一种基于卡尔曼滤波的视频伪影消除方法技术

本发明专利技术公开了一种基于卡尔曼滤波的视频伪影消除方法，涉及图像处理技术领域，主要包括步骤：根据先前恢复帧通过预测网络获取当前解码帧的先验估计以及先验误差协方差；根据先验误差协方差更新增益系数；根据当前解码帧通过测量网络获取当前帧的测量值；根据测量值和更新后的增益系数对先验估计进行修正获得后验估计；根据后验估计获取当前解码帧的恢复帧。本发明专利技术利用已经进行伪影消除处理的恢复帧的信息，以递归的形式将经验信息传递至后续的视频帧，从而帮助更好更快进行视频解压缩。从而帮助更好更快进行视频解压缩。从而帮助更好更快进行视频解压缩。

【技术实现步骤摘要】
一种基于卡尔曼滤波的视频伪影消除方法


[0001]本专利技术涉及图像处理
，具体涉及一种基于卡尔曼滤波的视频伪影消除方法。

技术介绍

[0002]视频是连续的图像序列，由连续的帧构成，一帧即为一幅图像。由于人眼的视觉暂留效应，当帧序列以一定的速率播放时，我们看到的就是动作连续的视频。由于连续的帧之间相似性极高，为便于储存传输，我们需要对原始的视频进行编码压缩，以去除空间、时间维度的冗余。
[0003]然而，压缩往往是有损的，其会随着量化参数QP的扩大逐渐增大。因此，解码过程需要进行反量化的操作进行残差复原，之后继续还原原始图像。而应用反量化会导致数据的丢失和失真，从而产生量化噪声，也即是能被人眼所识别视觉伪影。在早期，通常采用滤波器和稀疏编码的方式降低伪影的影响，而随着卷积神经网络的发展，也出现了通过卷积神经网络对目标帧内的伪影进行优化。然而现有方法对于伪影的处理大多基于目标帧自身的图像信息进行优化，在处理大批量视频帧时，其效率较低，难以满足视频高速流转的需求。

