[发明专利]一种基于自适应可分离卷积的视频质量增强方法

摘要

本发明公开一种基于自适应可分离卷积的视频质量增强方法，将自适应可分离卷积作为第一个模块应用于网络模型当中，将每个二维卷积转化为一对水平方向和垂直方向的一维卷积核，参数量由n2变为n+n。第二，利用网络对于不同输入学习出来的自适应变化的卷积核以实现运动矢量的估计，通过选取连续的两帧作为网络输入，对于每两张连续输入可以得到一对可分离的二维卷积核，而后该2维卷积核被展开成四个1维卷积核，得到的1维卷积核随输入的改变而改变，提高网络自适应性。本发明用一维卷积核取代二维卷积核，使得网络训练模型参数减少，执行效率高。

主权项

1.一种基于自适应可分离卷积的视频质量增强方法，其特征在于：采用系统网络包括一自适应可分离卷积网络和一残差网络，自适应可分离卷积网络用于获取运动补偿帧，残差网络用于去除视频帧的压缩伪影；视频质量增强方法具体步骤如下：步骤1，挑选高质量视频，形成视频数据库；步骤2，对视频数据库进行预处理，形成训练数据集；训练数据集由若干个视频帧的配对集构成，其中表示压缩图像的当前帧，表示压缩图像后一帧，表示高清图像的当前帧，表示高清图像的后一帧，步骤3，输入连续两张压缩的视频帧和利用可分离卷积网络，得到后一帧的预测压缩视频帧步骤4,对自适应可分离卷积网络得到的预测视频帧与训练集中对应的该帧的原始压缩图像和未压缩图像同时进行归一化和y通道处理，步骤5,输入压缩的视频帧和预测视频帧利用残差网络模型，得到预测高清视频帧步骤6：基于预测压缩视频帧和预测高清视频帧计算总代价函数；步骤7：基于总体代价函数不断更新并优化获得最优的卷积权值参数和偏置参数直到获得最佳效果。