【技术实现步骤摘要】
一种基于UV直方图特征的视频色彩增强方法及系统
[0001]本专利技术涉及一种视频处理技术,尤其涉及一种基于UV直方图特征的视频色彩增强方法及系统。
技术介绍
[0002]现有的关于视频色彩调节的算法,主要是在图像的RGB颜色空间、HSV颜色空间,通过人为调节参数,达到图像色彩增强的目的。一方面,无论是基于RGB颜色空间还是HSV颜色空间,对于视频来讲,都需要从YUV颜色空间转换到RGB颜色空间或者HSV颜色空间,这种颜色空间的转换本身就会耗费大量的时间,不利于实时性处理;另一方面,往往这种基于RGB颜色空间或HSV颜色空间的算法,依赖于人为对于参数的设置,不能很好的适用于各个场景,在算法的使用上存在不友好性。
[0003]RGB颜色空间的色彩增强算法:将视频从YUV颜色空间转换到RGB颜色空间,在RGB颜色空间调节饱和度:
[0004][0005]设置饱和度s的取值范围[
‑
100,100],根据设定的s,反推出饱和度调整之后图像RGB分量的值分别为r
′
、g
′
、b
′
,再从RGB颜色空间转换到YUV颜色空间。
[0006]k=s
·
128/100.0
[0007][0008][0009]HSV颜色空间的色彩增强算法:将视频从YUV颜色空间转换到HSV颜色空间,在HSV颜色空间调节饱和度:
[0010]S
′
=S
·
s
[0011]根据设置的 ...
【技术保护点】
【技术特征摘要】
1.一种基于UV直方图特征的视频色彩增强方法,其特征在于:包括:S1:通过深度神经网络学习得到模型权重weights[2][256
×
256];S2:学习UV分量的参数:将RGB图像转化到YUV颜色空间,在UV分量上计算直方图histUV[256
×
256],所述直方图histUV[256
×
256]和所述模型权重weights[2][256
×
256]相乘并求和得到最终的参数p
u
和p
v
:S3:计算图像UV分量的颜色增强之后的数据其中U、V表示输入视频的U和V分量数据,U
′
、V
′
表示U和V分量颜色增强之后的数据。2.如权利要求1所述的方法,其特征在于,还包括:S4:采用L1loss进行有效的监督学习其中N表示图像单个通道像素的个数;U
gt
、V
gt
表示fiveK数据集中GT的U和V分量数据。3.如权利要求1所述的方法,其特征在于,输入视频其进一步包括将RGB图像转化成YCbCr数据。4.如权利要求1所述的方法,其特征在于,步骤S1之前还包括:机器学习,评价机器学习有效性的方式是L1loss,下面是L1loss指标的计算公式:其中N表示图像单个通道像素的个数;U
gt
表示fiveK开源数据集中GT的U分量数据;V
gt
表示fiveK开源数据集中GT的V分量数据;U
′
表示模型训练过程输出的预测数据集中的U分量;V
′
表示模型训练过程输出的预测数据集中的V分量;这一部分是模型训练的最外层框架,用于判断训练结果是否达到最佳效果,这里使用了模型的预测数据,通过预测数据和源数据进行L1Loss的一个计算,当L1Loss的变化一直稳定在预设范围,认为训练已经达到效果,这里所谓的预测数据,就是步骤S1中U,V分量增强公式,计算得到的U,V分量增强后的数据。5.如权利要求4所述的方法,其特征在于,机器学习的过程就是模型训练,这一部分主要...
【专利技术属性】
技术研发人员:唐杰,张聪聪,朱运平,李庆瑜,戴立言,
申请(专利权)人:上海网达软件股份有限公司,
类型:发明
国别省市:
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。