本发明专利技术公开了一种无参考视频质量评估方法、装置、设备及存储介质，本发明专利技术通过获取若干个视频帧，对所述视频帧进行转换处理，得到每一所述视频帧的纹理图，对所述视频帧以及所述纹理图进行特征提取处理，得到每一所述视频帧的内容依赖特征以及每一所述纹理图的纹理特征，根据所述内容依赖特征以及所述纹理特征，建立长期依赖，得到帧质量，根据所述帧质量确定记忆质量元素以及当前质量元素，根据所述记忆质量元素以及所述当前质量元素进行加权计算处理，得到视频质量评价结果；引用纹理特征能够更好的拟合失真敏感度，利用内容依赖特征以及建立长期依赖，模拟人眼的内容依赖及时间迟滞效应，有利于提高评估方法的性能，可广泛应用于视频领域。应用于视频领域。应用于视频领域。
【技术实现步骤摘要】
一种无参考视频质量评估方法、装置、设备及存储介质
[0001]本专利技术涉及视频领域，尤其是一种无参考视频质量评估方法、装置、设备及存储介质。
技术介绍
[0002]随着手机和平板电脑等电子设备的迅速发展，人们已经不仅仅满足于图片浏览，而更加倾向于视频服务。现今，大多数电子设备支持接收和播放高清视频，相比于图片，但是视频在采集、传输、和储存的过程更容易被引入失真，因此，视频质量评估成为了如今计算机视觉中一个重要的研究课题。同时，由于在实际应用方面，人们在互联网上浏览的视频都是没有任何参考视频的，因此有必要提供无参考视频质量评估的相关技术。
[0003]通常，失真包括自然失真以及合成失真，自然失真是在拍摄过程中由于曝光不足、过度曝光、拍摄者运动导致的模糊以及压缩误差等失真的混合，合成失真包括白噪声、高斯模糊、JPEG2000、椒盐噪声、全局对比度降低等等人为引起的失真，而无论是自然失真还是合成失真都广泛的出现在视频中，因此，需要一种可以评估任意类型的无参考视频质量评估方法。
技术实现思路
[0004]有鉴于此，为了解决上述技术问题，本专利技术的目的是提供一种无参考视频质量评估方法、装置、设备及存储介质。
[0005]本专利技术实施例采用的技术方案是：
[0006]一种无参考视频质量评估方法，包括：
[0007]获取若干个视频帧；
[0008]对所述视频帧进行转换处理，得到每一所述视频帧的纹理图；
[0009]对所述视频帧以及所述纹理图进行特征提取处理，得到每一所述视频帧的内容依赖特征以及每一所述纹理图的纹理特征；
[0010]根据所述内容依赖特征以及所述纹理特征，建立长期依赖，得到帧质量；
[0011]根据所述帧质量确定记忆质量元素以及当前质量元素；
[0012]根据所述记忆质量元素以及所述当前质量元素进行加权计算处理，得到视频质量评价结果。
[0013]进一步，所述对所述视频帧进行转换处理，得到每一所述视频帧的纹理图，包括：
[0014]将所述视频帧转换为灰度图像；
[0015]通过LBP算子将所述灰度图像进行转换，得到每一所述视频帧的纹理图。
[0016]进一步，所述对所述视频帧以及所述纹理图进行特征提取处理，得到每一所述视频帧的内容依赖特征以及每一所述纹理图的纹理特征，包括：
[0017]将所述视频帧输入神经网络进行第一特征提取，得到每一所述视频帧的内容依赖特征；
[0018]将所述纹理图输入双流网络进行第二特征提取，得到每一所述纹理图的纹理特征；所述双流网络与所述神经网络的网络参数相同。
[0019]进一步，所述根据所述内容依赖特征以及所述纹理特征，建立长期依赖，得到帧质量，包括：
[0020]对所述内容依赖特征进行第一全局平均池化以及第一全局标准差池化；
[0021]对所述纹理特征进行第二全局平均池化以及第二全局标准差池化；
[0022]对第一全局平均池化结果、第一全局标准差池化结果、第二全局平均池化结果以及第二全局标准差池化结果进行特征合并，得到每一所述视频帧对应的图像特征；
[0023]根据所述图像特征建立长期依赖，得到帧质量。
[0024]进一步，所述根据所述图像特征建立长期依赖，得到帧质量，包括：
[0025]对所述图像特征进行降维处理；
[0026]将降维处理结果输入循环神经网络建立长期依赖，得到帧质量。
[0027]进一步，所述根据所述帧质量确定记忆质量元素以及当前质量元素，包括：
[0028]从所述视频帧中确定当前帧；
[0029]将位于所述当前帧之前的预设数量视频帧对应的最小帧质量作为所述记忆质量元素；
[0030]根据位于所述当前帧之后的预设数量视频帧对应的帧质量进行求和处理，并根据位于所述当前帧之后的预设数量视频帧对应的帧质量以及求和处理结果确定第一权重参数；
[0031]根据位于所述当前帧之后的预设数量视频帧对应的帧质量以及所述第一权重参数进行加权，得到所述当前质量元素。
[0032]进一步，所述根据所述记忆质量元素以及所述当前质量元素进行加权计算处理，得到视频质量评价结果，包括：
[0033]根据第二权重参数、所述记忆质量元素、第三权重参数以及所述当前质量元素进行加权计算，得到主观帧质量分数；
