[发明专利]一种基于深度学习的提高视频压缩编码效率的方法

摘要

本发明公开了一种基于深度学习的提高视频压缩编码效率的方法。本发明具体步骤如下：步骤1获取由基本的运动估计和运动补偿组成的原始视频帧间预测的峰值信噪比PSNR1；步骤2引入SRCNN模型对帧间图片进行训练得到权重矩阵与偏差矩阵，对SRCNN模型的参数进行修改，并对网络进行调整从而，得到最优的训练参数；步骤3将训练得到的模型对测试图片进行测试，得出由SRCNN模型测试的结果PSNR2，对PSNR1与PSNR2进行比较，得出SRCNN模型应用于帧间预测编码的可行性；步骤4将SRCNN模型应用于最新编码标准HEVC提供的官方代码HM16.0中。本发明将深度学习应用在了帧间编码领域，能提高帧间运动剧烈块的编码效率。

主权项

一种基于深度学习的提高视频压缩编码效率的方法，其特征在于包括如下步骤：步骤1：获取由基本的运动估计和运动补偿组成的原始视频帧间预测的峰值信噪比PSNR1；1‑1.对相邻帧进行运动估计；1‑2.对相邻帧进行运动补偿；1‑3.计算原始视频帧间预测的PSNR值PSNR1；步骤2：引入SRCNN模型对帧间图片进行训练得到权重矩阵与偏差矩阵，对SRCNN模型的参数进行修改，并对网络进行调整从而，得到最优的训练参数；步骤3：将训练得到的模型对测试图片进行测试，得出由SRCNN模型测试的结果PSNR2，对PSNR1与PSNR2进行比较，得出SRCNN模型应用于帧间预测编码的可行性；步骤4：将SRCNN模型应用于最新编码标准HEVC提供的官方代码HM16.0中；4‑1.测试用了SRCNN模型的帧间预测PSNR值记做PSNR3；4‑2.测试没用SRCNN模型的帧间预测PSNR值记做PSNR4；4‑3.比较PSNR3与PSNR4并得出相关节结论。