[发明专利]环路滤波实现方法、装置及计算机存储介质

说明书

本申请实施例公开了一种环路滤波实现方法、装置及计算机存储介质，该方法包括：获取待滤波图像；其中，所述待滤波图像是待编码视频中的原始图像在视频编码过程中所生成的，所述待编码视频包括原始图像帧，所述原始图像帧包括所述原始图像；基于所述待滤波图像，分别获得所述待滤波图像的至少两个图像分量；确定所述待滤波图像的融合信息；其中，所述融合信息至少包括对所述至少两个图像分量进行融合得到的；基于所述融合信息对所述待滤波图像进行环路滤波处理，得到所述待滤波图像滤波后的至少一个图像分量。

本申请是申请日为2019年3月7日，申请号为201980090702.4，发明名称为“环路滤波实现方法、装置及计算机存储介质”的申请的分案申请。

技术领域

本申请实施例涉及图像处理技术领域，尤其涉及一种环路滤波实现方法、装置及计算机存储介质。

背景技术

在视频编解码系统中，大多数视频编码采用的是基于块形编码单元(CodingUnit，CU)的混合编码框架，由于相邻的CU采用不同的编码参数，比如：不同的变换过程、不同的量化参数(Quantization Parameter，QP)、不同的预测方式、不同的参考图像帧等，而且各个CU引入的误差大小及其分布特性的相互独立，相邻CU边界的不连续性而产生块效应，从而影响了重建图像的主客观质量，甚至影响后续编解码的预测准确性。

这样，在编解码过程中，环路滤波器被使用来提升重建图像的主客观质量。传统的环路滤波器通常是人为地去归纳失真图像的特征，人为地设计滤波器结构及配置滤波器系数，例如去方块滤波、样点自适应补偿和自适应环路滤波等，这些依赖于人工设计的滤波器对最优滤波器的拟合并不到位，自适应能力和滤波效果较差，且编码端需要将依赖于局部统计信息的滤波器相关参数写入码流中以保证编解码端的一致性，这增加了编码比特数。

随着深度学习理论的迅速发展，业界内提出了卷积神经网络(ConvolutionalNeural Network，CNN)对重建图像进行滤波处理以去除图像失真，相对传统的环路滤波器获得了明显的主客观质量提升。然而，目前的CNN滤波器未充分综合利用相关信息，使得重建图像的主客观质量提升有限。

发明内容

本申请实施例提供一种环路滤波实现方法、装置及计算机存储介质，通过采用级联处理结构以及将块划分信息和/或QP信息等编码参数作为辅助信息与输入的多个图像分量进行融合处理，不仅充分利用了多个图像分量之间的关系，而且还降低了计算复杂度，节省了编码码率；同时还进一步提升了编解码过程中视频重建图像的主客观质量。

本申请实施例的技术方案可以如下实现：

第一方面，本申请实施例提供了一种环路滤波实现方法，所述方法包括：

获取待滤波图像；其中，所述待滤波图像是待编码视频中的原始图像在视频编码过程中所生成的，所述待编码视频包括原始图像帧，所述原始图像帧包括所述原始图像；

基于所述待滤波图像，分别获得所述待滤波图像的至少两个图像分量；

确定所述待滤波图像的融合信息；其中，所述融合信息至少包括对所述至少两个图像分量进行融合得到的信息；

基于所述融合信息对所述待滤波图像进行环路滤波处理，得到所述待滤波图像滤波后的至少一个图像分量。

第二方面，本申请实施例提供了一种环路滤波实现装置，所述环路滤波实现装置包括：获取单元、分路单元、确定单元和滤波单元，其中，

所述获取单元，配置为获取待滤波图像；其中，所述待滤波图像是待编码视频中的原始图像在视频编码过程中所生成的，所述待编码视频包括原始图像帧，所述原始图像帧包括所述原始图像；

所述分路单元，配置为基于所述待滤波图像，分别获得所述待滤波图像的至少两个图像分量；