1.一种客观评估水下视频质量的无参考评价方法,其特征在于,包括如下步骤:第一步,将水下视频分解成帧,使用一组图像质量评价指标获得视频帧的退化特征,包括UCIQE、边缘图像块对比度指数和NIQE;
第二步,使用预训练的ResNet50深度神经网络结合特征注意力机制提取视频帧的语义特征向量,降维后得到视频帧的语义质量分数;
第三步,将各指标分数进行归一化处理,与语义质量分数融合,得到每一帧最终的质量特征;
第四步,使用门循环单元网络捕获视频帧之间的时序信息并进行特征融合,得到最终的视频质量分数。
2.根据权利要求1所述的一种客观评估水下视频质量的无参考评价方法,其特征在于,第一步中使用UCIQE提取视频帧的色彩特征,该指标以色度、饱和度和对比度为测量分量,通过线性的方式将测量分量线性组合,量化了水下图像的色彩和对比度;
使用边缘图像块的对比度指数值和来表示水下彩色图像的模糊程度,提取出视频帧模糊程度特征;
使用NIQE衡量水下图像的雾化程度,测试图像的NIQE指标表示为从测试图像中提取的自然场景统计特征的多元高斯模型与从自然图像语料中提取的质量感知特征的多元高斯模型之间的距离。
3.根据权利要求1所述的一种客观评估水下视频质量的无参考评价方法,其特征在于,第二步中所述特征注意力机制模块结合了通道注意力和空间注意力,对于输入的特征图FC*H*W
∈R ,注意力机制的处理过程表示为C*1*1
其中:F是输入的特征图,F′是经过通道注意力机制处理后的特征图;Mc(F)∈R 代表
1*H*W
的是1维通道注意力图,F″是经过空间注意力机制处理后的特征图;Ms(F′)∈R 代表的是空间注意力图,代表逐元素相乘操作。
4.根据权利要求1所述的一种客观评估水下视频质量的无参考评价方法,其特征在于,第四步中使用多层门控递归单元网络捕获视频帧之间的时间序列信息,所述多层门控递归单元包括重置门和更新门,最终输出状态计算下式所示:其中:ht是t时刻GRU单元的输出,zt是控制更新门的门控, 代表逐元素相乘,ht‑1是t‑1时刻GRU单元的输出, 是候选隐藏状态。