基于多层BP神经网络的无参考视频质量客观评价
Acta Automatica Sinica(2022)
Abstract
机器学习在视频质量评价(Video quality assessment,VQA)模型回归方面具有较大的优势,能够较大地提高构建模型的精度.基于此,设计了合理的多层BP神经网络,并以提取的失真视频的内容特征、编解码失真特征、传输失真特征及其视觉感知效应特征参数为输入,通过构建的数据库中的样本对其进行训练学习,构建了一个无参考VQA模型.在模型构建中,首先采用图像的亮度和色度及其视觉感知、图像的灰度梯度期望值、图像的模糊程度、局部对比度、运动矢量及其视觉感知、场景切换特征、比特率、初始时延、单次中断时延、中断频率和中断平均时长共11个特征,来描述影响视频质量的4个主要方面,并对建立的两个视频数据库中的大量视频样本,提取其特征参数;再以该特征参数作为输入,对设计的多层BP神经网络进行训练,从而构建VQA模型;最后,对所提模型进行测试,同时与14种现有的VQA模型进行对比分析,研究其精度、复杂性和泛化性能.实验结果表明:所提模型的精度明显高于其14种现有模型的精度,其最低高出幅度为4.34%;且优于该14种模型的泛化性能,同时复杂性处于该15种模型中的中间水平.综合分析所提模型的精度、泛化性能和复杂性表明,所提模型是一种较好的基于机器学习的VQA模型.
MoreAI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined