针对现有基于机器学习的无参考视频质量评价方法中需要利用大量主观评价分值进行训练,导致复杂度高的问题,提出一种非主观值训练的盲视频质量评价算法.首先,利用高斯差分滤波器提取视频结构特征矢量,通过计算与质量感知中心的距离,来评...针对现有基于机器学习的无参考视频质量评价方法中需要利用大量主观评价分值进行训练,导致复杂度高的问题,提出一种非主观值训练的盲视频质量评价算法.首先,利用高斯差分滤波器提取视频结构特征矢量,通过计算与质量感知中心的距离,来评估视频空域感知质量;然后,利用聚类算法获取对运动矢量进行分类的阈值,进而得到运动感知因子;最后,结合视频空域感知质量和运动加权因子得到视频客观质量.实验结果表明:该算法在LIVE video quality数据库中对视频质量预测的单调性和精确性分别达到了0.817,7和0.828,5,优于对比的其他盲视频质量评价算法;同时,该算法计算复杂度低,易于实现.展开更多
文摘针对现有基于机器学习的无参考视频质量评价方法中需要利用大量主观评价分值进行训练,导致复杂度高的问题,提出一种非主观值训练的盲视频质量评价算法.首先,利用高斯差分滤波器提取视频结构特征矢量,通过计算与质量感知中心的距离,来评估视频空域感知质量;然后,利用聚类算法获取对运动矢量进行分类的阈值,进而得到运动感知因子;最后,结合视频空域感知质量和运动加权因子得到视频客观质量.实验结果表明:该算法在LIVE video quality数据库中对视频质量预测的单调性和精确性分别达到了0.817,7和0.828,5,优于对比的其他盲视频质量评价算法;同时,该算法计算复杂度低,易于实现.
