[发明专利]联合支持向量机和模糊推理的视频质量评估方法和系统

权利要求书

1.一种联合支持向量机和模糊推理的视频质量评估方法，其特征在于，包括：支持向量机模型优化过程和视频质量评估过程；

所述支持向量机模型优化过程包括：

获取多个训练视频的主观评估值，根据所述主观评估值将所述训练视频进行分类；分别提取每类训练视频的影响因素，然后将所述影响因素及对应的分类输入支持向量机模型进行训练，得到优化的支持向量机模型；

所述视频质量评估过程包括：

提取待评估视频的影响因素，将所述待评估视频的影响因素输入所述优化的支持向量机模型，得到分类后的影响因素；

将所述分类后的影响因素分为应用指标组和图像指标组，分别对每一组影响因素按每个分类的推理规则进行模糊推理，得到应用指标推理值和图像指标推理值；

对所述应用指标推理值和图像指标推理值进行加权平均计算，得到所述待评估视频对应的客观推理值；

所述支持向量机模型的构建采用如下公式：

其中，x_i代表输入的影响因素，y_i代表输入的主观评估值，ω代表加权因子，φ(x_i)代表映射函数，b代表偏置参数，ξ_i代表误差参数，f(x)代表训练好的分类决策函数，sgn代表符号函数，代表拉格朗日乘子，K(x_i,x_j)代表核函数，b^*代表松弛变量，C代表拉格朗日乘子取值范围的最大值；

对每一组影响因素按每个分类的推理规则进行模糊推理，具体包括：

采用Takagi-Sugeno算法对每一组影响因素进行模糊推理，即：

R_j:

y_j＝P_j0+P_j1x₁+...+P_jnx_n

其中，x_n是模糊输入量，R_j是每个分类的推理规则表，是模糊集合，y_j代表每条规则下的线性结果，y代表推理值，α_j是每个规则的适应度函数，P_jn代表模糊输入量的线性参数，代表模糊输入量的隶属度值，m为每个类别的推理规则数。

2.根据权利要求1所述的方法，其特征在于：根据所述主观评估值将所述训练视频进行分类，具体包括：

当0≤主观评估值1时，将训练视频分类为Poor；

当1≤主观评估值2时，将训练视频分类为Bad；

当2≤主观评估值3时，将训练视频分类为Fair；

当3≤主观评估值4时，将训练视频分类为Good；

当4≤主观评估值≤5时，将训练视频分类为Excellent。

3.根据权利要求1所述的方法，其特征在于：所述影响因素包括：平均停顿次数、平均停顿时间、模糊度、块效应以及噪声标准差；所述应用指标组包括平均停顿次数和平均停顿时间；所述图像指标组包括：模糊度、块效应以及噪声标准差。