一种视频图像质量评估方法、终端设备及存储介质与流程

文档序号:34988272发布日期:2023-08-03 20:04阅读:24来源:国知局
一种视频图像质量评估方法、终端设备及存储介质与流程

本发明涉及图像质量评估领域,尤其涉及一种视频图像质量评估方法、终端设备及存储介质。


背景技术:

1、在图像信息技术被广泛应用的情况下,对图像质量的评估变成一个广泛而基本的问题。由于图像信息相对于其它信息有着无可比拟的优点,因此对图像信息进行合理处理成为各领域中不可或缺的手段。

2、在图像的获取、处理、传输和记录的过程中,由于成像系统、处理方法、传输介质和记录设备等不完善,加之物体运动、噪声污染等原因,不可避免地带来某些图像失真和降质,这给人们认识客观世界、研究解决问题带来很大的困难。比如,在图像识别中,所采集到的图像质量直接影响识别结果的准确性和可靠性;又如,远程会议和视频点播等系统受传输差错、网络延迟等不利因素影响,都需要在线实时的图像质量监控,以便于服务提供商动态地调整信源定位策略,进而满足服务质量的要求;在军事应用方面,战场监视和打击评估的效果也取决于无人机等航拍设备所采集到的图像或视频的质量。因此,图像质量的合理评估具有非常重要的应用价值。现有的图像质量评估方式具有以下缺陷:

3、(1)工作量大:对所有的设备,依次根据实时监控的画面,进行人工判断;

4、(2)误差大:主观性占比很大,都是靠感觉判断,误差大;

5、(3)时效性低:当所有的设备都检查完耗时8个小时,前面没问题的设备可能出现问题。


技术实现思路

1、为了解决上述问题,本发明提出了一种视频图像质量评估方法、终端设备及存储介质。

2、具体方案如下:

3、一种视频图像质量评估方法,包括以下步骤:

4、s1:采集所有待检测设备输出的视频帧图像,并根据预设的各视频质量诊断项对各图像依次进行诊断,将每张图像的所有诊断项的得分加权求和得到每张图像的诊断得分;将诊断得分作为各图像的标签后构建训练集;

5、s2:采集多个图像诊断模型,通过训练集对分别每个模型进行训练,得到训练后的各模型;

6、s3:基于训练后的各模型的损失函数的大小,将损失函数最小对应的模型作为预选模型;

7、s4:通过预选模型对各待检测设备输出的视频帧图像的进行诊断,以得到各待检测设备的图像质量;

8、s5:实时判断时间是否到达下一个时间周期,当到达时,重新进行步骤s1-s4;当没有到达时,持续进行步骤s4。

9、进一步的,步骤s1中还包括通过人工对每张图像的诊断得分进行复核,将复核后的诊断得分作为训练集中每张图像的标签。

10、进一步的,视频质量诊断项包括:信号丢失、图像模糊、对比度、图像过亮、图像过暗、图像偏色、黑白图像、噪声干扰、条纹干扰、画面冻结、视频抖动、视频剧变、场景变换、视频遮挡和云台失控。

11、进一步的,时间周期设置为1小时。

12、一种视频图像质量评估终端设备,包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本发明实施例上述的方法的步骤。

13、一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现本发明实施例上述的方法的步骤。

14、本发明采用如上技术方案,通过模型池轮动的方式,能够得到各时间周期对应的最优模型,使得质量诊断结果更加的准确。



技术特征:

1.一种视频图像质量评估方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的视频图像质量评估方法,其特征在于:步骤s1中还包括通过人工对每张图像的诊断得分进行复核,将复核后的诊断得分作为训练集中每张图像的标签。

3.根据权利要求1所述的视频图像质量评估方法,其特征在于:视频质量诊断项包括:信号丢失、图像模糊、对比度、图像过亮、图像过暗、图像偏色、黑白图像、噪声干扰、条纹干扰、画面冻结、视频抖动、视频剧变、场景变换、视频遮挡和云台失控。

4.根据权利要求1所述的视频图像质量评估方法,其特征在于:时间周期设置为1小时。

5.一种视频图像质量评估终端设备,其特征在于:包括处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1~4中任一所述方法的步骤。

6.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1~4中任一所述方法的步骤。


技术总结
本发明涉及一种视频图像质量评估方法、终端设备及存储介质,该方法中包括:S1:采集所有待检测设备的图像,并根据预设的各诊断项对各图像进行诊断得到诊断得分;将诊断得分作为各图像的标签后构建训练集;S2:采集多个图像诊断模型,通过训练集对分别每个模型进行训练;S3:基于训练后的各模型的损失函数的大小,将损失函数最小对应的模型作为预选模型;S4:通过预选模型对各待检测设备输出的视频帧图像的进行诊断,以得到各待检测设备的图像质量;S5:实时判断时间是否到达下一个时间周期,当到达时,重新进行步骤S1‑S4;当没有到达时,持续进行步骤S4。本发明提高了图像质量诊断结果的准确性。

技术研发人员:卢林威,卢天发,江文涛
受保护的技术使用者:罗普特科技集团股份有限公司
技术研发日:
技术公布日:2024/1/14
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1