技术实现思路

[0004]为解决现有技术中的不足之处，在提高视频解码速度的同时降低伪影的影响，本专利技术提出了一种基于卡尔曼滤波的视频伪影消除方法，包括步骤：
[0005]S1：提取上一时刻已经解码并进行伪影消除后的先前恢复帧；
[0006]S2：根据先前恢复帧通过预测网络获取当前解码帧的先验估计以及先验误差协方差；
[0007]S3：根据先验误差协方差更新增益系数；
[0008]S4：根据当前解码帧通过测量网络获取当前帧的测量值；
[0009]S5：根据测量值和更新后的增益系数对先验估计进行修正获得后验估计；
[0010]S6：根据后验估计获取当前解码帧的恢复帧。
[0011]进一步地，所述S2步骤中，先验估计的获取表示为如下公式：
[0012][0013]式中，为当前解码帧的先验估计，A为时间t时的转换矩阵，为先前恢复帧，B为时间t时的控制矩阵，u
t
‑1为时间t
‑
1时的控制向量。
[0014]进一步地，所述S2步骤中，误差协方差的更新表示为如下公式：
[0015][0016]式中，为先验误差协方差，A为时间t时的转换矩阵，P
t
‑1为先前恢复帧的误差协方差，T为对矩阵的转置操作，Q为过程噪声的协方差。
[0017]进一步地，恢复帧的误差协方差的获取表示为如下公式：
[0018][0019]式中，P
t
为时间t时恢复帧的误差协方差。
[0020]进一步地，所述S3步骤中，增益系数的更新表示为如下公式：
[0021][0022]式中，K
t
为更新后的增益系数，H为测量矩阵，R为测量噪声的协方差。进一步地，所述S4步骤中，测量值的获取表示为如下公式：
[0023]Z
t
＝HX
t
+v
t
[0024]式中，Z
t
为测量值，H为测量矩阵，X
t
为当前解码帧，v
t
为测量噪声。
[0025]进一步地，所述S5步骤中，后验估计的获取表示为如下公式：
[0026][0027]式中，为后验估计，为先验估计。
[0028]进一步地，在初始状态下，选用目标视频画面组中的帧内编码帧作为初始帧进行先前恢复帧的获取。
[0029]与现有技术相比，本专利技术至少含有以下有益效果：
[0030](1)本专利技术所述的一种基于卡尔曼滤波的视频伪影消除方法，通过将卡尔曼滤波器用于伪影消除，可以利用已经进行伪影消除处理的恢复帧的信息，以递归的形式将经验信息传递至后续的视频帧，从而帮助更好更快进行视频解压缩；
[0031](2)相较于传统伪影消除方法，在逐帧消除伪影的时候，由于并不过渡依赖对当前解码帧信息的解析，而是借助先前恢复帧的经验进行伪影消除，因此伪影消除效率大幅提升，能够有效提高视频解码的速度。
附图说明
[0032]图1为一种基于卡尔曼滤波的视频伪影消除方法的步骤图。
具体实施方式
[0033]以下是本专利技术的具体实施例并结合附图，对本专利技术的技术方案作进一步的描述，但本专利技术并不限于这些实施例。
[0034]实施例一
[0035]首先，我们来了解一下卡尔曼滤波，其特点是在线性状态空间表示的基础上对噪声的输入和观测信号进行处理，求取系统状态或真实信号。进一步来讲，是在线性系统的状态空间表示基础上，从输出和输入观测数据求系统状态的最优估计。这里所说的系统状态，是总结系统所有过去的输入和扰动对系统的作用的最小参数的集合，知道了系统的状态就可以与未来的输入与系统的扰动一起确定系统的整个行为。
[0036]卡尔曼滤波不要求信号和噪声都是平稳的，对于每个时刻的系统扰动和观测噪声，只要对它们的性质作某些适当的假定，通过对含有噪声的观测信号进行处理，就能在平均的意义上，求得误差为最小的真实信号的估计值。正是基于卡尔曼滤波上述所述的特征，考虑到视频帧之间的连续性和相似性，如图1所示，本专利技术提出了一种基于卡尔曼滤波的视
频伪影消除方法，包括步骤：
[0037]S1：提取上一时刻已经解码并进行伪影消除后的先前恢复帧；
[0038]S2：根据先前恢复帧通过预测网络获取当前解码帧的先验估计以及先验误差协方差；
[0039]S3：根据先验误差协方差更新增益系数；
[0040]S4：根据当前解码帧通过测量网络获取当前帧的测量值；
[0041]S5：根据测量值和更新后的增益系数对先验估计进行修正获得后验估计；
[0042]S6：根据后验估计获取当前解码帧的恢复帧。
[0043]在这里，我们选择将上一时刻已经解码并进行伪影消除后的先前恢复帧作为卡尔曼滤波的系统状态。这是因为先前恢复帧相较当前解码帧而言，由于其本身已经大幅减少了视频伪影的干扰，同时由于其与当前需要恢复的解码帧属于前后时序关系，因此完全可以将其作为判定系统未来行为的依据。那么，根据卡尔曼滤波的结构特性，需要根据系统状态先进行先验估计的获取，而后根据测量值再对先验估计进行修正。其中，先验估计的获取具体表示为如下公式：
[0044][0045]式中，为当前解码帧的先验估计，A为时间t时的转换矩阵，为先前恢复帧，B为时间t时的控制矩阵，u
t
‑1为时间t
‑
1时的控制向量。
[0046]这里，本专利技术以先前恢复帧内的参数信息作为经验，借助连续帧之间的相关性，最大程度上地将对当前解码帧恢复有用的信息运用到估计当中，从而能够根据最新、最相关的前序信息获得当前解码帧的先验估计。
[0047]而测量值的获取则可表示为如下公式：
[0048]Z
t
＝HX
t
+v
t
[0049]式中，Z
...

【技术保护点】

【技术特征摘要】
1.一种基于卡尔曼滤波的视频伪影消除方法，其特征在于，包括步骤：S 1：提取上一时刻已经解码并进行伪影消除后的先前恢复帧；S2：根据先前恢复帧通过预测网络获取当前解码帧的先验估计以及先验误差协方差；S3：根据先验误差协方差更新增益系数；S4：根据当前解码帧通过测量网络获取当前帧的测量值；S5：根据测量值和更新后的增益系数对先验估计进行修正获得后验估计；S6：根据后验估计获取当前解码帧的恢复帧。2.如权利要求1所述的一种基于卡尔曼滤波的视频伪影消除方法，其特征在于，所述S2步骤中，先验估计的获取表示为如下公式：式中，为当前解码帧的先验估计，A为时间t时的转换矩阵，为先前恢复帧，B为时间t时的控制矩阵，u
t
‑1为时间t
‑
1时的控制向量。3.如权利要求1所述的一种基于卡尔曼滤波的视频伪影消除方法，其特征在于，所述S2步骤中，误差协方差的更新表示为如下公式：式中，为先验误差协方差，A为时间t时的转换矩阵，P
t
‑1为先前恢复帧的误差协方差，T为对矩阵的转置操作，Q为过程噪声的协方差。4.如权利要求3所述的一种基于卡尔曼滤波的视频伪影消...

【专利技术属性】
技术研发人员：王兰，郭咏梅，郭咏阳，
申请(专利权)人：康达洲际医疗器械有限公司，
类型：发明
国别省市：