[发明专利]一种基于深度学习的多帧视频去压缩噪声方法有效
| 申请号： | 201910861015.X | 申请日： | 2019-09-11 |
| 公开（公告）号： | CN110610467B | 公开（公告）日： | 2022-04-15 |
| 发明（设计）人： | 徐烂烂;陈梅丽;谢亚光 | 申请（专利权）人： | 杭州当虹科技股份有限公司 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00;G06N3/04 |
| 代理公司： | 杭州橙知果专利代理事务所(特殊普通合伙) 33261 | 代理人： | 林伟 |
| 地址： | 310012 浙江省杭州市西*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的多帧视频去压缩噪声方法。本发明基于深度学习技术，提出了一个多帧视频去压缩噪声的模型，模型的输入是连续的多帧噪声图像，经过预去噪、运动补偿、图像增强模块，学习中间帧的残差噪声，得到较好的去噪图像。本发明的有益效果是：利用相邻帧包含的信息，通过运动补偿技术，提高去噪性能；通过预去噪，预先有效地去除一些严重的噪声，提高后续的去噪性能。 | ||
| 搜索关键词： | 一种 基于 深度 学习 视频 压缩 噪声 方法 | ||
【主权项】：
1.一种基于深度学习的多帧视频去压缩噪声方法，其特征是，具体包括如下步骤：/n(1)准备数据：构建数据集，获得噪声图像，将连续的3帧噪声图像作为一组，对每组图像进行图像块采样，模型的输入由这些图像块组成；/n(2)预去噪模块PreDenoise的设计：构造了一个预去噪模块PreDenoise，具体包含：3D卷积层+BatchNorm层+ReLU激活层为一组共4个，以及3D卷积层+ReLU激活层为一组共2个；/n(3)运动补偿模块MC的设计：由于多帧图像处理思想相同，故采用超分MFQE中的运动补偿子网络进行运动补偿；/n(4)图像增强模块Enhance的设计：构造了一个基于残差模块ResBlock的图像增强模块，具体有1个拼接层，1个卷积层，6个ResBlock模块，2个卷积层，1个ADD层；/n(5)将步骤(2)、步骤(3)和步骤(4)的模块连接起来构成多帧图像去噪模型，同时训练这3个模块。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于杭州当虹科技股份有限公司，未经杭州当虹科技股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910861015.X/，转载请声明来源钻瓜专利网。
