【技术实现步骤摘要】
本公开的实施例涉及计算机，具体涉及质量增强视频发送方法、装置、电子设备和可读介质。
技术介绍
1、近年来，视频在互联网上的传播愈发频繁，人们对高清视频的需求也越来越大。由于网络传输带宽的限制，视频必须经过压缩编码才能在互联网中传播。然而，压缩编码不可避免地会给视频带来失真，这会严重影响视频观看者的主观感受。因此，针对有损压缩视频进行视频质量增强，减轻其在有损压缩过程中的质量损失，从而生成更接近无损的高质量视频是十分必要的。目前，在对质量增强后的视频进行发送操作时，通常采用的方式为：通过利用通用深度神经网络模型(通常网络模型深度较深或模型较复杂，例如卷积神经网络模型)，对有损压缩视频中的每帧图像统一进行质量增强(关键帧和参考帧都进行质量增强)。然后将质量增强后的视频发送至相关显示终端。
2、然而，当采用上述方式对质量增强后的视频进行发送操作时，经常会存在如下技术问题：
3、采用通用神经网络模型对有损压缩视频中的每帧图像进行质量增强，一方面，由于通用神经网络模型的网络深度较深或者模型复杂度较高，容易导致模型的计算复杂度较高，导致计算机处理器资源的浪费；另一方面，对有损压缩视频的每帧图像都进行质量增强，通常会使网络的输入趋于多帧(例如，b帧质量增强需要依赖当前帧的前一帧与后一帧)，且需要利用参考帧进行信息补偿增强，会进一步增加缓存资源的占用，导致缓存资源的浪费。
4、继续的，在采用技术方案解决上述技术问题的过程中，进一步存在如下技术问题：
5、在对每帧图像进行质量增强的过程中，常规的技术
6、该
技术介绍
部分中所公开的以上信息仅用于增强对本专利技术构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
2、本公开的一些实施例提出了用于质量增强视频发送方法、装置、电子设备和计算机可读介质，来解决以上
技术介绍
部分提到的技术问题中的一项或多项。
3、第一方面，本公开的一些实施例提供了一种质量增强视频发送方法，该方法包括：获取待质量增强目标视频；对于上述待质量增强目标视频中的每帧待质量增强目标图像，对上述待质量增强目标图像进行颜色空间转换处理，得到颜色空间转换处理后的待质量增强目标图像作为转换待质量增强目标图像；将所得到的各个转换待质量增强目标图像组成的视频确定为转换待质量增强视频；对于上述转换待质量增强视频中的每帧转换待质量增强图像，执行以下步骤：响应于确定上述转换待质量增强图像对应的编码类型为关键帧类型，对上述转换待质量增强图像进行分量分离处理，以生成亮度分量图像和色度分量图像；根据上述亮度分量图像和预先训练的亮度图像质量增强模型，生成亮度增强图像，其中，上述亮度图像质量增强模型包括：特征提取层、权重特征提取层、特征阶跃层和图像重建层；根据上述亮度增强图像和上述色度分量图像，生成质量增强图像；将上述质量增强图像确定为转换待质量增强图像，以对上述转换待质量增强图像进行更新；将进行转换待质量增强图像更新后的转换待质量增强视频确定为质量增强视频；将上述质量增强视频发送至相关联的显示终端。
4、第二方面，本公开的一些实施例提供了一种质量增强视频发送装置，装置包括：获取单元，被配置成获取待质量增强目标视频；转换处理单元，被配置成对于上述待质量增强目标视频中的每帧待质量增强目标图像，对上述待质量增强目标图像进行颜色空间转换处理，得到颜色空间转换处理后的待质量增强目标图像作为转换待质量增强目标图像；第一确定单元，被配置成将所得到的各个转换待质量增强目标图像组成的视频确定为转换待质量增强视频；执行单元，被配置成对于上述转换待质量增强视频中的每帧转换待质量增强图像，执行以下步骤：响应于确定上述转换待质量增强图像对应的编码类型为关键帧类型，对上述转换待质量增强图像进行分量分离处理，以生成亮度分量图像和色度分量图像；根据上述亮度分量图像和预先训练的亮度图像质量增强模型，生成亮度增强图像，其中，上述亮度图像质量增强模型包括：特征提取层、权重特征提取层、特征阶跃层和图像重建层；根据上述亮度增强图像和上述色度分量图像，生成质量增强图像；将上述质量增强图像确定为转换待质量增强图像，以对上述转换待质量增强图像进行更新；第二确定单元，被配置成将进行转换待质量增强图像更新后的转换待质量增强视频确定为质量增强视频；发送单元，被配置成将上述质量增强视频发送至相关联的显示终端。
