-
公开(公告)号：CN116468692A
公开(公告)日：2023-07-21
申请号：CN202310421993.9
申请日：2023-04-19
Applicant: 西安电子科技大学
IPC: G06T7/00 , A61B5/378 , A61B5/372 , A61B5/00 , G06V10/774 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 基于脑电信号和结构不确定性的图像质量评价方法，包括以下步骤；步骤1：根据结构不确定值计算公式和图像刺激选取原则，选取出具有不同结构不确定性的图像，选取多张图像构成图像集；步骤2：对图像集中的图像进行不同等级的失真处理，进行恰可察觉失真获取实验，得到不同结构不确定性图像的平均恰可察觉失真；步骤3：进行脑电信号采集实验，选取图像恰可察觉失真所对应的质量等级对图像刺激进行失真处理，采集受试者观看不同质量等级下的不同结构不确定性的图像刺激所产生的脑电信号；步骤4：对脑电信号进行预处理；步骤5：构建并训练脑电信号质量评价网络，获取脑电信号所对应的图像的质量预测分数。该评价方法预测结果准确度高。
-
公开(公告)号：CN113255789B
公开(公告)日：2023-01-24
申请号：CN202110603651.X
申请日：2021-05-31
Applicant: 西安电子科技大学
IPC: G06F18/214 , G06N3/0464 , G06N3/084 , G06N3/094
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：CN114998252B
公开(公告)日：2024-09-24
申请号：CN202210604898.8
申请日：2022-05-30
Applicant: 西安电子科技大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084 , A61B5/00 , A61B5/369 , A61B5/372
Abstract: 本发明提出了一种基于脑电信号和记忆特性的图像质量评价方法，实现步骤为：获取每张彩色图像的可记忆特征值；生成记忆性强弱不同的彩色失真图像；采集受试者在观看记忆性强弱不同的彩色失真图像时的脑电信号；截取每位受试者在感知到图像失真时的脑电信号片段；利用脑电信号片段生成训练集；构建深度卷积神经网络；训练深度卷积神经网络；采用训练好的网络对强记忆性图像和弱记忆性图像进行质量评价。本发明在图像质量评价过程中，通过采用深度卷积神经网络对强记忆性图像和弱记忆性图像所诱发的脑电信号进行分类，解决了现有技术中未考虑图像的记忆特性对失真感知影响的问题和无法有效提取脑电信号的深层特征的问题，提高了图像质量评价的准确性。
-
公开(公告)号：CN113255786B
公开(公告)日：2024-02-09
申请号：CN202110601075.5
申请日：2021-05-31
Applicant: 西安电子科技大学
IPC: G06F18/2411 , G06F18/214 , G06V20/40
Abstract: 本发明提出了一种基于脑电信号和目标显著特性的视频质量评价方法，实现步骤为：采集受试者的眼动数据；计算所有受试者观看每个视频时的目标区域注视信息；获取显著目标视频和非显著目标视频，并对其进行失真处理；采集每位受试者重复观看显著目标失真视频和非显著目标失真视频的脑电信号；获取每位受试者的单次脑电信号片段；获取训练样本集和测试样本集；对支持向量机分类器进行迭代训练；获取显著目标失真视频和非显著目标失真视频的质量评价结果。本发明在视频质量评价过程中，通过对显著目标视频和非显著目标视频所诱发的脑电信号进行分类，解决了现有技术中未考虑视频的目标显著特性对失真感知影响的问题，提高了视频质量评价的准确性。
-
公开(公告)号：CN116721076A
公开(公告)日：2023-09-08
申请号：CN202310676736.X
申请日：2023-06-08
Applicant: 西安电子科技大学
IPC: G06T7/00 , G06F18/00 , G06F18/10 , G06F18/21 , G06N3/0464 , G06N3/082 , G06N3/084 , A61B5/378 , A61B5/00
Abstract: 本发明公开了一种基于图像内容和图像失真感知顺序的图像质量评价方法，包括以下步骤；步骤1：图像选取与失真处理；得到原始风景图像集、原始人物图像集、失真风景图像集、失真人物图像集，作为受试者观看的图像刺激；步骤2：脑电信号采集实验；采集受试者在观看不同内容和不同失真情况的图像刺激时产生的脑电信号；步骤3：脑电信号预处理；用于对步骤2采集的脑电信号进行处理，以实现数据清洗和数据变换。步骤4：构建并训练脑电信号质量评价网络。本发明能够构建并训练脑电信号质量评价网络，获取脑电信号所对应的图像的质量预测分数。
