[发明专利]基于深度神经网络的视频压缩方法

权利要求书

1.基于深度神经网络的视频压缩方法，其特征在于，包括如下步骤：

S1，收集和整理规范的高清视频图像数据集，构建神经网络训练集、测试集和交叉验证集；

S2，建立多层的预测神经网络和残差神经网络：将所述神经网络训练集中的图像分为无交叠的M×N块，用于训练视频编码的预测模型，预测模型包括帧内预测模式和帧间预测模式；

S3，对于帧间预测模式，利用运动估计算法，在视频的前一帧的对应区域内寻找最佳匹配块，并计算残差和帧间预测的均方差；

S4，根据所述均方差以及设定的阈值来选择预测模型的模式为帧内预测模式或帧间预测模式：设定帧内预测模式和帧间预测模式选择的阈值，若均方差小于阈值，则保留原有的帧间预测模式；若均方差大于阈值，则选择帧内预测模式；

S5，预测模式选择完成后，将残差作为新数据训练残差编码网络，保存训练模型，训练模型包括帧内残差模式和帧间残差模式；

S6，最终预测神经网络和残差神经网络的输出数据经过量化和无损熵编码一起作为固定长度码流的压缩数据；

S7，解码端通过与编码端对称的神经网络将步骤S6中的压缩数据还原成M×N块，并重建恢复出压缩后的图像。

2.根据权利要求1所述的基于深度神经网络的视频压缩方法，其特征在于，所述步骤S3中，首先，设置一个滑动的M×N的窗口，在视频的前一帧对应的局部区域内挑选出均方误差最小的块区域作为最佳匹配块，同时兼顾结果和复杂度，设定(M+a)×(N+a)的搜索范围，进行运动估计算法，计算帧间预测的均方差，其中M和N为块尺寸，a为向外搜索的范围。

3.根据权利要求1所述的基于深度神经网络的视频压缩方法，其特征在于，所述步骤S7中，解码端的神经网络同编码端的神经网络对称，将固定长度码流的压缩数据通过解码端还原成M×N的固定块，并最后重新拼接成原图像，即为恢复的压缩之后的图像。