-
公开(公告)号：CN112329636A
公开(公告)日：2021-02-05
申请号：CN202011227949.7
申请日：2020-11-06
申请人： 华侨大学
摘要： 本发明提供一种联合支持向量机和模糊推理的视频质量评估方法和系统，该方法首先提取了视频质量主要影响因素，利用优化的非线性支持向量机模型，对视频质量进行分类，然后再将分类好的影响因素分成两组，分别按每个分类对应的规则进行模糊推理，然后把推理的结果值再做加权处理，得到最终的客观值。实验结果表明，该方法能够有效地提高视频质量评估的主客观相似度。
-
公开(公告)号：CN112073716A
公开(公告)日：2020-12-11
申请号：CN202010975993.X
申请日：2020-09-16
申请人： 华侨大学
IPC分类号： H04N17/00 , H04N21/44 , H04N21/647
摘要： 本发明提供了通信技术领域的一种双层模糊推理的视频质量评估方法及系统，方法包括如下步骤：步骤S10、设定影响视频质量的影响因素包括应用指标以及图像指标；步骤S20、将所述应用指标输入第一模糊推理自学习控制器进行模糊推理，生成第一推理结果；将所述图像指标输入第二模糊推理自学习控制器进行模糊推理，生成第二推理结果；步骤S30、将所述第一推理结果以及第二推理结果输入第三模糊推理自学习控制器进行模糊推理，生成视频质量的客观评估值，完成视频质量的评估。本发明的优点在于：较大地提升了视频质量评估的适用范围以及准确性。
-
公开(公告)号：CN112235566A
公开(公告)日：2021-01-15
申请号：CN202011072784.0
申请日：2020-10-09
申请人： 华侨大学
IPC分类号： H04N17/00 , H04N21/472 , G06T7/00 , G06N5/04 , G06K9/62
摘要： 本发明提供一种联合决策树和模糊推理的网络视频质量评估方法及系统，所述方法包括：步骤S10、获取视频质量的影响因素；步骤S20、构建决策树模型，并根据评估值的分类，构建评估值与决策树模型的叶子节点之间的映射关系，得到不同类别的叶子节点；步骤S30、根据叶子节点的类别选择对应的推理规则，将影响因素分为应用指标和图像指标两组，并分别以应用指标和图像指标作为输入进行模糊推理，得到应用指标推理结果和图像指标推理结果，计算应用指标推理结果和图像指标推理结果的加权平均值，即为视频质量的客观评估值。本发明联合了决策树和模糊推理算法，减少模糊推理处理次数，同时兼顾了视频评估准确性与效率。
-
公开(公告)号：CN112329636B
公开(公告)日：2023-06-16
申请号：CN202011227949.7
申请日：2020-11-06
申请人： 华侨大学
IPC分类号： G06V20/40 , G06V10/764 , G06V10/70 , G06N5/048
摘要： 本发明提供一种联合支持向量机和模糊推理的视频质量评估方法和系统，该方法首先提取了视频质量主要影响因素，利用优化的非线性支持向量机模型，对视频质量进行分类，然后再将分类好的影响因素分成两组，分别按每个分类对应的规则进行模糊推理，然后把推理的结果值再做加权处理，得到最终的客观值。实验结果表明，该方法能够有效地提高视频质量评估的主客观相似度。
-
-
-
搜索结果
4 条记录 (耗时 0.018 秒)
