[发明专利]目标区域的图像细节增强方法、装置、设备和存储介质在审

专利信息
申请号: 202310391126.5 申请日: 2023-04-12
公开(公告)号: CN116596774A 公开(公告)日: 2023-08-15
发明(设计)人: 杨莹;靳凯 申请(专利权)人: 百果园技术(新加坡)有限公司
主分类号: G06T5/00 分类号: G06T5/00;G06T5/50;G06N3/0475;G06N3/0464;G06N3/082;G06T7/136;G06T3/60;G06T3/00;G06T3/40
代理公司: 北京泽方誉航专利代理事务所(普通合伙) 11884 代理人: 徐濛
地址: 巴西班让路枫树*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 目标 区域 图像 细节 增强 方法 装置 设备 存储 介质
【说明书】:

本申请实施例公开了一种目标区域的图像细节增强方法、装置、设备和存储介质,该方法包括:获取待处理视频,判断待处理视频是否符合图像细节增强条件;若符合图像细节增强条件,则对待处理视频的帧图像进行目标区域的模板变换处理,得到目标区域的输入矩阵;将输入矩阵输入至增强网络模型,基于提取到的多层特征、隐向量以及随机信号生成目标区域的增强结果;将目标区域的增强结果采用与模板变换对应的还原处理,并基于逆变换处理结果与原帧图像进行融合,得到图像细节增强结果。本方案可以提高图像处理质量和精度,从而提升用户的观看体验,同时,在进行图像细节增强的同时,还对计算数据计算量进行精确的控制,确保处理效率。

技术领域

本申请实施例涉及视频数据处理技术领域,尤其涉及一种目标区域的图像细节增强方法、装置、设备和存储介质。

背景技术

随着直播视频技术的日趋成熟和相关应用的普及,画质内容的呈现质量也成为各个直播应用需要关注的核心竞争力。观众在观看视频节目时,会对所特定关注的区域有着更明显的偏好和停留,例如人脸区域、物品所在区域以及风景区域等,因此对特定区域的细节的增强刻画也是提高视频主观质量比较重要的一部分。

如今利用卷积深度神经网络通过对图像多次先降采样再经历同样多次的上采样,并充分利用不同神经网络层学习到的图像特征可以得到高分辨率但是仍然无细节缺失的高清图像。

但卷积神经网络并不专门针对图像特定区域进行处理,虽然对于图像特定区域可以获得不差的超分效果,但还是无法很好的还原特定区域细节特征。因此,如何提升图像中特定区域的特征,满足各个视频应用场景下用户对于高质量内容的呈现,从而提升用户使用感受,提升用户的留存时间是本领域亟待解决的问题。

发明内容

本申请实施例提供了一种目标区域的图像细节增强方法、装置、设备和存储介质,解决了现有技术中由于无法很好的还原视频中特定区域细节特征,从而降低了视频质量的问题。通过采用本方案,可以提高图像处理质量和精度,从而提升用户的观看体验,同时,在进行图像细节增强的同时,还对计算数据计算量进行精确的控制,确保处理效率。

第一方面,本申请实施例提供了一种目标区域的图像细节增强方法,该方法包括:

获取待处理视频,判断所述待处理视频是否符合图像细节增强条件;

若符合图像细节增强条件,则对所述待处理视频的帧图像进行目标区域的模板变换处理,得到目标区域的输入矩阵;

将所述输入矩阵输入至增强网络模型,基于提取到的多层特征、隐向量以及随机信号生成目标区域的增强结果;

将所述目标区域的增强结果采用所述模板变换处理的逆变换处理,并基于逆变换处理结果与原帧图像进行融合,得到图像细节增强结果。

第二方面,本申请实施例还提供了一种目标区域的图像细节增强装置,包括:

获取模块,用于获取待处理视频,判断所述待处理视频是否符合图像细节增强条件;

帧图像处理模块,用于若符合图像细节增强条件,则对所述待处理视频的帧图像进行目标区域的模板变换处理,得到目标区域的输入矩阵;

目标区域增强结果生成模块,用于将所述输入矩阵输入至增强网络模型,基于提取到的多层特征、隐向量以及随机信号生成目标区域的增强结果;

图像细节增强结果生成模块,用于将所述目标区域的增强结果采用所述模板变换处理的逆变换处理,并基于逆变换处理结果与原帧图像进行融合,得到图像细节增强结果。

第三方面,本申请实施例还提供了一种目标区域的图像细节增强设备,该设备包括:

一个或多个处理器;

存储装置,用于存储一个或多个程序,

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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百果园技术(新加坡)有限公司,未经百果园技术(新加坡)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/202310391126.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top