公开(公告)号：CN113313682A

公开(公告)日：2021-08-27

申请号：CN202110589087.0

申请日：2021-05-28

Applicant: 西安电子科技大学

Inventor： 何立火 ,  汤可凡 ,  高帆 ,  柯俊杰 ,  高新波 ,  路文 ,  张超仑 ,  甘海林

IPC: G06T7/00 ,  H04N17/00

Abstract: 本发明提出了一种基于时空多尺度分析的无参考视频质量评价方法，实现步骤为：获取训练样本集和测试样本集；构建基于时空多尺度分析的无参考视频质量评价模型；对无参考视频质量评价模型进行迭代训练；获取无参考视频的质量评价结果。本发明在对无参考视频质量评价模型进行训练和获取质量评价结果的过程中，时空多尺度模块通过下采样得到不同尺度的帧序列局部时空失真特征，时空注意力分析模块对得到的时空失真特征的显著性进行分析，进而获取更为准确待测视频的全局质量表示，避免了现有技术中因为缺失帧序列的失真信息导致视频质量评价准确度较低的技术问题，有效地提高了复杂的无参考多种帧率视频质量评价准确度。

公开(公告)号：CN113255789A

公开(公告)日：2021-08-13

申请号：CN202110603651.X

申请日：2021-05-31

Applicant: 西安电子科技大学

Inventor： 何立火 ,  徐海鹏 ,  蔡虹霞 ,  孙羽晟 ,  柯俊杰 ,  廖乙霖 ,  钟斌 ,  陈欣雷 ,  高新波 ,  路文

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种基于对抗网络和多被试脑电信号的视频质量评价方法，实现步骤为：(1)获取训练样本集、测试样本集和标注样本集；(2)构建多被试对抗网络模型；(3)对多被试对抗网络模型进行迭代训练；(4)获取视频质量评价结果。本发明构建的多被试对抗网络模型中，通过被试域判别器与特征提取器构成的对抗网络，提取了源被试脑电数据与目标被试脑电数据的不变特征，解决了脑电信号视频质量评价模型只适用于单一数据源的问题，提高了视频质量评价精度。

公开(公告)号：CN113222032A

公开(公告)日：2021-08-06

申请号：CN202110546001.6

申请日：2021-05-19

Applicant: 西安电子科技大学

Inventor： 何立火 ,  张超仑 ,  李嘉秀 ,  邓夏迪 ,  卢怡 ,  汤可凡 ,  高新波 ,  柯俊杰 ,  甘海林 ,  路文

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种基于自注意图像编码的无参考图像质量评价方法，其步骤为：获取训练样本集和测试样本集；构建基于自注意图像编码的无参考图像质量评价网络模型；对基于自注意图像编码的无参考图像质量评价网络模型进行迭代训练；获取无参考图像质量评价结果。本发明所构建的无参考图像质量评价网络模型中的自注意图像编码器通过对每个样本低维映射的特征进行自注意编码，全连接层对每个特征进行自注意编码得到的包含图像整体注意力信息和细节的深度感知特征进行回归，以获取每个样本对应的质量预测分数，避免了现有技术中所获取的感知特征缺乏足够深度的图像整体注意力信息和细节对评价精度的影响，有效地提高了无参考图像的质量评价精度。