買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉杭州電子科技大學(xué)申請的專利基于自適應(yīng)采樣與多尺度時(shí)序兩階段的全參考視頻質(zhì)量評價(jià)方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN115239647B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-22發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202210786730.3，技術(shù)領(lǐng)域涉及：G06T7/00；該發(fā)明授權(quán)基于自適應(yīng)采樣與多尺度時(shí)序兩階段的全參考視頻質(zhì)量評價(jià)方法是由張威;殷海兵;王鴻奎;黃曉峰設(shè)計(jì)研發(fā)完成，并于2022-07-06向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于自適應(yīng)采樣與多尺度時(shí)序兩階段的全參考視頻質(zhì)量評價(jià)方法在說明書摘要公布了：本發(fā)明屬于圖像及視頻處理領(lǐng)域，公開了一種基于自適應(yīng)采樣與多尺度時(shí)序兩階段的全參考視頻質(zhì)量評價(jià)方法，包括如下步驟：步驟1：獲取訓(xùn)練樣本集Xtrain和測試樣本集Xtest：步驟2：對訓(xùn)練集的每個(gè)視頻Vd與Vr進(jìn)行自適應(yīng)采樣:步驟3：構(gòu)建多尺度時(shí)空域特征提取網(wǎng)絡(luò)MTN:步驟4：構(gòu)建基于多通道自注意力機(jī)制的質(zhì)量決策模塊:步驟5：對全參考視頻質(zhì)量評價(jià)模型MTN進(jìn)行迭代訓(xùn)練：步驟6：獲取全參考視頻的質(zhì)量評價(jià)結(jié)果。本發(fā)明方案能夠測量原始視頻和失真視頻之間的感知差異，可用于視頻壓縮、傳輸和處理中的質(zhì)量檢測評估。

本發(fā)明授權(quán)基于自適應(yīng)采樣與多尺度時(shí)序兩階段的全參考視頻質(zhì)量評價(jià)方法在權(quán)利要求書中公布了：1.一種基于自適應(yīng)采樣與多尺度時(shí)序兩階段的全參考視頻質(zhì)量評價(jià)方法，其特征在于，包括如下步驟： 步驟1：獲取訓(xùn)練樣本集Xtrain和測試樣本集Xtest： 步驟2：對訓(xùn)練集的每個(gè)視頻Vd與Vr進(jìn)行自適應(yīng)采樣： 步驟2a：確定分段數(shù)目與每段序列的長度： 對于每個(gè)訓(xùn)練視頻Vd與Vr與通常為300幀到600幀之間，按照T＝18幀的長度，將測試視頻分為n個(gè)序列片段:其中與表示第i個(gè)測試失真片段與參考片段，i＝1,2,...,n，n≥2且n為整數(shù)； 步驟2b：確定每段子序列的起始點(diǎn)： 對于每個(gè)測試片段其中表示在第i段測試序列中，PMD指標(biāo)最大的幀，表示為以此幀為起點(diǎn)往后去T幀的序列段，也同理； 步驟2c：計(jì)算空域失真度： 對于空域失真是以每一幀的圖像形式呈現(xiàn)，靜態(tài)圖像質(zhì)量評價(jià)方法包括多尺度結(jié)構(gòu)相似性MS-SSIM、特征相似性FSIM和梯度相似度偏差GMSD，采用梯度相似度偏差進(jìn)行靜態(tài)質(zhì)量估計(jì)，以字符FQSt表示； 步驟2c1：梯度幅度的計(jì)算需要使用兩個(gè)正交方向3x3大小的Prewitt算子分別與參考圖片r和失真圖片d進(jìn)行卷積，得到r和d的水平梯度與垂直梯度，兩個(gè)正交方向梯度的均方根代表了圖片梯度幅度，水平與垂直方向的3x3大小Prewitt算子hx，hy被定義為： mri和mdi表示的位置i處的梯度幅度大小，表示卷積操作: 步驟2c2：根據(jù)步驟2c1的計(jì)算結(jié)果，計(jì)算各個(gè)區(qū)域i的梯度幅度相似度衡量其失真程度GMS： 步驟2c3：共K個(gè)區(qū)域的GMS平均池化，得到梯度幅度相似度平均值GMSM衡量整幅圖片質(zhì)量： 步驟2c4：對每個(gè)區(qū)域進(jìn)行標(biāo)準(zhǔn)差池化得到t時(shí)刻圖片質(zhì)量GMSDt： 