[发明专利]一种QP自适应环内滤波方法、系统、电子设备及存储介质有效
申请号: | 202210407377.3 | 申请日: | 2022-04-19 |
公开(公告)号: | CN114513662B | 公开(公告)日: | 2022-06-17 |
发明(设计)人: | 黄震坤 | 申请(专利权)人: | 北京云中融信网络科技有限公司 |
主分类号: | H04N19/117 | 分类号: | H04N19/117;H04N19/124;H04N19/176;H04N19/70;H04N19/82;G06N3/04 |
代理公司: | 北京千壹知识产权代理事务所(普通合伙) 11940 | 代理人: | 王玉玲 |
地址: | 102627 北京市大兴区经*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 qp 自适应 滤波 方法 系统 电子设备 存储 介质 | ||
1.一种QP自适应环内滤波方法,其特征在于,包括:
对输入图像进行边缘检测,提取输入图像的图像梯度,获取梯度图像;
用相同的QP值组成与所述输入图像分辨率相同的QP图像;
将所述输入图像、梯度图像和QP图像作为原始图输入至用于图像去噪的U-net结构的卷积网络,所述用于图像去噪的U-net结构的卷积网络包括依次连接的第一卷积层、第一残差网络、第二卷积层至第六卷积层、特征拼接模块、第一转置卷积层至第五转置卷积层、第二残差网络和第六转置卷积层;其中,所述第一卷积层、第一残差网络、第二卷积层至第六卷积层为下采样处理,所述第一转置卷积层至第五转置卷积层、第二残差网络和第六转置卷积层为上采样处理;其中,第二卷积层和第五转置卷积层为跳层链接,第四卷积层和第三转置卷积层为跳层链接,第六卷积层和第一转置卷积层为跳层链接;
所述特征拼接模块,用于将所述输入图像、梯度图像和QP图像经下采样处理后的多个不同特征值拼接在一起。
2.根据权利要求1所述的一种QP自适应环内滤波方法,其特征在于,第一卷积层至第六卷积层、第一转置卷积层至第六转置卷积层均为3×3的卷积核。
3.根据权利要求1所述的一种QP自适应环内滤波方法,其特征在于,所述第一残差网络和第二残差网络均包含四个残差块,每个残差块包括一个激活函数。
4.根据权利要求1所述的一种QP自适应环内滤波方法,其特征在于,所述用相同的QP值组成与所述输入图像分辨率相同的QP图像的步骤,具体包括:
根据下式计算QP图像的每个像素点的图像数据值
其中,为量化步长,为视频编码中设置的最大值。
5.一种QP自适应环内滤波系统,其特征在于,包括:
梯度图像获取模块,被配置为对输入图像进行边缘检测,提取输入图像的图像梯度,获取梯度图像;
QP图像获取模块,被配置为用相同的QP值组成与所述输入图像分辨率相同的QP图像;
输入模块,被配置为将所述输入图像、梯度图像和QP图像作为原始图输入至用于图像去噪的U-net结构的卷积网络,所述用于图像去噪的U-net结构的卷积网络包括依次连接的第一卷积层、第一残差网络、第二卷积层至第六卷积层、特征拼接模块、第一转置卷积层至第五转置卷积层、第二残差网络和第六转置卷积层;其中,第一卷积层、第一残差网络、第二卷积层至第六卷积层为下采样处理,第一转置卷积层至第五转置卷积层、第二残差网络和第六转置卷积层为上采样处理;特征拼接模块,用于将输入图像、梯度图像和QP图像经下采样处理后的多个不同特征值拼接在一起;第二卷积层和第五转置卷积层为跳层链接,第四卷积层和第三转置卷积层为跳层链接,第六卷积层和第一转置卷积层为跳层链接。
6.根据权利要求5所述的一种QP自适应环内滤波系统,其特征在于,第一卷积层至第六卷积层、第一转置卷积层至第六转置卷积层均为3×3的卷积核。
7.根据权利要求5所述的一种QP自适应环内滤波系统,其特征在于,所述第一残差网络和第二残差网络均包含四个残差块,每个残差块包括一个激活函数。
8.根据权利要求5所述的一种QP自适应环内滤波系统,其特征在于,所述QP图像获取模块被进一步配置为:
根据下式计算QP图像的每个像素点的图像数据值
其中,为量化步长,为视频编码中设置的最大值。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-4任意一项所述的QP自适应环内滤波方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-4任意一项所述的QP自适应环内滤波方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京云中融信网络科技有限公司,未经北京云中融信网络科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210407377.3/1.html,转载请声明来源钻瓜专利网。