[发明专利]一种利用生成网络提高视频错误隐藏效果的方法

说明书

技术领域

本发明涉及深度神经网络领域和基于H.264标准的视频错误隐藏领域，尤其涉及CNN结构网络和残差结构。

技术背景

人们对视频质量的要求在不断提高，伴着信息量的增长和高密度的存储的迫切需求，在传输过程中视频编码压缩技术变得非常重要，视频压缩技术主要利用一定的算法去除视频中的时间和空间等冗余，这样能在一定程度上压缩视频的大小，但是要以一定量的信息丢失为代价。现在主流的视频压缩标准分为H.26X和MPEG.X系列。前者主要注重提高压缩性能，后者追求在应用层面上各种功能的添加。目前H.264压缩标准因为其具有极高的压缩性能而被普遍采用，但是因为丢弃了许多的冗余信息，导致其容错能力大幅降低，任何一个比特的错误不仅可能破坏当前帧，还可能造成错误扩散，导致后续视频帧质量的严重下降。由于信道传输的本身差错和延时性，在视频编码压缩传输过程中数据会不可避免地丢失一部分，因此许多修正错误保障视频质量的方法应运而生。包括自动重传请求方法、在编码端进行错误隐藏等。自动重传请求方法利用接收端与发送端的通信，将出错序列重新发送，不过这样要额外占据一部分的信道，不利于信息的高速传播。另一方面由于解码端错误隐藏技术不需要占据信道且没有延时，格外受到人们重视。解码段错误隐藏是指在解码端将出现错误的帧进行修复，目前分为帧间错误隐藏和帧内错误隐藏，前者利用时间相关性，通过先前已经正确接收到的图像帧来恢复当前丢失的图像帧信息。后者则是利用空间上的相关性，通过一帧内已经接收到的宏块来恢复丢失宏块的信息。帧间隐藏适合于画面变化较慢的视频，解决办法是在参考帧中找到与丢失宏块相同的位置，将该宏块乘上最优运动矢量后拷贝至出错区域，该矢量选自运动矢量集，矢量集中包括①当前帧中丢失宏块的上、下、左、右4个相邻块的运动矢量，4个相邻宏块运动矢量的均值和中值以及零运动矢量②第一参考帧中与当前帧丢失宏块处在相同位置宏块运动矢量以及周围上、下、左、右4 个相邻宏块运动矢量③第二参考帧中与当前帧丢失宏块处在相同位置宏块周围上、下、左、右4个相邻宏块运动矢量中值和均值。从中选择一个使得受损宏块外边界像素与运动补偿块外边界像素误差和最小的向量作为最优向量。帧内隐藏的方法：根据画面中纹理的复杂程度和边缘信息的丰富程度选择基于边缘检测错误隐藏算法或者空间像素加权平均算法。两种帧内隐藏都能获得不错的效果，但是修复质量和正常帧还是由一定的差距。

另外，最近新发明的深度残差学习结构能够解决深度神经网络在训练过程中准确度随网络层数增加而下降的问题，使得网络层数增加的同时错误率减小，也因此提高了网络提取特征的水平。残差网络中最革新的一点是--它没有选择去拟合原始的函数H(x)，而是拟合H(x)的残差函数--F(x)＝H(x)-x, 这样做能使得拟合过程更简单，解决了梯度问题，最后实现空前的效果。