步驟2d：為充分刻畫時(shí)域掩蔽帶來的影響，同時(shí)對運(yùn)動(dòng)強(qiáng)度與運(yùn)動(dòng)方向進(jìn)行描述： 步驟2d1：視頻幀被劃分為Nblo塊不重疊48×48大小的宏塊，并用宏塊級運(yùn)動(dòng)矢量幅度的均值表示當(dāng)前幀的運(yùn)動(dòng)強(qiáng)度： 其中是mi,jt指是第t時(shí)刻幀i，j位置宏塊的運(yùn)動(dòng)矢量幅度； 步驟2d2：通過計(jì)算視頻幀的光流直方圖HOFt,k，得到第t時(shí)刻分布在k角度范圍的光流幅度，幀內(nèi)運(yùn)動(dòng)矢量的主導(dǎo)運(yùn)動(dòng)方向θ由幅度最大的光流決定，統(tǒng)計(jì)所有方向光流得到第t幀的主導(dǎo)運(yùn)動(dòng)方向： 將2π劃分為8個(gè)角度范圍； 步驟2d3：定義時(shí)域掩蔽程度FMTt為幀級運(yùn)動(dòng)強(qiáng)度與主導(dǎo)運(yùn)動(dòng)方向乘積： 表示歸一化操作，運(yùn)動(dòng)程度FMTt被線性歸一化在0-1之間，其值越接近1表示運(yùn)動(dòng)越明顯； 步驟2d4：計(jì)算每幀的PMD: 為確保分母非零，取γ值為1的常數(shù)； 步驟3：構(gòu)建多尺度時(shí)空域特征提取網(wǎng)絡(luò)MTN： 構(gòu)建串行連接空域特征提取模塊SFE和多尺度時(shí)域提取模塊MTFE的多尺度時(shí)空域特征提取網(wǎng)絡(luò)MTN，其中，空域特征提取模塊SFE采用去除最后一個(gè)全連接層的VGG-16網(wǎng)絡(luò)結(jié)構(gòu)；時(shí)域多尺度模塊MTFE包括并行堆疊的3個(gè)LSTM網(wǎng)絡(luò)層、2個(gè)由多重平均池化層組成的下采樣模塊和2個(gè)鄰接插值層組成的上采樣模塊； 步驟3a：構(gòu)建空域特征提取模塊SFE： 空域特征提取模塊SFE包括5個(gè)卷積模塊和2個(gè)全連接層，其具體結(jié)構(gòu)為：卷積模塊1→卷積模塊2→卷積模塊3→卷積模塊4→卷積模塊5→全連接層1→全連接層2； 卷積模塊1和卷積模塊2均由2個(gè)卷積層和1個(gè)最大池化層組成，具體結(jié)構(gòu)為：卷積層1→卷積層2→最大池化層1；卷積層的卷積核大小均為3×3，步長均為1，卷積模塊1的2個(gè)卷積層的卷積核數(shù)量均為64，卷積模塊2的2個(gè)卷積層的卷積核數(shù)量均為128； 卷積模塊3、4、5均由3個(gè)卷積層和1個(gè)最大池化層組成，所述卷積模塊具體結(jié)構(gòu)為：卷積層1→卷積層2→卷積層3→第一最大池化層；卷積層的卷積核大小均為3×3，步長均為1，卷積模塊3的3個(gè)卷積層的卷積核數(shù)量均設(shè)置為256，卷積模塊4、5的3個(gè)卷積層的卷積核數(shù)量均設(shè)置為512； 步驟3b：構(gòu)建多尺度時(shí)域特征提取模塊MTFE： 時(shí)域多尺度模塊MTFE包括并行堆疊的3個(gè)LSTM網(wǎng)絡(luò)層、2個(gè)由平均池化層組成的下采樣模塊和2個(gè)鄰接插值層組成的上采樣模塊，采樣的時(shí)間步長{α1，α2，α3}取{0，2，4}，故LSTM網(wǎng)絡(luò)層的長度也依次遞減，為保證每兩個(gè)LSTM層之間的特征維度相同，由細(xì)粒度特征出發(fā)聚合到粗粒度特征時(shí)，增加一個(gè)下采樣模塊降低數(shù)據(jù)通道數(shù)；而由粗粒度特征出發(fā)與細(xì)粒度特征聚合時(shí)，則上采樣模塊對數(shù)據(jù)升緯； 步驟4：構(gòu)建基于多通道自注意力機(jī)制的質(zhì)量決策模塊: 步驟5：對全參考視頻質(zhì)量評價(jià)模型MTN進(jìn)行迭代訓(xùn)練： 步驟6：獲取全參考視頻的質(zhì)量評價(jià)結(jié)果。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人杭州電子科技大學(xué)，其通訊地址為：310018 浙江省杭州市下沙高教園區(qū)2號大街；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。