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；

其中，使用UCIQE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；

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，具体操作如下：步骤2‑1，使用ResNet50网络模型的前四个模块提取特征，并在ImageNet上进行预训练，得到特征图；

步骤2‑2，特征注意力机制模块结合了通道注意力和空间注意力，将ResNet50网络第一个卷积块的输出当作特征注意力机制的输入的特征图，经过通道注意力机制处理，使用平c均池化和最大池化来聚合特征映射的空间信息，生成两个不同的空间上下文描述符Favg和cFmax，将两个描述符送到一个由多层感知机(MLP)和一个隐藏层组成的共享网络，生成通道c*1*1注意力图Mc∈R ；

步骤2‑2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C*H*W征图F∈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；

Mc(F)的计算过程如下：

c c

Mc(F)＝σ(W1(W0(Favg))+W1(W0(Fmax)))其中，σ()是sigmoid激活函数；W0是池化操作的权重，W1是多层感知机的权重，共享输入和Relu激活函数；将通道注意力图Mc和输入的特征F进行逐元素相乘即可得到新的特征F′；

其中，Ms(F′)的计算过程如下：

7*7 s s

Ms(F′)＝σ(f (Favg，Fmax))

7*7

其中，f 是大小为7*7的卷积操作；将Ms与空间注意力机制的输入F′进行逐元素相乘，即得到整个注意力机制的最终输出F″；

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；

zt的计算过程如下：

zt＝σ(Wz[ht‑1，wk])

其中，ht‑1为t‑1时刻GRU单元的输出，wk为当前单元输入，Wr,Wz分别为重置门和更新门的权重；σ()代表sigmoid激活函数；

的计算过程如下：

其中，tanh()表示正切函数，rt控制重置门，Wc为候选值权重；wk为当前单元输入， 代表逐元素相乘。