【技术实现步骤摘要】
本专利技术涉及视频图像检测，具体为一种视频图像质量检测方法及系统。
技术介绍
1、随着信息技术的迅猛发展，视频图像的应用越来越广泛，涵盖了安防监控、影视制作、远程教育、视频会议、直播和智能交通等多个领域。视频图像的质量直接影响到这些应用的效果和用户体验。
2、视频图像质量检测对于提升用户体验、确保信息准确性、提高安全性、优化资源使用、支持智能分析、满足法律和行业标准、提高商业竞争力以及支持新技术的应用和发展具有重要意义。在各类视频应用中，注重图像质量检测和优化，不仅能够带来直接的技术和经济效益，还能推动整个行业和社会的发展进步。
3、随着科技的不断发展，针对视频图像质量检测的技术方法层出不穷，如技术申请号为cn202410121780.9的中国专利公开了一种视频图像质量检测方法及系统，涉及视频图像检测
，该系统运行时，通过对接收到的视频图像数据固定帧率截取，并对截取的若干个视频图像帧样本进行处理和分析，获取梯度信息组、颜色通道信息组和光流变化信息组，再进行整合组成第一数据集、第二数据集和第三数据集，再进行计算后，获取图像光流变化因子glyz和图像帧变化指数bhzs，并与预设的相关阈值进行匹配，获取图像运动状态评估方案和视频图像质量评估策略方案，通过方案内容进行具体执行和通知；又如技术申请号为cn202011257018.1的中国专利公开了一种基于人工智能的视频质量诊断系统。包括图像质量评价单元，用于对视频解码图像序列进行图像质量评价，得到图像质量评价结果；视频流质量评价单元，用于对视频编码图像序列进
4、为此，提出一种视频图像质量检测方法及系统。
技术实现思路
1、本专利技术的目的在于提供一种视频图像质量检测方法及系统，本专利技术涉及视频图像检测
，具体为一种视频图像质量检测方法及系统。首先，获取待检测视频各个视频图像帧的第一多维度数据，通过对第一多维度数据进行处理，得到第二多维度数据和综合质量系数；接着，融合第二多维度数据与综合质量系数，得到第一综合图像数据集；并对第一综合图像数据集进行特征提取，得到第一图像特征集；然后，将第一综合图像数据集和第一图像特征集进行拼接，得到第一输入图像数据集；最后，将第一输入图像数据集输入到图像质量检测模型中，依次通过特征处理层和图像质量检测层，获取各个视频图像帧的图像质量检测结果。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种视频图像质量检测方法，包括，对接收到的待检测视频根据预设帧率进行图像样本截取，并根据各个截取的视频图像帧进行样本编号；
4、获取各个视频图像帧的第一多维度数据；所述第一多维度数据包括边缘检测数据、纹理数据和稳定性数据；
5、根据所述第一多维度数据，得到第一质量系数、第二质量系数和第三质量系数；并加权得到综合质量系数；
6、对获取到的各个视频图像帧的第一多维度数据进行预处理操作，得到第二多维度数据；
7、将所述第二多维度数据与所述综合质量系数进行融合，得到第一综合图像数据集；
8、对所述第一综合图像数据集进行特征提取，得到第一图像特征集；
9、将所述第一综合图像数据集和所述第一图像特征集进行拼接，得到第一输入图像数据集；
10、构建图像质量检测模型，将所述第一输入图像数据集输入到所述模型中，依次通过所述模型的特征处理层和图像质量检测层，得到所述各个视频图像帧的图像质量检测结果；
11、所述特征处理层用于对所述第一输入图像数据集进行特征处理，得到第一特征向量；
12、所述图像质量检测层用于根据所述第一特征向量对图像质量进行检测，并融入动态阈值函数，输出所述各个视频图像帧的图像质量检测结果。
13、优选的，所述预处理操作包括归一化和去噪；所述边缘检测数据通过canny边缘检测算法获取；所述纹理数据通过灰度共生矩阵获取纹理特征进行获取，所述纹理特征包括对比度、均匀性和熵，所述稳定性数据通过计算图像色调均值和直方图均衡化后的信息获取。
14、优选的，所述第一质量系数为：
15、
16、其中，q1表示为所述第一质量系数；m和n分别表示图像帧的高度和宽度；eij表示像素(i,j)处的边缘检测值；
17、所述第二质量系数为：
18、q2＝α*contrast+β*homogenetity+γ*entropy；
19、其中，q2表示为所述第二质量系数；contrast表示为图像对比度、homogeneity表示为图像均匀性；entropy表示为图像熵；α、β、γ是权重系数；
20、所述第三质量系数为：
21、
