The present invention provides a multi frame quality enhancement method and device for lossy compressed video. The method includes: using the M frame associated with the I frame related to the I frame of the decompressed video stream to enhance the quality of the I frame to play the I frame after the quality enhancement; the M frames belong to the frames in the video stream, and the M is described in the M. Each frame in the frame has the same or corresponding number of pixels per frame and the I frame larger than the preset threshold; and M is a natural number greater than 1. In the specific application, the non peak quality frame between the two peak quality frames can be enhanced by using the peak quality frame. The above method reduces the quality fluctuation of multi frames in the process of video streaming, and enhances the quality of frames in lossy compressed video.
【技术实现步骤摘要】
一种有损压缩视频的多帧质量增强方法及装置
本专利技术涉及图像处理
,特别是一种有损压缩视频的多帧质量增强方法及装置。
技术介绍
在过去的几十年里,视频在互联网上变得大受欢迎。根据思科数据流量预测,在2016年,视频流量占互联网总流量的60%,预计这一数字在2020年前将达到78%。由于互联网带宽受限,必须应用视频压缩来节省编码比特率。但是,视频在压缩过程中不可避免地会出现压缩失真,例如,方块效应,振铃效应和模糊等。这些工件可能会导致体验质量(QoE)严重下降。因此,十分有必要研究针对压缩后视频的质量增强方法。近年来,针对提高压缩图像或视频的视觉质量的方法被不断提出,例如,Dong等人设计了一个四层卷积神经网络(CNN),名为AR-CNN,这大大提高了JPEG图像的质量。后来,Yang等人设计了一个解码器端可分层卷积神经网络(DS-CNN)用于提高视频质量。DS-CNN由两个子网络组成,旨在减轻帧内和帧间编码失真。然而,现有技术中所有质量增强方法在对当前帧进行质量增强时,都不会利用任何相邻帧的信息,因此相邻帧的性能很大程度上受到限制。
技术实现思路
针对现有技术中的问题,本专利技术提供一种一种有损压缩视频的多帧质量增强方法及装置,质量增强方法中任一帧解压缩中能够合理结合相邻帧的信息,提高当前帧的播放质量。第一方面,本专利技术提供一种有损压缩视频的多帧质量增强方法,包括:针对有损压缩的视频流的第i帧,采用所述第i帧关联的m个帧对所述第i帧进行质量增强,以播放质量增强后的第i帧;所述m个帧属于所述视频流中的帧,且所述m个帧中每一帧与所述第i帧分别具有相同或相应 ...
【技术保护点】
1.一种有损压缩视频的多帧质量增强方法,其特征在于,包括:针对有损压缩的视频流的第i帧,采用所述第i帧关联的m个帧对所述第i帧进行质量增强,以播放质量增强后的第i帧;所述m个帧属于所述视频流中的帧,且所述m个帧中每一帧与所述第i帧分别具有相同或相应的像素数量大于预设阈值;m为大于1的自然数。
【技术特征摘要】
1.一种有损压缩视频的多帧质量增强方法,其特征在于,包括:针对有损压缩的视频流的第i帧,采用所述第i帧关联的m个帧对所述第i帧进行质量增强,以播放质量增强后的第i帧;所述m个帧属于所述视频流中的帧,且所述m个帧中每一帧与所述第i帧分别具有相同或相应的像素数量大于预设阈值;m为大于1的自然数。2.根据权利要求1所述的方法,其特征在于,针对有损压缩的视频流的第i帧,采用所述第i帧关联的m个帧对所述第i帧进行质量增强的步骤,包括:识别所述视频流中的峰值质量帧和非峰值质量帧;所述第i帧为非峰值质量帧时,将其记为Fnp。采用所述非峰值质量帧第i帧之前的峰值质量帧Fp1和第i帧之后的峰值质量帧Fp2对所述第i帧Fnp进行质量增强。3.根据权利要求2所述的方法,其特征在于,所述识别所述视频流中的峰值质量帧和非峰值质量帧,包括:采用训练后的支持向量机SVM识别所述视频流中的峰值质量帧和非峰值质量帧。4.根据权利要求3所述的方法,其特征在于,还包括:提供多个训练视频,每一个训练视频中的每一帧为一个训练样本;对所有训练视频进行有损压缩,计算每一个训练视频中每一帧与未进行有损压缩的训练视频之间的峰值信噪比;根据每一帧对应的峰值信噪比,确定训练视频中的每一帧是否是峰值质量帧;提取训练视频中每一帧的36个像素分布特征,以及对于训练视频中的第i帧,使用第i帧与相邻帧的像素分布特征作为第i个训练样本的训练特征,将第i帧是否为峰值质量帧作为第i个训练样本的训练标签;使用所有训练样本的特征和标签对SVM进行训练。5.根据权利要求2所述的方法,其特征在于,采用所述非峰值质量帧第i帧之前的峰值质量帧Fp1和第i帧之后的峰值质量帧Fp2对所述第i帧Fnp进行质量增强,包括:将所述非峰值质量帧第i帧和所述峰值质量帧Fp1、峰值质量帧Fp2输入多帧卷积神经网络结构,...
【专利技术属性】
技术研发人员:徐迈,杨韧,刘铁,李天一,方兆吉,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。