的立体局部二值模式特征相似度S2，通过下式计算待测视频集中参考视频和失真视频当前帧的视觉相似度θ；

θ＝ω6S1+ω7S2

其中，ω6、ω7为加权系数；

(9)由步骤(2)～(8)得到待测视频集其它帧的视觉相似度，记第t帧的视觉相似度为θt；

并计算视频图像质量评价分值Z，计算公式如下：

其中，T为待测视频集中参考视频或失真视频的总帧数。

2.如权利要求1所述基于Log-Gabor相似度的全参考视频质量评价方法，其特征在于，所述步骤(3)中失真视频的Y分量滤波系数的幅度MY_D(s,o,m,n)、相位AY_D(s,o,m,n)和参考视频的Y分量滤波系数幅度MY_S(s,o,m,n)、相位AY_S(s,o,m,n)均由步骤(2.3)的公式计算得到。

3.如权利要求1所述基于Log-Gabor相似度的全参考视频质量评价方法，其特征在于，所述步骤(6)中应用立体局部二值模式算子，包括以下子步骤：(61)获取YUV视频的Y分量，并提取Y分量在第t帧中(i,j)位置的像素点Yt(i,j)及其邻域的8个像素点，分别为Yt(i-1,j-1)、Yt(i-1,j)、Yt(i-1,j+1)、Yt(i,j-1)、Yt(i,j+1)、Yt(i+

1,j-1)、Yt(i+1,j)和Yt(i+1,j+1)；

(62)提取Y分量在第t-1帧中(i,j)位置的像素点Yt-1(i,j)及其邻域的8个像素点，分别为Yt-1(i-1,j-1)、Yt-1(i-1,j)、Yt-1(i-1,j+1)、Yt-1(i,j-1)、Yt-1(i,j+1)、Yt-1(i+1,j-1)、Yt-1(i+1,j)和Yt-1(i+1,j+1)；

(63)提取Y分量在第t+1帧中(i,j)位置的像素点Yt+1(i,j)及其邻域的8个像素点，分别为Yt+1(i-1,j-1)、Yt+1(i-1,j)、Yt+1(i-1,j+1)、Yt+1(i,j-1)、Yt+1(i,j+1)、Yt+1(i+1,j-1)、Yt+1(i+1,j)和Yt+1(i+1,j+1)；

(64)以第t帧中的Yt(i,j)为中心像素点，通过下式比较Yt(i,j)和步骤(61)～(63)提取的空域和时域的3×3邻域像素的大小，得到比较结果sk(a,b)：其中，Yk(a,b)为Yt(i,j)的邻域像素值，k∈{t-1,t,t+1}，a∈{i-1,i,i+1}，b∈{j-1,j,j+1}；

(65)将步骤(64)得到的比较结果sk(a,b)按st-1(i-1,j-1)、st-1(i-1,j)、st-1(i-1,j+1)、st-1(i,j-1)、st-1(i,j)、st-1(i,j+1)、st-1(i+1,j-1)、st-1(i+1,j)、st-1(i+1,j+1)以及st(i-

1,j-1)、st(i-1,j)、st(i-1,j+1)、st(i,j-1)、st(i,j+1)、st(i+1,j-1)、st(i+1,j)、st(i+1,j+1)和st+1(i-1,j-1)、st+1(i-1,j)、st+1(i-1,j+1)、st+1(i,j-1)、st+1(i,j)、st+1(i,j+1)、st+1(i+1,j-1)、st+1(i+1,j)、st+1(i+1,j+1)的顺序排列构成向量L。

4.如权利要求3所述基于Log-Gabor相似度的全参考视频质量评价方法，其特征在于，所述步骤(65)中向量L∈R26×1。

5.如权利要求1所述基于Log-Gabor相似度的全参考视频质量评价方法，其特征在于，所述步骤(6.2)中特征向量P,Q∈RE×1。

6.如权利要求1所述基于Log-Gabor相似度的全参考视频质量评价方法，其特征在于，所述参考视频和失真视频的总帧数相同；所述参考视频和失真视频均为YUV视频。