[发明专利]基于深度学习注意力模型的移动端视频质量增强方法

权利要求书

1.一种基于深度学习注意力模型的移动端视频质量增强方法，用于视频质量增强，其特征在于，包括以下步骤：

步骤S1：对于移动端视频数据通过前景质量增强模块进行质量增强，以获得前景质量增强数据；

步骤S2：对于移动端视频数据通过背景质量增量模块进行质量增强，以获得背景质量增强数据；

步骤S3：将前景质量增强数据和背景质量增强数据通过图像融合模块进行融合，以获得移动端视频质量增强数据。

2.根据权利要求1所述的一种基于深度学习注意力模型的移动端视频质量增强方法，其特征在于，步骤S1具体实施为以下步骤：

步骤S1.1：对于移动端视频数据进行基于深度神经网络的图像超分辨率处理，以获得第一数据；

步骤S1.2：对于移动端视频数据进行视频图像质量增强处理，以获得第二数据。

3.根据权利要求2所述的一种基于深度学习注意力模型的移动端视频质量增强方法，其特征在于，步骤S1.1具体实施为以下步骤：

步骤S1.1.1：将移动端视频数据进行第一预处理后获得的数据通过图像粗特征提取网络进行图像粗特征提取，以获得图像粗特征数据；

步骤S1.1.2：将图像粗特征数据依次经过若干个多阶特征融合单元进行特征融合，以获得特征融合数据；

步骤S1.1.3：将特征融合数据与移动端视频数据进行第一预处理后获得的数据构成全局残差架构，以获得高分辨率的移动端视频前景数据。

4.根据权利要求3所述的一种基于深度学习注意力模型的移动端视频质量增强方法，其特征在于，步骤S1.2具体实施为以下步骤：

步骤S1.2.1：将移动端视频数据进行第二预处理后获得的数据通过浅层特征提取网络进行浅层特征提取，以获得浅层特征数据；

步骤S1.2.2：将浅层特征数据通过包括若干残差块串联组成的质量增强网络进行质量增强，以获得质量增强数据；

步骤S1.2.3：将质量增强数据与移动端视频数据进行第二预处理后获得的数据构成全局残差架构，以获得高质量图像的移动端视频前景数据。

5.根据权利要求3所述的一种基于深度学习注意力模型的移动端视频质量增强方法，其特征在于，步骤S1.2还具体实施为以下步骤：

步骤T1.2.1：将移动端视频数据分为高质量帧、中质量帧和低质量帧；

步骤T1.2.2：将高质量帧、中质量帧和低质量帧分别进行第三预处理，以生成两个相对于当前低质量帧的光流场，并且根据光流场的光流信息，对高质量帧和中质量帧的像素进行移位调整，以获得两个补偿帧；

步骤T1.2.3：将获得的两个补偿帧与低质量帧通过融合网络结构进行融合，以获得增强低质量帧。

6.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所一种基于深度学习注意力模型的移动端视频质量增强方法的步骤。

7.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至5任一项所述一种基于深度学习注意力模型的移动端视频质量增强方法的步骤。