【技术实现步骤摘要】
【国外来华专利技术】视频处理方法、设备、无人机及计算机可读存储介质
本专利技术实施例涉及无人机领域，尤其涉及一种视频处理方法、设备、无人机及计算机可读存储介质。
技术介绍
随着数码产品如相机、摄像头的普及，视频已经广泛的运用于日常生活中,但是噪声在视频的拍摄过程中依旧是不可避免的，噪声直接影响了视频的质量。为了去除视频中的噪声，现有技术中对视频的去噪方法包括：基于运动估计的视频去噪方法和无需运动估计的视频去噪方法。但是，基于运动估计的视频去噪方法的计算复杂度高，无需运动估计的视频去噪方法的去噪效果不理想。
技术实现思路
本专利技术实施例提供一种视频处理方法、设备、无人机及计算机可读存储介质，以提高对视频去噪的去噪效果。本专利技术实施例的第一方面是提供一种视频处理方法，包括：将第一视频输入神经网络，所述神经网络的训练集包括第一训练视频和第二训练视频，所述第一训练视频包括至少一个第一时空域立方体，所述第二训练视频包括至少一个第二时空域立方体；利用所述神经网络对所述第一视频进行去噪处理以生成第二视频；以及输出所述第二视频。本专利技术实施例的第二方面是提供一种视频处理设备，包括一个或多个处理器，...
【技术保护点】
1.一种视频处理方法，其特征在于，包括：将第一视频输入神经网络，所述神经网络的训练集包括第一训练视频和第二训练视频，所述第一训练视频包括至少一个第一时空域立方体，所述第二训练视频包括至少一个第二时空域立方体；利用所述神经网络对所述第一视频进行去噪处理以生成第二视频；以及输出所述第二视频。
【技术特征摘要】
【国外来华专利技术】1.一种视频处理方法，其特征在于，包括：将第一视频输入神经网络，所述神经网络的训练集包括第一训练视频和第二训练视频，所述第一训练视频包括至少一个第一时空域立方体，所述第二训练视频包括至少一个第二时空域立方体；利用所述神经网络对所述第一视频进行去噪处理以生成第二视频；以及输出所述第二视频。2.根据权利要求1所述的方法，其特征在于，所述将第一视频输入神经网络之前，还包括：根据第一训练视频和第二训练视频训练所述神经网络。3.根据权利要求2所述的方法，其特征在于，所述根据第一训练视频和第二训练视频训练所述神经网络，包括：根据第一训练视频包括的至少一个第一时空域立方体训练局部先验模型；根据所述局部先验模型对第二训练视频包括的至少一个第二时空域立方体中的每个第二时空域立方体分别进行初始去噪处理，得到初始去噪后的第二训练视频；根据所述初始去噪后的第二训练视频和所述第一训练视频训练所述神经网络。4.根据权利要求3所述的方法，其特征在于，第一训练视频为无噪声视频，所述第二训练视频为噪声视频。5.根据权利要求3或4所述的方法，其特征在于，所述第一时空域立方体包括多个第一子图像，所述多个第一子图像来自所述第一训练视频中相邻的多个第一视频帧，一个第一子图像来自一个第一视频帧，每个第一子图像在第一视频帧中的位置相同。6.根据权利要求5所述的方法，其特征在于，所述根据第一训练视频包括的至少一个第一时空域立方体训练局部先验模型，包括：对第一训练视频包括的至少一个第一时空域立方体中的每个第一时空域立方体分别进行稀疏处理；根据每个稀疏处理后的第一时空域立方体训练局部先验模型。7.根据权利要求6所述的方法，其特征在于，所述对第一训练视频包括的至少一个第一时空域立方体中的每个第一时空域立方体分别进行稀疏处理，包括：根据所述第一时空域立方体包括的多个第一子图像，确定第一均值图像，所述第一均值图像中每个位置的像素值是所述多个第一子图像中每个第一子图像在所述位置的像素值的平均值；将所述第一时空域立方体包括的多个第一子图像中的每个第一子图像在所述位置的像素值减去所述第一均值图像中所述位置的像素值。8.根据权利要求3-7任一项所述的方法，其特征在于，所述第二时空域立方体包括多个第二子图像，所述多个第二子图像来自所述第二训练视频中相邻的多个第二视频帧，一个第二子图像来自一个第二视频帧，每个第二子图像在第二视频帧中的位置相同。9.根据权利要求8所述的方法，其特征在于，所述根据所述局部先验模型对第二训练视频包括的至少一个第二时空域立方体中的每个第二时空域立方体分别进行初始去噪处理，包括：对第二训练视频包括的至少一个第二时空域立方体中的每个第二时空域立方体分别进行稀疏处理；根据所述局部先验模型对每个稀疏处理后的第二时空域立方体进行初始去噪处理。10.根据权利要求9所述的方法，其特征在于，所述对第二训练视频包括的至少一个第二时空域立方体中的每个第二时空域立方体分别进行稀疏处理，包括：根据所述第二时空域立方体包括的多个第二子图像，确定第二均值图像，所述第二均值图像中每个位置的像素值是所述多个第二子图像中每个第二子图像在所述位置的像素值的平均值；将所述第二时空域立方体包括的多个第二子图像中的每个第二子图像在所述位置的像素值减去所述第二均值图像中所述位置的像素值。11.