[发明专利]一种增强视频画质的方法和装置有效
申请号: | 201911031293.9 | 申请日: | 2019-10-28 |
公开(公告)号: | CN111031346B | 公开(公告)日: | 2021-11-02 |
发明(设计)人: | 郑振贵;陈祥祥 | 申请(专利权)人: | 网宿科技股份有限公司 |
主分类号: | H04N21/234 | 分类号: | H04N21/234;H04N21/44 |
代理公司: | 北京华智则铭知识产权代理有限公司 11573 | 代理人: | 陈刚 |
地址: | 200030 上海市徐汇*** | 国省代码: | 上海;31 |
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 增强 视频 画质 方法 装置 | ||
1.一种增强视频画质的方法,其特征在于,所述方法包括:
通过预设的训练素材集中标记有类别信息的图像数据,对基于深度学习算法建立的图像分类模型进行训练;
选取待处理视频的关键帧图像作为目标视频帧图像;
将所述目标视频帧图像输入训练完成的所述图像分类模型,得到所述目标视频帧图像的图像内容类别;其中,所述图像内容类别是根据所述目标视频帧图像的画面内容占比确定的;
如果所述图像内容类别同时属于多种图像内容类别,则根据所述待处理视频中与所述目标视频帧图像相邻的视频帧图像的图像内容类别,确定所述目标视频帧图像的图像内容类别;
对所述目标视频帧图像进行画质评估,生成画质评估结果;所述画质评估结果包括多种画质增强处理的增强类型和执行量级;
利用所述图像内容类别、所述增强类型和所述执行量级对应的画质增强工具,对所述关键帧图像进行画质增强处理;
利用所述图像内容类别、所述增强类型和所述执行量级的轻量级对应的画质增强工具,对所述关键帧图像关联的非关键帧图像进行画质增强处理。
2.根据权利要求1所述的方法,其特征在于,所述目标视频帧图像为所述待处理视频的任一帧图像;
所述对所述待处理视频进行画质增强处理,包括:
对所述目标视频帧图像进行画质增强处理。
3.根据权利要求1所述的方法,其特征在于,所述确定待处理视频的目标视频帧图像的图像内容类别之前,还包括:
从所述待处理视频的所有视频帧图像中按照预设间隔选取目标视频帧图像;
所述对所述待处理视频进行画质增强处理,包括:
对所述目标视频帧图像及所述目标视频帧图像对应的间隔帧图像进行画质增强处理。
4.根据权利要求1所述的方法,其特征在于,所述确定待处理视频的目标视频帧图像的图像内容类别之前,还包括:
选取所述待处理视频的关键帧图像作为目标视频帧图像;
所述对所述待处理视频进行画质增强处理,包括:
对所述待处理视频的关键帧图像进行画质增强处理。
5.根据权利要求1所述的方法,其特征在于,所述对所述目标视频帧图像进行画质评估,生成画质评估结果,包括:
利用所述图像内容类别对应的画质评估工具,对所述目标视频帧图像进行画质评估,生成画质评估结果。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
获取目标图像内容类别下的多张优质图像;
对每张所述优质图像分别进行不同降质类型的降质处理,得到标记有降质类型信息的降质图像;
通过所有所述降质图像对基于深度学习算法建立的画质评估模型进行训练,生成所述目标图像内容类别对应的画质评估模型;
所述利用所述图像内容类别对应的画质评估工具,对所述目标视频帧图像进行画质评估,生成画质评估结果,包括:
将所述目标视频帧图像输入所述图像内容类别对应的画质评估模型,得到画质评估结果。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取目标图像内容类别下的多张优质图像;
对每张所述优质图像分别进行目标画质增强处理对应的不同执行量级的降质处理,得到不同执行量级的降质图像;
通过目标执行量级的目标降质图像和所述目标降质图像对应的优质图像,对基于深度学习算法建立的画质增强模型进行训练,生成所述目标图像内容类别、所述目标画质增强处理和所述目标执行量级对应的画质增强模型;
所述利用所述图像内容类别、所述增强类型和所述执行量级对应的画质增强工具,对所述待处理视频进行画质增强处理,包括:
利用所述图像内容类别、所述增强类型和所述执行量级对应的所有画质增强模型,对所述待处理视频进行画质增强处理。
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网宿科技股份有限公司,未经网宿科技股份有限公司许可,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/201911031293.9/1.html,转载请声明来源钻瓜专利网。