基于卷積神經(jīng)網(wǎng)絡(luò)的盲失真類型視頻盲質(zhì)量評價方法研究.pdf

1、公共安全視頻監(jiān)控建設(shè)聯(lián)網(wǎng)應(yīng)用，是新形勢下維護國家安全和社會穩(wěn)定、預(yù)防和打擊暴力恐怖犯罪的重要手段。由于各種內(nèi)外部因素的影響，安防監(jiān)控視頻中會引入各種不同程度的失真問題。傳統(tǒng)的盲評價算法主要針對特定失真類型的靜態(tài)圖像，而本文需要考慮更為復(fù)雜的場景內(nèi)容，實現(xiàn)失真類型未知條件下的盲視頻質(zhì)量評價。因此，本文結(jié)合模式識別和人工智能技術(shù)對盲失真類型視頻的盲質(zhì)量評價問題展開相關(guān)研究工作。
　　針對監(jiān)控視頻盲失真類型的識別問題，本文提出一種基于卷

2、積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network，CNN)的視頻盲失真類型識別方法。該方法由樣本視頻取幀得到靜態(tài)圖像，并將靜態(tài)圖像分割成較小的圖像塊作為卷積神經(jīng)網(wǎng)絡(luò)的輸入，引入正負(fù)例均衡化和自適應(yīng)學(xué)習(xí)速率減緩過擬合和局部最小值問題，由訓(xùn)練好的CNN預(yù)測圖像塊的失真類型，利用多數(shù)表決規(guī)則得到原樣本視頻的預(yù)測類別。
　　針對盲視頻質(zhì)量評價問題，本文提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的混合學(xué)習(xí)模型。先將圖像的基準(zhǔn)分值取整作為標(biāo)