[发明专利]一种基于深度学习的视频画质增强系统

权利要求书

1.一种基于深度学习的视频画质增强系统，其特征在于，包括帧提取模块，帧增强模块、帧间增强模块、学习处理模块、反馈模块和视频还原模块，所述帧提取模块将视频处理成多帧帧画面，所述帧增强模块对单独的帧画面进行画质增强，所述帧间增强模块依据相邻两帧画面的关系对帧画面进行画质增强，所述学习处理模块提供用于进行画质增强的处理模型，所述反馈模块用于计算处理后的帧画面的整体协调性Q并反馈给所述学习处理模块，所述学习处理模块依据反馈结果对处理模型进行改进，所述视频还原模块用于将处理后的帧画面重组成视频形式；

所述处理模型包括帧处理模型和帧间处理模型，所述帧增强模块执行所述帧处理模型，所述帧间增强模块执行所述帧间处理模型；

所述帧处理模型将分辨率为X₀*Y₀的待处理帧画面扩大为分辨率为X₁*Y₁的初始帧画面，并将初始帧画面中的像素点依据相邻像素点信息是否相同划分为多个点集，所述点集中的边缘点依据计算的融合度Z决定是否改变像素点信息，所述融合度Z的计算公式为：

；

其中，n₁、n₂、n₃和n₄分别表示边缘点邻近区域内像素点中属于同一点集中的非边缘点数量、属于同一点集中的边缘点数量、属于不同点集中的非边缘点数量和属于不同点集中的边缘点数量；

当融合度Z大于0时，该边缘点保持不变，当Z小于0时，该边缘点的像素点信息转换成邻近的点集中的像素点信息；

所述帧间处理模型利用像素点窗口获取相邻帧画面中相同位置处像素点的灰度信息得到两个矩阵P1和P2，并对两个矩阵进行如下操作得到矩阵卷差C：

；

其中，a_ij为矩阵P1中的元素，b_ij为矩阵P2中的元素，m，n分别为像素点窗口的长度和宽度；

依据所述矩阵卷差C计算得到矩阵P1中的周边元素对应的像素点的灰度待变量△，所述像素点窗口遍历完相邻的帧画面后，对每一个像素点的灰度待变量△计算总和得到修正量△’，所述帧间处理模型依据所述修正量△’对所有像素点进行灰度变化处理。

2.如权利要求1所述的一种基于深度学习的视频画质增强系统，其特征在于，所述帧处理模型将待处理帧画面中的(a，b)像素点信息复制到所述初始帧画面的(c，d)像素点信息中，a，b，c，d满足如下条件：

。

3.如权利要求2所述的一种基于深度学习的视频画质增强系统，其特征在于，所述邻近区域指坐标距离不超过4的像素点构成的区域。

4.如权利要求3所述的一种基于深度学习的视频画质增强系统，其特征在于，所述灰度待变量△的计算公式为：

。

5.如权利要求4所述的一种基于深度学习的视频画质增强系统，其特征在于，所述整体协调性Q的计算公式为：

；

其中，Nz为像素点的灰度值在所有帧画面中出现异常的次数，N为所有帧画面的数量。