[0034]根据所述主观帧质量分数以及所述视频帧的总数量计算平均值，得到所述视频质量评价结果。
[0035]本专利技术实施例还提供一种无参考视频质量评估装置，包括：
[0036]获取模块，用于获取若干个视频帧；
[0037]转换模块，用于对所述视频帧进行转换处理，得到每一所述视频帧的纹理图；
[0038]特征提取模块，用于对所述视频帧以及所述纹理图进行特征提取处理，得到每一所述视频帧的内容依赖特征以及每一所述纹理图的纹理特征；
[0039]建立模块，用于根据所述内容依赖特征以及所述纹理特征，建立长期依赖，得到帧质量；
[0040]确定模块，用于根据所述帧质量确定记忆质量元素以及当前质量元素；
[0041]评价模块，用于根据所述记忆质量元素以及所述当前质量元素进行加权计算处理，得到视频质量评价结果。
[0042]本专利技术实施例还提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至
少一段程序、所述代码集或指令集由所述处理器加载并执行以实现所述方法。
[0043]本专利技术实施例还提供一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现所述方法。
[0044]本专利技术的有益效果是：通过获取若干个视频帧，对所述视频帧进行转换处理，得到每一所述视频帧的纹理图，对所述视频帧以及所述纹理图进行特征提取处理，得到每一所述视频帧的内容依赖特征以及每一所述纹理图的纹理特征，根据所述内容依赖特征以及所述纹理特征，建立长期依赖，得到帧质量，根据所述帧质量确定记忆质量元素以及当前质量元素，根据所述记忆质量元素以及所述当前质量元素进行加权计算处理，得到视频质量评价结果；引用纹理特征能够更好的拟合失真敏感度，利用内容依赖特征以及建立长期依赖，模拟人眼的内容依赖、纹理掩蔽以及时间迟滞效应，有利于提高评估方法的性能，提高评价的准确性。
附图说明
[0045]图1为本专利技术具体实施例无参考视频质量评估方法的步骤流程示意图；
[0046]图2为本专利技术具体实施例视频质量评价结果以及人类主观评价分的比较示意图；
[0047]图3为本专利技术具体实施例KoNViD
‑
1k、CVD2014和LSVQ的SROCC结果示意图；
[0048]图4为本专利技术具体实施例各个数据集的比例与视频集中视频帧数的示意图。<本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种无参考视频质量评估方法，其特征在于，包括：获取若干个视频帧；对所述视频帧进行转换处理，得到每一所述视频帧的纹理图；对所述视频帧以及所述纹理图进行特征提取处理，得到每一所述视频帧的内容依赖特征以及每一所述纹理图的纹理特征；根据所述内容依赖特征以及所述纹理特征，建立长期依赖，得到帧质量；根据所述帧质量确定记忆质量元素以及当前质量元素；根据所述记忆质量元素以及所述当前质量元素进行加权计算处理，得到视频质量评价结果。2.根据权利要求1所述无参考视频质量评估方法，其特征在于：所述对所述视频帧进行转换处理，得到每一所述视频帧的纹理图，包括：将所述视频帧转换为灰度图像；通过LBP算子将所述灰度图像进行转换，得到每一所述视频帧的纹理图。3.根据权利要求1所述无参考视频质量评估方法，其特征在于：所述对所述视频帧以及所述纹理图进行特征提取处理，得到每一所述视频帧的内容依赖特征以及每一所述纹理图的纹理特征，包括：将所述视频帧输入神经网络进行第一特征提取，得到每一所述视频帧的内容依赖特征；将所述纹理图输入双流网络进行第二特征提取，得到每一所述纹理图的纹理特征；所述双流网络与所述神经网络的网络参数相同。4.根据权利要求1所述无参考视频质量评估方法，其特征在于：所述根据所述内容依赖特征以及所述纹理特征，建立长期依赖，得到帧质量，包括：对所述内容依赖特征进行第一全局平均池化以及第一全局标准差池化；对所述纹理特征进行第二全局平均池化以及第二全局标准差池化；对第一全局平均池化结果、第一全局标准差池化结果、第二全局平均池化结果以及第二全局标准差池化结果进行特征合并，得到每一所述视频帧对应的图像特征；根据所述图像特征建立长期依赖，得到帧质量。5.根据权利要求4所述无参考视频质量评估方法，其特征在于：所述根据所述图像特征建立长期依赖，得到帧质量，包括：对所述图像特征进行降维处理；将降维处理结果输入循环神经网络建立长期依赖，得到帧质量。6.根据权利要求1所述无参考视频质量评估方法，其特征在于：所述根据所述帧质量确定记忆质量元素以及当前质量元素，...
【专利技术属性】
技术研发人员：王员根，张奥翔，
申请(专利权)人：广州大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。