[发明专利]视频传输方法及装置

权利要求书

1.一种视频传输方法，其特征在于，所述方法包括：

获取初始片源，并对所述初始片源进行模糊核和噪声估计，获得所述初始片源对应的第一模糊核和第一噪声块；

获取基础超分模型，具体包括：

获取超分数据集，所述超分数据集包括多组训练数据，所述多组训练数据中的每组训练数据对应一对模糊核和噪声块，且所述每组训练数据包括至少一对训练数据，所述至少一对训练数据包括第一高分辨率图像和第一低分辨率图像，所述第一低分辨率图像由所述第一高分辨率图像根据所述模糊核和噪声块进行下采样操作获得；

采用所述多组训练数据对初始超分模型进行泛化训练，获得基础超分模型，其中，所述初始超分模型能够将第一图像转换为第二图像，所述第二图像的分辨率高于所述第一图像；

采用所述第一模糊核和第一噪声块对所述基础超分模型进行训练，获得最终超分模型；

向接收端发送所述初始片源和所述最终超分模型。

2.根据权利要求1所述的方法，其特征在于，所述获取超分数据集包括：

获取片源数据集，所述片源数据集由多个训练片源组成；

对所述多个训练片源进行模糊核和噪声块提取，获得多个模糊核和多个噪声块；

获取所述多个模糊核和多个噪声块中的任意一个模糊核和任意一个噪声块作为第二模糊核和第二噪声块，并根据所述第二模糊核和第二噪声块对所述多个训练片源进行下采样操作，获得至少一对第一高分辨率图像和第一低分辨率图像，所述多个训练片源中每两个训练片源对应的第二模糊核和第二噪声块相同或者不同；

所述至少一对所述第一高分辨率图像和所述第一低分辨率图像组成所述第二模糊核和第二噪声块对应的一组训练数据，多组训练数据组成所述超分数据集。

3.根据权利要求1或2所述的方法，其特征在于，所述采用所述多组训练数据对初始超分模型进行泛化训练，获得基础超分模型，包括：

获取目标组训练数据，所述目标组训练数据为所述多组训练数据中的任一组训练数据；

将所述目标组训练数据中的m个数据作为训练数据集，将所述目标组训练数据中的剩余的n个数据作为测试数据集；

采用所述训练数据集对所述初始超分模型的网络参数进行m次迭代，获得中间网络参数；

采用所述测试数据集和所述对所述初始超分模型的网络参数进行n次迭代，获得最终网络参数；

确定根据所述更新后的初始超分模型为基础超分模型。

4.根据权利要求3所述的方法，其特征在于，所述采用所述训练数据集对所述初始超分模型的网络参数进行m次迭代，获得中间网络参数，包括：

将所述训练数据集中的第i个训练数据中的第一低分辨率图像输入所述初始超分模型，获得所述第一低分辨率图像对应的预设高分辨率图像；

根据所述预设高分辨率图像与所述第一高分辨率图像的差值确定第一梯度值；

根据所述第一梯度值对所述初始超分模型的网络参数进行第i次更新，获得更新后的网络参数，当i=1时，所述为所述初始超分模型的网络参数；

令i=i+1,重复上述步骤，直到i=m，获得更新后的网络参数作为中间网络参数。

5.根据权利要求3所述的方法，其特征在于，所述采用所述测试数据集和所述对所述初始超分模型的网络参数进行n次迭代，获得最终网络参数，包括：

将所述测试数据集中的第j个训练数据中的第一低分辨率图像输入所述中间网络参数更新后的中间超分模型，获得所述第一低分辨率图像对应的预设高分辨率图像；

根据所述预设高分辨率图像与所述第一高分辨率图像的差值确定第二梯度值；

根据所述第二梯度值更新网络参数，获得更新网络参数，当j=1时，所述为所述初始超分模型的网路参数；

令j=j+1，重复上述步骤，直到j=n，获得更新后的网络参数作为最终网络参数。

6.根据权利要求1所述的方法，其特征在于，所述模糊核和噪声估计为单帧图像的模糊核和噪声估计。