[发明专利]一种视频编码方法、视频解码方法、装置、系统及介质

说明书

本申请是关于一种视频编码方法、视频解码方法、装置及系统，属于视频编解码领域。所述方法包括：获取失真图片，生成失真图片对应的边信息分量，将所述失真图片和所述边信息分量输入卷积神经网络模型进行滤波处理得到所述失真图片包括的失真图像块对应的第一去失真图像块，从所述失真图像块对应的图像块集合中选择一个图像块作为所述失真图像块对应的目标去失真图像块，所述图像块集合包括所述失真图像块对应的第一去失真图像块和/或所述失真图像块；根据该失真图片包括的各失真图像块对应的去失真图像块，编码在当前原始视频图片之后的原始视频图片得到视频比特流。本申请能够提高去失真的性能。

技术领域

本申请涉及视频编解码领域，特别涉及一种视频编码方法、视频解码方法、装置及系统。

背景技术

在视频编码系统中，在对原始视频图片进行编码时，原始视频图片会被进行多次处理得到重构图片。在视频编码的过程中，该重构图片又可以作为参考图片，被用于对原始视频图片进行编码。

原始视频图片会被进行多次处理后得到的重构图片相对原始视频图片可能已经发生像素偏移，即重构图片存在失真，导致视觉障碍或假象。这些失真影响重构图片的主客观质量，由于重构图片作为视频编码的参考图片，还会影响后续编码的预测准确性，影响最终比特流的大小。

发明内容

为了提高去失真的性能，本申请实施例提供了一种视频编码方法、视频解码方法、装置及系统。所述技术方案如下：

第一方面，本申请实施例提供了一种视频编码方法，所述方法包括：

获取失真图片，所述失真图片是对当前原始视频图片进行编码时生成的；

生成失真图片对应的边信息分量，所述边信息分量表示所述失真图片相对所述当前原始视频图片的失真特征；

将所述失真图片和所述边信息分量输入卷积神经网络模型进行滤波处理得到所述失真图片包括的失真图像块对应的第一去失真图像块，所述卷积神经网络模型为基于预设训练集进行训练得到的，所述预设训练集包括原始样本图片，所述原始样本图片对应的多个失真图片，以及每个所述原始样本图片对应的失真图片所对应的边信息分量；

从所述失真图像块对应的图像块集合中选择一个图像块作为所述失真图像块对应的目标去失真图像块，所述图像块集合包括所述失真图像块对应的第一去失真图像块和/或所述失真图像块；

根据所述失真图像块对应的目标去失真图像块，对所述当前原始视频图片之后的原始视频图片进行编码得到视频比特流。

可选的，所述将所述失真图片和所述边信息分量输入卷积神经网络模型进行滤波处理得到所述失真图片包括的失真图像块对应的第一去失真图像块，包括：

对所述失真图片进行划分，得到所述失真图片包括的失真图像块，将所述失真图像块和所述失真图像块对应的边信息分量输入卷积神经网络模型进行滤波处理得到所述失真图像块对应的第一去失真图像块；或者，

将所述失真图片和所述边信息分量输入卷积神经网络模型进行滤波处理得到去失真图图片，对所述去失真图片进行划分得到所述失真图片包括的失真图像块对应的第一去失真图像块。

可选的，所述获取失真图片之后，还包括：

将所述失真图片输入至少一个滤波器进行滤波处理，得到每个滤波器输出的所述失真图片包括的失真图像块对应的第二去失真图像块，所述失真图像块对应的图像块集合还包括所述每个滤波器输出的所述失真图像块对应的第二去失真图像块。

可选的，所述从图像块集合中选择一个图像块，包括：

根据所述失真图像块在所述当前原始视频图片中对应的原始图像块，从图像块集合中选择一个图像块；或者，

根据所述失真图像块包括的各编码单元的编码信息，从图像块集合中选择一个图像块。