专利交易市场

本发明公开了一种基于人类视觉效应的视频质量评价方法。本发本发明方法包括内容特征提取网络、上下文注意机制网络和时间记忆效应网络。模型的输入是当前帧图像。首先，深度特征提取网络提取内容感知特征，注意力模块采用循环神经网络强化学习内容感知特征，再将注意力感知转移。然后，将内容感知特征与注意力感知转移相结合得到当前帧的质量得分，通过时间记忆效应模型对帧质量得分进行全局平均池化，得到视频的总体质量。本发明方法提供的网络模型可以充分有效地利用模仿人类视觉行为来实现对视频的质量评价。

本发明涉及一种客观评估水下视频质量的无参考评价方法，属于视频分析技术领域。该方法包括如下步骤：第一步，将水下视频分解成帧，使用一组图像质量评价指标获得视频帧的退化特征，包括UCIQE、边缘图像块对比度指数和NIQE；第二步，使用预训练的ResNet50深度神经网络结合特征注意力机制提取视频帧的语义特征向量，降维后得到视频帧的语义质量分数；第三步，将各指标分数进行归一化处理，与语义质量分数融合，得到每一帧最终的质量特征；第四步，使用门循环单元网络捕获视频帧之间的时序信息并进行特征融合，得到最终的视频质量分数。本发明解决了通用视频质量评价指标不能准确评估水下视频质量这一问题。

本发明公开了一种降参考三维视频质量评价方法，其通过基于深度图像绘制的方法，绘制得到多个虚拟视点绘制视频，并构造得到四维空间图，由于所构造的四维空间图同时考虑了彩色和深度视频失真对虚拟视点绘制质量的影响，这样与直接对三维视频进行操作相比，能够更好地衡量彩色和深度视频失真对虚拟视点绘制的影响，从而有效地提升了对三维视频的评价性能；根据四维空间图中所有四维空间体的不同子带和频带的DCT系数统计特征，通过计算系数距离和频率比距离信息，来计算待评价的失真的三维视频的客观质量评价预测值，从而只需要较少的信息就能够较好地反映三维视频的质量变化情况。