-
Patent Agency Ranking
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
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：CN113313683B
公开(公告)日：2023-03-24
申请号：CN202110589228.9
申请日：2021-05-28
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于元迁移学习的无参考视频质量评价方法，实现步骤为：获取预训练集、元训练支持集和查询集；构建图像质量评价网络模型G；对图像质量评价网络模型G进行迭代训练；构建基于元迁移的视频质量评价网络模型H；对视频质量评价网络模型H进行元训练；获取视频质量评价结果。本发明将预训练好的图像质量评价网络模型的图像失真特征提取模块的结构及权值参数迁移到视频质量评价网络模型的特征提取网络，并为特征提取网络最后一个卷积层的卷积核分配可元训练的缩放系数，解决了现有技术迁移后的模型提取的特征与视频失真特征差异较大和模型在训练时所需更新的参数量很大的问题，提高了基于元迁移学习的无参考视频质量评价的准确度和效率。
-
公开(公告)号：CN114998252A
公开(公告)日：2022-09-02
申请号：CN202210604898.8
申请日：2022-05-30
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于脑电信号和记忆特性的图像质量评价方法，实现步骤为：获取每张彩色图像的可记忆特征值；生成记忆性强弱不同的彩色失真图像；采集受试者在观看记忆性强弱不同的彩色失真图像时的脑电信号；截取每位受试者在感知到图像失真时的脑电信号片段；利用脑电信号片段生成训练集；构建深度卷积神经网络；训练深度卷积神经网络；采用训练好的网络对强记忆性图像和弱记忆性图像进行质量评价。本发明在图像质量评价过程中，通过采用深度卷积神经网络对强记忆性图像和弱记忆性图像所诱发的脑电信号进行分类，解决了现有技术中未考虑图像的记忆特性对失真感知影响的问题和无法有效提取脑电信号的深层特征的问题，提高了图像质量评价的准确性。
-
公开(公告)号：CN113313683A
公开(公告)日：2021-08-27
申请号：CN202110589228.9
申请日：2021-05-28
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于元迁移学习的无参考视频质量评价方法，实现步骤为：获取预训练集、元训练支持集和查询集；构建图像质量评价网络模型G；对图像质量评价网络模型G进行迭代训练；构建基于元迁移的视频质量评价网络模型H；对视频质量评价网络模型H进行元训练；获取视频质量评价结果。本发明将预训练好的图像质量评价网络模型的图像失真特征提取模块的结构及权值参数迁移到视频质量评价网络模型的特征提取网络，并为特征提取网络最后一个卷积层的卷积核分配可元训练的缩放系数，解决了现有技术迁移后的模型提取的特征与视频失真特征差异较大和模型在训练时所需更新的参数量很大的问题，提高了基于元迁移学习的无参考视频质量评价的准确度和效率。
-
公开(公告)号：CN113255786A
公开(公告)日：2021-08-13
申请号：CN202110601075.5
申请日：2021-05-31
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于脑电信号和目标显著特性的视频质量评价方法，实现步骤为：采集受试者的眼动数据；计算所有受试者观看每个视频时的目标区域注视信息；获取显著目标视频和非显著目标视频，并对其进行失真处理；采集每位受试者重复观看显著目标失真视频和非显著目标失真视频的脑电信号；获取每位受试者的单次脑电信号片段；获取训练样本集和测试样本集；对支持向量机分类器进行迭代训练；获取显著目标失真视频和非显著目标失真视频的质量评价结果。本发明在视频质量评价过程中，通过对显著目标视频和非显著目标视频所诱发的脑电信号进行分类，解决了现有技术中未考虑视频的目标显著特性对失真感知影响的问题，提高了视频质量评价的准确性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.064 seconds)