5、第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
6、第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
7、本公开的上述各个实施例中具有如下有益效果：通过本公开的一些实施例的质量增强视频发送方法，可以提高重建后视频的质量、可以减少计算机处理器资源的浪费和缓存资源的浪费。具体来说，造成计算机处理器资源的浪费和缓存资源的浪费的原因在于：采用通用神经网络模型对有损压缩视频中的每帧图像进行质量增强，一方面，由于通用神经网络模型的网络深度较深或者模型复杂度较高，容易导致模型的计算复杂度较高，导致计算机处理器资源的浪费；另一方面，对有损压缩视频的每帧图像都进行质量增强，通常会使网络的输入趋于多帧，且需要利用参考帧进行信息补偿增强，会进一步增加缓存资源的占用，导致缓存资源的浪费。基于此，本公开的一些实施例的质量增强视频发送方法，首先，获取待质量增强目标视频。由此，可以得到从终端视频采集设备获取到的待质量增强目标视频。然后，对于上述待质量增强目标视频中的每帧待质量增强目标图像，对上述待质量增强目标图像进行颜色空间转换处理，得到颜色空间转换处理后的待质量增强目标图像作为转换待质量增强目标图像。将所得到的各个转换待质量增强目标图像组成的视频确定为转换待质量增强视频。由此，可以得到表征亮度信息和色度信息的转换待质量增强视频。之后，对于上述转换待质量增强视频中的每帧转换待质量增强图像，执行以下步骤：响应于确定上述转换待质量增强图像对应的编码类型为关键帧类型，对上述转换待质量增强图像进行分量分离处理，以生成亮度分量图像和色度分量图像。由此，可以得到转换待质量增强视频中转换待质量增强图像类型为关键帧的亮度分量图像和色度分量图像。其次，根据上述亮度分量图像和预先训练的亮度图像质量增强模型，生成亮度增强图本文档来自技高网...
【技术保护点】
1.一种质量增强视频发送方法，包括：
2.根据权利要求1所述的方法，其中，所述根据所述亮度分量图像和预先训练的亮度图像质量增强模型，生成亮度增强图像，包括：
3.根据权利要求1所述的方法，其中，所述对所述转换待质量增强图像进行分量分离处理，以生成亮度分量图像和色度分量图像，包括：
4.根据权利要求3所述的方法，其中，所述对所述转换待质量增强图像进行色度分量分离处理，得到色度分量分离处理后的转换待质量增强图像作为色度分量图像，包括：
5.根据权利要求1所述的方法，其中，所述亮度图像质量增强模型是通过以下方式训练得到的：
6.根据权利要求5所述的方法，其中，训练得到所述亮度图像质量增强模型的步骤还包括：
7.根据权利要求1所述的方法，其中，所述待质量增强目标图像中的每个待质量增强目标像素包括红颜色分量、绿颜色分量和蓝颜色分量，所述转换待质量增强目标图像中的每个转换待质量增强目标像素包括：亮度分量、色调分量和饱和度分量；以及
8.一种质量增强视频发送装置，包括：
9.一种电子设备，包括：p>
10.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1至7中任一所述的方法。
...【技术特征摘要】
1.一种质量增强视频发送方法，包括：
2.根据权利要求1所述的方法，其中，所述根据所述亮度分量图像和预先训练的亮度图像质量增强模型，生成亮度增强图像，包括：
3.根据权利要求1所述的方法，其中，所述对所述转换待质量增强图像进行分量分离处理，以生成亮度分量图像和色度分量图像，包括：
4.根据权利要求3所述的方法，其中，所述对所述转换待质量增强图像进行色度分量分离处理，得到色度分量分离处理后的转换待质量增强图像作为色度分量图像，包括：
5.根据权利要求1所述的方法，其中，所述亮度图像质量增强模型是通过以下方式训...
【专利技术属性】
技术研发人员：昝劲文，林邴琪，周学武，李国新，张韵东，
申请(专利权)人：北京中星天视科技有限公司，
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。