处理方法、处理设备及存储介质技术

技术编号:35841311 阅读:11 留言:0更新日期:2022-12-03 14:13
本申请提出了一种处理方法、处理设备及存储介质,处理方法包括以下步骤:获取或确定第二颜色分量信息;根据所述第二颜色分量信息和/或目标神经网络,预测或者得到对应的第一颜色分量块。本申请技术方案可以提高颜色分量信号预测的精准度。信号预测的精准度。信号预测的精准度。

【技术实现步骤摘要】
处理方法、处理设备及存储介质


[0001]本申请涉及信号数据处理
,具体涉及一种处理方法、处理设备及存储介质。

技术介绍

[0002]一些实现中,在利用luma(亮度)和chroma(色度)中的一个或两个对chroma信号进行预测时,是通过人为设计构建带参数的数学预测模型,并计算数学预测模型最优化参数。
[0003]在构思及实现本申请过程中,专利技术人发现至少存在如下问题:H.266/VVC中设计的数学预测模型基本上是线性预测模型,其线性特性限制了预测模型的表达能力及预测精准度;和/或,在通过神经网络预测模型预测chroma信号时,若采用单个神经网络预测模型进行预测,会存在预测颜色分量信号精准度低的问题。
[0004]前面的叙述在于提供一般的背景信息,并不一定构成现有技术。