根据权利要求9或10所述的方法，其特征在于，所述根据所述局部先验模型对每个稀疏处理后的第二时空域立方体进行初始去噪处理，包括：根据所述局部先验模型确定所述稀疏处理后的第二时空域立方体所属的高斯类；根据所述稀疏处理后的第二时空域立方体所属的高斯类，采用带权稀疏编码的方法对所述稀疏处理后的第二时空域立方体进行初始去噪处理。12.根据权利要求11所述的方法，其特征在于，所述根据所述稀疏处理后的第二时空域立方体所属的高斯类，采用带权稀疏编码的方法对所述稀疏处理后的第二时空域立方体进行初始去噪处理，包括：根据所述稀疏处理后的第二时空域立方体所属的高斯类，确定所述高斯类的字典和特征值矩阵；根据所述高斯类的字典和特征值矩阵，采用带权稀疏编码的方法对所述稀疏处理后的第二时空域立方体进行初始去噪处理。13.根据权利要求12所述的方法，其特征在于，所述根据所述稀疏处理后的第二时空域立方体所属的高斯类，确定所述高斯类的字典和特征值矩阵，包括：对所述高斯类的协方差矩阵进行奇异值分解，得到所述高斯类的字典和特征值矩阵。14.根据权利要求12所述的方法，其特征在于，所述根据所述高斯类的字典和特征值矩阵，采用带权稀疏编码的方法对所述稀疏处理后的第二时空域立方体进行初始去噪处理，包括：根据所述特征值矩阵确定权值矩阵；根据高斯类的字典和所述权值矩阵，采用带权稀疏编码的方法对所述稀疏处理后的第二时空域立方体进行初始去噪处理。15.根据权利要求3-14任一项所述的方法，其特征在于，所述根据所述初始去噪后的第二训练视频和所述第一训练视频训练所述神经网络，包括：将所述初始去噪后的第二训练视频作为训练数据，将所述第一训练视频作为标签训练所述神经网络。16.一种视频处理设备，其特征在于，包括一个或多个处理器，单独或协同工作，所述一个或多个处理器用于：将第一视频输入神经网络，所述神经网络的训练集包括第一训练视频和第二训练视频，所述第一训练视频包括至少一个第一时空域立方体，所述第二训练视频包括至少一个第二时空域立方体；利用所述神经网络对所述第一视频进行去噪处理以生成第二视频；以及输出所述第二视频。17.根据权利要求16所述的视频处理设备，其特征在于，所述一个或多个处理器将第一视频输入神经网络之前，还用于：根据第一训练视频和第二训练视频训练所述神经网络。18.根据权利要求17所述的视频处理设备，其特征在于，所述一个或多个处理器根据第一训练视频和第二训练视频训练所述神经网络时，具体用于：根据第一训练视频包括的至少一个第一时空域立方体训练局部先验模型；根据所述局部先验模型对第二训练视频包括的至少一个第二时空域立方体中的每个第二时空域立方体分别进行初始去噪处理，得到初始去噪后的第二训练视频；根据所述初始去噪后的第二训练视频和所述第一训练视频训练所述神经网络。19.根据权利要求18所述的视频处理设备，其特征在于，第一训练视频为无噪声视频，所述第二训练视频为噪声视频。20.根据权利要求18或19所述的视频处理设备，其特征在于，所述第一时空域立方体包括多个第一子图像，所述多个第一子图像来自所述第一训练视频中相邻的多个第一视频帧，一个第一子图像来自一个第一视频帧，每个第一子图像在第一视频帧中的位置相同。21.根据权利要求20所述的视频处理设备，其特征在于，所述一个或多个处理器根据第一训练视频包括的至少一个第一时空域立方体训练局部先验模型时，具体用于：对第一训练视频包括的至少一个第一时空域立方体中的每个第一时空域立方体分别进行稀疏处理；根据每个稀疏处理后的第一时空域立方体训练局部先验模型。22.根据权利要求21所述的视频处理设备，其特征在于，所述一个或多个处理器对第一训练视频包括的至少一个第一时空域立方体中的每个第一时空域立方体分别进行稀疏处理时，具体用于：根据所述第一时空域立方体包括的多个第一子图像，确定第一均值图像，所述第一均值图像中每个位置的像素值是所述多个第一子图像中每个第一子图像在所述位置的像素值的平均值；将所述第一时空域立方体包括的多个第一子图像中的每个第一子图像在所述位置的像素值减去所述第一均值图像中所述位置的像素值。23.根据权利要求18-22任一项所述的视频处理设备，其特征在于，所述第二时空域立方体包括多个第二子图像，所述多个第二子图像来自所述第二训练视频中相邻的多个第二视频帧，一个第二子图像来自一个第二视频帧，每个第二子图像在第二视频帧中的位置相同。24.根据权利要求23所述的视频处理设备，其特征在于，所述一个或多个处理器根据所述局部先验模型对第二训练视频包括的至少一个第二时空域立方体中的每个第二时空域立方体分别进行初始去噪处理时，具体用于：对第二训练视频包括的至少一个第二时空域立方体中的每个第二时空域立方体分别进行稀疏处理；根据所述局部先验模型...
【专利技术属性】
技术研发人员：肖瑾，曹子晟，胡攀，
申请(专利权)人：深圳市大疆创新科技有限公司，
类型：发明
国别省市：广东,44
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。