[发明专利]一种基于强化学习的视频图像编码压缩效率提升方法

摘要

本发明公开了一种基于强化学习的视频图像编码压缩效率提升方法，针对不同图像内容分块最优化关键编码策略参数。创建分别用于预测策略值，和判别策略值好坏的神经网络，即预测网络和判别网络。预测网络作为编码器的前处理模块，输入图像的原始像素值，输出图像各个分块的最优化策略参数，不需要编码器的反馈。编码结果评分是在对整帧视频图像，或者整段视频图像编码完成之后，得到的压缩效率综合评分。整个环节与编码器耦合弱，易于实施，可以与主流视频或图像编码标准结合，有效提升编码压缩效率。本发明在编码时只需要预测网络执行决策过程，速度较快，并且具有较高的鲁棒性。

主权项

1.一种基于强化学习的视频图像编码压缩效率提升方法，其特征在于：包括以下步骤，步骤1，创建预测网络和判别网络，并完成网络参数初始化，预测网络负责决策图像分块对应的编码策略参数最优值；判别网络负责判别预测网络生成的预测值好坏；步骤2，输入图像组，由预测网络得到各个图像分块的编码策略参数p；步骤3，根据各个图像分块的编码策略参数执行编码过程；步骤4，编码结果评分，在图像组编码完成以后，得到的压缩效率综合评分R；步骤5，判别网络估分，根据输入图像组以及预测网络得到编码策略参数p得到估分V；步骤6，强化学习训练迭代，更新预测网络和判别网络参数，并执行迭代过程；步骤7，编码决策，负责为视频图像编码生成最优化的各个图像分块的编码策略参数，提升编码压缩效率。