[发明专利]用于编码或解码图像的方法和装置

权利要求书

1.一种图像解码方法，包括：

接收编码图像的比特流；

通过重构所述编码图像来生成重构数据；

从所述比特流获得与所述编码图像的内容类型有关的信息；

基于与所述内容类型有关的所述信息，确定被训练为通过使用至少一个计算机来执行环内滤波的深度神经网络(DNN)滤波器模型；以及

通过将所述重构数据应用于所确定的DNN滤波器模型来执行所述环内滤波。

2.根据权利要求1所述的图像解码方法，其中，所述环内滤波包括解块滤波、样本自适应偏移和自适应环路滤波中的至少一种操作。

3.根据权利要求1所述的图像解码方法，其中，与所述内容类型有关的所述信息包括指示所述编码图像的像素复杂度和运动程度的信息。

4.根据权利要求1所述的图像解码方法，其中，所述DNN滤波器模型是被训练为根据基于构成所述DNN滤波器模型的多个网络节点中的每一者的权重和所述多个网络节点之间的连接关系的操作来补偿所述重构数据的量化误差的网络模型。

5.根据权利要求1所述的图像解码方法，其中，确定所述DNN滤波器模型包括：基于与所述内容类型有关的所述信息从多个DNN滤波器模型候选者中确定与所述编码图像的内容类型对应的DNN滤波器模型。

6.根据权利要求5所述的图像解码方法，其中，所述多个DNN滤波器模型候选者中的每一者被训练为对预设的内容类型执行所述环内滤波。

7.根据权利要求5所述的图像解码方法，其中，确定所述DNN滤波器模型还包括：从所述多个DNN滤波器模型候选者中确定与所述编码图像的压缩强度对应的DNN滤波器模型。

8.根据权利要求1所述的图像解码方法，其中，执行所述环内滤波包括：通过将所述重构数据和存储在重构图片缓冲器中的一个或多个参考图像应用于所确定的DNN滤波器模型来执行所述环内滤波。

9.根据权利要求1所述的图像解码方法，其中，基于卷积神经网络(CNN)学习模型来执行所述环内滤波。

10.一种图像解码设备，包括：

接收器，配置为接收编码图像的比特流；以及

解码器，配置为通过重构所述编码图像来生成重构数据，从所述比特流获得与所述编码图像的内容类型有关的信息，基于与所述内容类型有关的所述信息确定被训练为通过使用至少一个计算机来执行环内滤波的深度神经网络(DNN)滤波器模型，以及通过将所述重构数据应用于所确定的DNN滤波器模型来执行所述环内滤波。

11.一种图像编码方法，包括：

确定输入图像的内容类型；

基于所述内容类型，确定被训练为通过使用至少一个计算机来执行环内滤波的深度神经网络(DNN)滤波器模型；

通过向所确定的DNN滤波器模型应用所述输入图像的从编码的残留数据重构的重构数据来生成环内滤波数据；

通过基于所述环内滤波数据预测所述输入图像来生成预测数据并且通过使用所述输入图像和所述预测数据来生成残留数据；

通过编码与所述内容类型有关的信息和所述残留数据来生成比特流；以及

传输所述比特流。

12.根据权利要求11所述的图像编码方法，其中，所述环内滤波包括解块滤波、样本自适应偏移和自适应环路滤波中的至少一种操作。

13.根据权利要求11所述的图像编码方法，其中，与所述内容类型有关的所述信息包括指示所述输入图像的像素复杂度和运动程度的信息。