[发明专利]一种面向E-Paper显示器的视频编解码方法

权利要求书

1.一种面向E-Paper显示器的视频编解码方法，其特征在于：包括以下步骤：

步骤S1：设计一个面向E-Paper的低复杂度和低码流的视频编解码方案；

步骤S2：通过辅助设备，离线学习灰度位数为L,灰度级为2^L的E-Paper显示器上视频内容观感失真与解码内容之间的深度学习模型；

步骤S3：利用步骤S2训练好的深度学习模型，对解码视频反向生成抵消显示失真的视频帧。

2.根据权利要求1所述的一种面向E-Paper显示器的视频编解码方法，其特征在于：所述步骤S1具体如下：

步骤S11、将传统的RGB三通道视频帧转换成YUV通道的视频帧，其采用VVC编码方案，其编码复杂度为：

其中，T表示帧的编码时间，C表示总的通道数，c表示通道索引，t_c表示c通道的编码时间；通过解耦色度通道，仅编码Y通道即亮度通道的方案，其复杂度表示为:

T＝t_Y；

其中，t_Y表示的Y通道编码的时间复杂度。

3.根据权利要求1所述的一种面向E-Paper显示器的视频编解码方法，其特征在于：所述步骤S2具体为：

步骤S21：利用VVC编码方案，选取现有的CPIV数据集在不同量化系数下的解码视频，在灰度位数为L,灰度级为2^L的E-Paper显示器上进行播放；并用相机将E-Paper显示器上的视频帧进行采集，获得采集视频；

步骤S22：将解码视频集和采集视频集中帧进行匹配，并构建数据集；

步骤S23：设计深度循环网络中的生成显示失真网络反应的是解码视频帧E和显示视频帧D中由于E-Paper导致的失真过程F(·)，其公式表达式如下：

D＝F(E)。

4.根据权利要求1所述的一种面向E-Paper显示器的视频编解码方法，其特征在于：所述步骤S3具体为：

步骤S31：设计深度循环网络中的去除显示失真网络将解码视频帧E作为输入，反向生成抵消显示失真的视频其公式表示为：

步骤S32：深度循环网络损失函数：

其中，N表示batch中的样本数，λ表示神经网络超参，∈设置为0.0001；i表示第i个样本；E_i表示第i个解码视频帧，D_i表示第i个显示视频帧；

步骤S33：使得通过E-Paper显示后得到理想解码帧E^F；

步骤S34：通过SSIM指标衡量方案的有效性SSIM(E,E^F)SSIM(E,D)。