22、其中，q3表示为所述第三质量系数；hk表示为色调直方图均衡后的第k个色调值；hk表示为色调的均值；k表示为色调总数；σh表示为色调标准差；η表示为色调标准差权重系数；δ表示为稳定性权重系数。
23、优选的，所述综合质量系数为：
24、qtotal＝w1*q1+w2*q2+w3*q3；
25、其中，qtotal表示为所述综合质量系数；q1表示为所述第一质量系数；q2表示为所述第二质量系数；q3表示为所述第三质量系数；w1表示为第一质量系数权重；w2表示为第二质量系数权重；w3表示为第三质量系数权重。
26、优选的，所述第一图像特征集的提取过程为：
27、
28、fconv＝relu(conv(dfused,k)+b)；
29、f'＝fconvw；
30、其中，dfused表示为所述第一综合图像数据集；d'表示为所述第二多维度数据；qtotal表示为所述综合质量系数；e表示为与dfused相同维度的单位矩阵；fconv表示为卷积特征矩阵；其中，fconv表示为卷积特征矩阵；relu表示激活函数；conv表示卷积操作；k表示卷积核；b表示偏置；f'表示为经过pca降维后的特征矩阵；
31、对f'进行奇异值分解，并提取第一图像特征集的具体过程为：
32、f'＝u∑vt；
33、f1＝u[:,1]∑[1,1]；
34、其中，w表示为pca投影矩阵；u和v表示为正交矩阵；∑表示为对角矩阵；所述正交矩阵和对角矩阵均为f'通过奇异值分解(svd)后得到的；f1表示为所述第一图像特征集；u[:,1]表示为矩阵u的第一列；∑[1,1]表示为矩阵∑的第一个奇异值。
35、优选的，所述动态阈值函数根据所述综合质量系数和实时环境参数进行获取；所述实时环境参数包括光照强度和图像噪声水平：<本文档来自技高网...
【技术保护点】
1.一种视频图像质量检测方法，其特征在于，包括：
2.根据权利要求1所述的一种视频图像质量检测方法，其特征在于，所述预处理操作包括归一化和去噪；所述边缘检测数据通过Canny边缘检测算法获取；所述纹理数据通过灰度共生矩阵获取纹理特征进行获取，所述纹理特征包括对比度、均匀性和熵，所述稳定性数据通过计算图像色调均值和直方图均衡化后的信息获取。
3.根据权利要求1所述的一种视频图像质量检测方法，其特征在于，所述第一质量系数为：
4.根据权利要求1所述的一种视频图像质量检测方法，其特征在于，所述综合质量系数为：
5.根据权利要求1所述的一种视频图像质量检测方法，其特征在于，所述第一图像特征集的提取过程为：
6.根据权利要求1所述的一种视频图像质量检测方法，其特征在于，所述动态阈值函数根据所述综合质量系数和实时环境参数进行获取；所述实时环境参数包括光照强度和图像噪声水平：
7.一种视频图像质量检测系统，其特征在于，所述系统包括数据获取单元、数据处理单元和图像质量检测单元；
8.根据权利要求7所述的一种视频图
9.根据权利要求7所述的一种视频图像质量检测系统，其特征在于，所述图像质量检测模型包括特征处理层和图像质量检测层；所述特征处理层包括LSTM网络结构；所述LSTM网络结构用于对所述第一输入图像数据集进行特征处理，得到第一特征向量；所述图像质量检测层用于根据所述第一特征向量对图像质量进行检测，并融入动态阈值函数，输出所述各个视频图像帧的图像质量检测结果；
10.根据权利要求7所述的一种视频图像质量检测系统，其特征在于，所述图像质量检测模型的训练过程包括：
...【技术特征摘要】
1.一种视频图像质量检测方法，其特征在于，包括：
2.根据权利要求1所述的一种视频图像质量检测方法，其特征在于，所述预处理操作包括归一化和去噪；所述边缘检测数据通过canny边缘检测算法获取；所述纹理数据通过灰度共生矩阵获取纹理特征进行获取，所述纹理特征包括对比度、均匀性和熵，所述稳定性数据通过计算图像色调均值和直方图均衡化后的信息获取。
3.根据权利要求1所述的一种视频图像质量检测方法，其特征在于，所述第一质量系数为：
4.根据权利要求1所述的一种视频图像质量检测方法，其特征在于，所述综合质量系数为：
5.根据权利要求1所述的一种视频图像质量检测方法，其特征在于，所述第一图像特征集的提取过程为：
6.根据权利要求1所述的一种视频图像质量检测方法，其特征在于，所述动态阈值函数根据所述综合质量系数和实时环境参数进行获取；所述实时环境参数包括光照强度和图像噪声水平：
7.一种视频图像质量检测系统，其特征在于，所...
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。