技术实现思路

[0005]针对上述技术问题,本申请提供一种处理方法、处理设备及存储介质,旨在解决如何提高颜色分量信号预测的精准度的技术问题。
[0006]本申请提供一种处理方法,可应用于处理设备(如智能终端或服务器),包括步骤:S1:获取或确定第二颜色分量信息;S2:根据所述第二颜色分量信息和/或目标神经网络,预测或者得到对应的第一颜色分量块。
[0007]可选地,所述步骤S1之前,包括以下至少一项:获取或确定与待预测第一颜色分量块对应的第二颜色分量块中的第二颜色分量信息;获取所有的数据子集,根据每个所述数据子集对其对应的神经网络进行训练,得到目标神经网络。
[0008]可选地,所述获取所有的数据子集之前,还包括:获取或确定第一颜色分量块对应的第二颜色分量信息、邻居信息和编码参数中的至少一个;以所述第一颜色分量块为标签,将所述第一颜色分量块对应的第二颜色分量信息、所述第一颜色分量块对应的邻居信息和编码参数中的至少一个作为数据元素;根据模式选择模块和所述数据元素确定所述数据元素对应的数据子集。
[0009]可选地,在所述根据目标神经网络,预测或者得到对应的第一颜色分量块之前,还包括:步骤S22:将待预测第一颜色分量块对应的邻居信息、第二颜色分量信息和编码参数中的至少一个输入至模式选择模块,以使所述模式选择模块确定所述第一颜色分量块对应的目标神经网络。
[0010]可选地,所述步骤S22之前,还包括:步骤S21:若与所述第一颜色分量块相邻的第一颜色分量块中不存在第一颜色分量信息,则根据预设的第一颜色分量填充规则对与所述第一颜色分量块相邻的第一颜色分量块进行第一颜色分量信息填充,以得到所述第一颜色分量块对应的邻居信息。
[0011]可选地,所述根据目标神经网络,预测或者得到对应的第一颜色分量块包括至少以下一项:根据所述目标神经网络进行预测,得到第三颜色分量信号,根据所述第三颜色分量信号预测第一颜色分量信号,根据所述第一颜色分量信号确定第一颜色分量块;根据第一颜色分量信号对应的目标神经网络进行预测,得到第一颜色分量信号,并根据所述第一颜色分量信号确定预测后的第一颜色分量块;将第二颜色分量信息和邻居信息输入到所述目标神经网络,得到或者预测对应的第一颜色分量块;将所述第二颜色分量信息、邻居信息和编码参数输入到所述目标神经网络,得到或者预测对应的第一颜色分量块;若只存在一个所述目标神经网络,则将所述目标神经网络进行预测的预测结果作为预测后的第一颜色分量块;若存在至少一个所述目标神经网络,则获取或确定每个所述目标神经网络进行预测的预测结果,并包括以下至少一项:对所有所述预测结果进行汇总,得到或者预测对应的第一颜色分量块;选取所有所述预测结果中的一种预测结果作为第一颜色分量块;根据所有所述预测结果的一种函数确定第一颜色分量块。
[0012]可选地,所述方法还包括:步骤S4:获取或确定第一颜色分量块对应的第一颜色分量信息;步骤S5:根据第一颜色分量信息和目标神经网络进行预测,或者根据第一颜色分量信息进行预测,得到或者预测对应的第一颜色分量块。
[0013]本申请还提供一种处理方法,可应用于处理设备(如智能终端或服务器),包括以下步骤:S10:获取或确定第一颜色分量块对应的第二颜色分量信息、邻居信息和编码参数中的至少一个;S20:以第一颜色分量块为标签,将第二颜色分量信息、邻居信息和编码参数中的至少一个作为数据元素;S30:根据模式选择模块和所述数据元素确定所述数据元素对应的数据子集,以用于训练进行颜色分量信号预测的目标神经网络。
[0014]可选地,所述步骤S30,包括以下至少一项:将数据元素输入至模式选择模块,以使模式选择模块利用数据元素对应的第二颜色分量信息、邻居信息和编码参数中的至少一个,确定数据元素对应的数据子集;利用预设的数据规则,将数据元素进行数据分类,以将数据元素分类至所述对应的数据子集。
[0015]可选地,所述步骤S30之后,还包括:
步骤S40:获取或确定所有的数据子集,根据每个所述数据子集对其对应的神经网络进行训练,得到目标神经网络。
[0016]可选地,所述方法还包括:获取或确定第二颜色分量信息;基于模式选择模块确定第一颜色分量块对应的目标神经网络;根据所述第二颜色分量信息和/或目标神经网络,预测或者得到对应的第一颜色分量块。
[0017]本申请还提供一种处理装置,包括:获取模块,用于获取或确定第二颜色分量信息;预测模块,用于根据所述第二颜色分量信息和/或目标神经网络,预测或者得到对应的第一颜色分量块。
[0018]本申请还提供一种处理装置,包括:确定模块,用于获取或确定第一颜色分量块对应的第二颜色分量信息、邻居信息和编码参数中的至少一个;数据元素模块,用于以第一颜色分量块为标签,将第二颜色分量信息、邻居信息和编码参数中的至少一个作为数据元素;训练模块,用于根据模式选择模块和所述数据元素确定所述数据元素对应的数据子集,以用于训练进行颜色分量信号预测的目标神经网络。
[0019]本申请还提供一种处理设备,包括:存储器、处理器,其中,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时实现如上任一所述处理方法的步骤。
[0020]本申请还提供一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上任一所述处理方法的步骤。
[0021]如上所述,本申请的处理方法,可应用于处理设备,通过获取或确定待预测第二颜色分量信息,从而根据第二颜色分量信息和/或目标神经网络进行预测,得到预测后的第一颜色分量块。通过上述技术方案,能够基于待预测第一颜色分量块对应的第二颜色分量信息和/或目标神经网络准确预测第一颜色分量块,从而可以实现获取到第一颜色分量块中的颜色分量信号,提高了颜色分量信号预测的精准度,降低了颜色分量信号预测的复杂度。
附图说明
[0022]此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种处理方法,其特征在于,包括以下步骤:S1:获取或确定第二颜色分量信息;S2:根据所述第二颜色分量信息和/或目标神经网络,预测或者得到对应的第一颜色分量块。2.如权利要求1所述的方法,其特征在于,所述步骤S1之前,包括以下至少一项:获取或确定与第一颜色分量块对应的第二颜色分量块中的第二颜色分量信息;获取所有的数据子集,根据每个所述数据子集对其对应的神经网络进行训练,得到目标神经网络。3.如权利要求2所述的方法,其特征在于,所述获取所有的数据子集之前,还包括:获取或确定第一颜色分量块对应的第二颜色分量信息、邻居信息和编码参数中的至少一个;以所述第一颜色分量块为标签,将所述第一颜色分量块对应的第二颜色分量信息、所述第一颜色分量块对应的邻居信息和编码参数中的至少一个作为数据元素;根据模式选择模块和所述数据元素确定所述数据元素对应的数据子集。4.如权利要求1至3中任一项所述的方法,其特征在于,在所述根据目标神经网络,预测或者得到对应的第一颜色分量块之前,还包括:步骤S22:将第一颜色分量块对应的邻居信息、第二颜色分量信息和编码参数中的至少一个输入至模式选择模块,以使所述模式选择模块确定所述第一颜色分量块对应的目标神经网络。5.如权利要求4所述的方法,其特征在于,所述步骤S22之前,还包括:步骤S21:若与所述第一颜色分量块相邻的第一颜色分量块中不存在第一颜色分量信息,则根据预设的第一颜色分量填充规则对与所述第一颜色分量块相邻的第一颜色分量块进行第一颜色分量信息填充,以得到所述第一颜色分量块对应的邻居信息。6.如权利要求1至3中任一项所述的方法,其特征在于,所述根据目标神经网络,预测或者得到对应的第一颜色分量块包括至少以下一项:根据所述目标神经网络进行预测,得到第三颜色分量信号,根据所述第三颜色分量信号预测第一颜色分量信号,根据所述第一颜色分量信号确定第一颜色分量块;根据第一颜色分量信号对应的目标神经网络进行预测,得到第一颜色分量信号,并根据所述第一颜色分量信号确定第一颜色分量块;将第二颜色分量信息和邻居信息输入到所述目标神经网络,得到或者预测对应的第一颜色分量块;将所述第二颜色分量信息、邻居信息和编码参数输入到所述目标神经网络,得到或者预测对应的第一颜色分量块;若只存在一个所述目标神经网...

【专利技术属性】
技术研发人员:刘雨田
申请(专利权)人:深圳传音控股股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1