一种视频画质增强方法、系统及设备技术方案

本发明专利技术公开了一种视频画质增强方法、系统及设备，其中，所述方法包括：识别目标视频中的各个场景片段，并确定所述场景片段的候选损失类型；针对任一所述候选损失类型，选用与所述候选损失类型相匹配的损失估计模型，并利用所述损失估计模型，预测所述场景片段针对所述候选损失类型的实际损失参数；分别选用与各个所述候选损失类型相匹配的画质增强模型，并利用各个所述画质增强模型，对所述场景片段中的视频帧依次进行画质增强；其中，所述画质增强模型使用的增强参数由相匹配的候选损失类型对应的实际损失参数确定。本申请提供的技术方案，能够提高画质增强效果。

A method, system and equipment of video image quality enhancement

【技术实现步骤摘要】
一种视频画质增强方法、系统及设备
本专利技术涉及图像处理
，特别涉及一种视频画质增强方法、系统及设备。
技术介绍
随着互联网技术的不断发展，用户对于视频高清度的需求也与日俱增。然而，高清视频的制作周期往往较长，制作成本也较高。因此，针对画质较差的视频进行画质增强处理，成为制作高清视频的一种有效手段。目前在进行画质增强处理时，可以检测图像的空间频率响应(SpatialFrequencyResponse，SFR)，并通过分析图像的SFR来确定图像的清晰度。后续可以通过确定的清晰度进行图像增强处理。然而，影响图像清晰度的因素可能比较多，上述的画质增强的手段比较单一，有时候无法达到较好的画质增强效果。
技术实现思路
本申请的目的在于提供一种视频画质增强方法、系统及设备，能够提高画质增强效果。为实现上述目的，本申请一方面提供一种视频画质增强方法，所述方法包括：识别目标视频中的各个场景片段，并确定所述场景片段的候选损失类型；针对任一所述候选损失类型，选用与所述候选损失类型相匹配的损失估计模型，并利用所述损失估计模型本文档来自技高网...

【技术保护点】
1.一种视频画质增强方法，其特征在于，所述方法包括：/n识别目标视频中的各个场景片段，并确定所述场景片段的候选损失类型；/n针对任一所述候选损失类型，选用与所述候选损失类型相匹配的损失估计模型，并利用所述损失估计模型，预测所述场景片段针对所述候选损失类型的实际损失参数；/n分别选用与各个所述候选损失类型相匹配的画质增强模型，并利用各个所述画质增强模型，对所述场景片段中的视频帧依次进行画质增强；其中，所述画质增强模型使用的增强参数由相匹配的候选损失类型对应的实际损失参数确定。/n

【技术特征摘要】
1.一种视频画质增强方法，其特征在于，所述方法包括：
识别目标视频中的各个场景片段，并确定所述场景片段的候选损失类型；
针对任一所述候选损失类型，选用与所述候选损失类型相匹配的损失估计模型，并利用所述损失估计模型，预测所述场景片段针对所述候选损失类型的实际损失参数；
分别选用与各个所述候选损失类型相匹配的画质增强模型，并利用各个所述画质增强模型，对所述场景片段中的视频帧依次进行画质增强；其中，所述画质增强模型使用的增强参数由相匹配的候选损失类型对应的实际损失参数确定。


2.根据权利要求1所述的方法，其特征在于，确定所述场景片段的候选损失类型包括：
选取所述场景片段中的一个或者多个视频帧，并从所述视频帧中提取出区域图像；
预测各个所述区域图像的损失类型序列，并根据各个所述区域图像的损失类型序列，确定所述视频帧的损失类型序列；
基于所述场景片段中各个所述视频帧的损失类型序列，确定所述场景片段的损失类型序列，并将所述场景片段的损失类型序列中的概率值进行排序，以根据排序结果确定所述场景片段的候选损失类型。


3.根据权利要求2所述的方法，其特征在于，识别目标视频中的各个场景片段包括：
识别所述目标视频中的关键帧，并将相邻的两个关键帧之间的视频片段作为一个场景片段。


4.根据权利要求3所述的方法，其特征在于，识别所述目标视频中的关键帧包括：
在所述目标视频中确定基准帧，并依次计算所述基准帧之后的视频帧与所述基准帧之间的相似度；
若当前视频帧与所述基准帧之间的相似度小于或者等于指定阈值，将所述当前视频帧确定为一个关键帧；
将所述当前视频帧作为新的基准帧，并依次计算所述新的基准帧之后的视频帧与所述新的基准帧之间的相似度，并根据计算的所述相似度确定下一个关键帧。


5.根据权利要求2所述的方法，其特征在于，从所述视频帧中提取出区域图像包括：
预先确定区域图像的尺寸，并按照所述区域图像的尺寸，从所述视频帧中提取出一个关键区域，以及随机提取出指定数量的额外区域，并将所述关键区域和所述额外区域作为从所述视频帧中提取出的区域图像。


6.根据权利要求5所述的方法，其特征在于，所述关键区域按照以下方式确定：
确定所述视频帧的中心坐标，并从所述视频帧中截取包含所述中心坐标的关键区域；
或者
在所述视频帧中识别用于表征所述视频帧的内容的目标对象，并从所述视频帧中截取包含所述目标对象的关键区域；
其中，所述关键区域的尺寸与预先确定的所述区域图像的尺寸保持一致。


7.根据权利要求2所述的方法，其特征在于，预测各个所述区域图像的损失类型序列包括：
获取无损失的图像样本，并对所述无损失的图像样本进行有损处理，得到多种不同损失类型的图像样本，其中，所述无损失的图像样本和所述多种不同损失类型的图像样本构成训练样本；
基于所述训练样本训练得到预测模型，所述预测模型中包括全连接层和一个或者多个特征提取层，所述特征提取层中包括相连的卷积层和激活层；
将各个所述区域图像依次输入所述预测模型，以通过所述预测模型输出各个所述区域图像的损失类型序列。


8.根据权利要求7所述的方法，其特征在于，当所述特征提取层的数量为多个时，各个所述特征提取层中使用的卷积核的尺寸保持不变，并且各个所述特征提取层中使用的卷积滑动步长在可选的多个步长数值中交替变化。


9.根据权利要求2或7所述的方法，其特征在于，所述区域图像的损失类型序列为包含多个概率值的概率向量，其中，不同的概率值对应不同的损失类型；根据各个所述区域图像的损失类型序列，确定所述视频帧的损失类型序列包括：
将各个所述区域图像对应的概率向量相加，并计算相加后的概率向量中各个概率值对应的平均值；

【专利技术属性】
技术研发人员：张霞，唐阳阳，
申请(专利权)人：网宿科技股份有限公司，
类型：发明
国别省市：上海;31