[发明专利]无参考视频质量评估方法、系统、视频接收器、智能终端

说明书

本发明属于视频处理和计算机视觉技术领域，公开了一种无参考视频质量评估方法、系统、视频接收器、智能终端，将失真视频数据库中的视频按照一定的比例划分为训练集和测试集预处理；载入预训练的权重到构建好的循环嵌套神经网络的骨干网络中，对每个分支循环神经网络进行预训练，获得视频质量评价的先验模型；载入每个分支循环神经网络的权重，利用训练集数据对建立的先验模型网络参数进行微调以获取通用无参考的视频质量评价模型；对于测试集中待测试的视频利用已建立的通用无参考的视频质量评价模型，自动实现失真视频的无参考质量评价。本发明使得网络模型有效地学习到质量相关的时域失真，在面对复杂运动场景的视频能够准确地进行质量预测。

技术领域

本发明属于视频处理和计算机视觉技术领域，尤其涉及一种无参考视频质量评估方法、系统、视频接收器、智能终端。

背景技术

目前，最接近的现有技术：技术的进步和可靠、快速的互联网连接的普及，为新形式的消费者外展提供了不断扩大的全球机会。对世界各地的许多用户来说，在线分享用户生成的内容现在是一项日常活动。作为信息传播的主要载体，视频营销作为数字战略的一种上升趋势正受到营销行业的广泛关注，尤其是在提供以用户为中心的视频服务的组织中。因此，弄清在经过制造和传输环节之后的视频是否能够满足视频接收器的要求，对于视频提供商来说至关重要。为了获得与人类视觉感知高度一致的估计值，视频质量评估(VQA)指标成为了一个迫切需要解决的问题。基于人工排序的主观VQA方法是最可靠的方法，但其实际应用受到时间和劳动的限制。作为另一种选择，研究人员寻求客观的方法来自动预测失真视频的视觉质量。

根据视频中参考信息的可用性，客观VQA方法可以进一步分为全参考(FR)、半参考(RR)和无参考(NR)VQA度量方法。参考视频的全部或部分信息在FR/RR-VQA度量中是可以获得的，这使得最先进的FR/RR方法的预测结果与人类视觉感知之间存在显著的相关性。与此相反，NR-VQA方法利用了不含原始视频信息的失真特定或自然视频统计模型，这是实际应用中的主要优势，也是本专利研究的主要内容。

现有的NR-VQA度量主要针对失真特定的问题，例如码率自适应和运动模糊。这些度量显示了特定失真的优势，但不适用于其他情况。非针对的通用方法是另一种NR-VQA方法，用于处理各种失真。近年来，利用有效的特征提取算法，一些成功的通用NR-VQA度量被提出，并显示出良好的性能。Saad等人在论文“Blind prediction-of natural videoquality”中提出了一种方法，将离散余弦变换(DCT)域的模型和量化运动一致性的运动模型结合起来预测视频质量。Mittal等人在论文“A completely blind video integrityoracle”提出了一种称为VIIDEO的度量标准，它对内在的统计规律进行建模，以量化失真带来的干扰。然而，随着图像在时间维度上的扩展，视频不仅表现为空间特征，而且表现为时间特征，这就导致了传统通用度量方法在处理时空规律更加复杂的视频时失败。