【技术实现步骤摘要】
本申请涉及视频编码及滤波，尤其涉及一种b帧的多时间层分层滤波方法、装置、设备及介质。
技术介绍
1、深度学习技术在传统计算机视觉任务上不断取得突破，与深度学习相结合的视频编解码算法逐渐成为视频压缩与传输领域的关键技术，在此背景下，许多基于深度学习的环路滤波技术应运而生。基于深度学习的环路滤波技术本质上是借助于神经网络强大的非线性特征提取和表达能力，以原始图像为标签通过监督学习的方式进行训练，直接像素级回归出高质量图像。
2、然而，环路滤波技术应用于编码环路内对视频帧进行质量增强，相较于后处理质量增强技术会影响后续编码过程，使不同时间层帧的滤波质量参差不齐，滤波性能不佳。
技术实现思路
1、基于上述技术问题，本申请旨在提供一种b帧的多时间层分层滤波方法、装置、设备及介质，以解决滤波性能不佳的问题。
2、本申请第一方面提供了一种b帧的多时间层分层滤波方法，所述方法包括：
3、对目标视频帧进行预设编码配置，并在配置后对所述目标视频帧进行编码；
4、在对所述目标视频帧进行编码过程中确定待滤波b帧；
5、构建多时间层滤波模型，其中，所述多时间层滤波模型由多个迭代训练好的分层滤波模型集成得到；
6、使用所述多时间层滤波模型对所述待滤波b帧进行滤波，以得到滤波后视频帧。
7、在本申请的一些实施例中，所述预设编码配置包括随机接入配置和量化参数配置。
8、在本申请的一些实施例中，所述量化参数配置包括在预设
9、在本申请的一些实施例中，迭代训练分层滤波模型，包括：
10、根据量化参数值的不同，从低时间层到高时间层逐步迭代训练多个分层滤波模型，直至达到预设的迭代训练次数时停止训练。
11、在本申请的一些实施例中，所述根据量化参数值的不同，从低时间层到高时间层逐步迭代训练多个分层滤波模型，直至达到预设的迭代训练次数时停止训练，包括：
12、分别训练量化参数值为27、32、38和45下的分层滤波模型，在训练完成时得到4个训练好的低时间层滤波模型，其中，低时间层包括第一时间层和第二时间层；
13、分别训练量化参数值为27、32、38和45下的分层滤波模型，并采用第三时间层和第四时间层未滤波的b帧作为数据集，在训练完成时得到4个训练好的中时间层滤波模型；
14、分别训练量化参数值为27、32、38和45下的分层滤波模型，并采用第五时间层和第六时间层未滤波的b帧作为数据集，在训练完成时得到4个训练好的高时间层滤波模型。
15、在本申请的一些实施例中，所述数据集的获取方法包括：
16、关闭所述预设编解码器中的预设滤波工具，只开启所述低时间层滤波模型，采集量化参数值为27、32、38和45，编码配置为随机接入配置下的原始编码视频训练集；
17、在所述原始编码视频训练集中确定重构序列；
18、在所述重构序列中提取时间层为第三时间层和第四时间层且未滤波的b帧，将提取的时间层为第三时间层和第四时间层且未滤波的b帧，及与所述未滤波的b帧对应的原始视频帧作为训练中时间层滤波模型的数据集；
19、关闭所述预设编解码器中的预设滤波工具，开启所述低时间层滤波模型及中时间层滤波模型，采集量化参数值为27、32、38和45，编码配置为随机接入配置下的原始编码视频训练集作为第一训练集；
20、在所述第一训练集中确定第一重构序列；
21、在所述第一重构序列中提取时间层为第五时间层和第六时间层且未滤波的b帧，将提取的时间层为第五时间层和第六时间层且未滤波的b帧，及与所述未滤波的b帧对应的原始视频帧作为训练高时间层滤波模型的数据集。
22、在本申请的一些实施例中，所述方法还包括：
23、将所述多时间层滤波模型集成于预设编解码器，基于集成结果对所述目标视频帧进行编解码。
24、本申请第二方面提供了一种b帧的多时间层分层滤波装置，所述装置包括：
25、配置模块，用于对目标视频帧进行预设编码配置，并在配置后对所述目标视频帧进行编码；
26、确定模块，用于在对所述目标视频帧进行编码过程中确定待滤波b帧；
27、构建模块，用于构建多时间层滤波模型，其中，所述多时间层滤波模型由多个迭代训练好的分层滤波模型集成得到；
28、滤波模块，用于使用所述多时间层滤波模型对所述待滤波b帧进行滤波，以得到滤波后视频帧。
29、本申请第三方面提供了一种电子设备，包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行本申请各实施例中所述b帧的多时间层分层滤波方法。
30、本申请第四方面提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本申请各实施例中所述b帧的多时间层分层滤波方法。
31、本申请实施例中提供的技术方案，至少具有如下技术效果或优点：
32、本申请各实施例中的所述b帧的多时间层分层滤波方法，对目标视频帧进行预设编码配置，并在配置后对所述目标视频帧进行编码，在对所述目标视频帧进行编码过程中确定待滤波b帧，构建多时间层滤波模型，其中，所述多时间层滤波模型由多个迭代训练好的分层滤波模型集成得到，使用所述多时间层滤波模型对所述待滤波b帧进行滤波，以得到滤波后视频帧，如此，使b帧按时间层的高低均得到对应的分层滤波模型滤波，使每层帧的滤波质量都得以提升，滤波损失小，滤波性能提升。同时，被滤波后的帧用作后续待编码帧的参考时，也避免了过度滤波的情况，在不影响编码效率的情况下提升了滤波性能。
33、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
本文档来自技高网...【技术保护点】
1.一种B帧的多时间层分层滤波方法，其特征在于，所述方法包括：
2.根据权利要求1所述B帧的多时间层分层滤波方法，其特征在于，所述预设编码配置包括随机接入配置和量化参数配置。
3.根据权利要求2所述B帧的多时间层分层滤波方法，其特征在于，所述量化参数配置包括在预设编码标准下将量化参数分别配置为27、32、38和45的量化参数值。
4.根据权利要求3所述B帧的多时间层分层滤波方法，其特征在于，迭代训练分层滤波模型，包括：
5.根据权利要求4所述B帧的多时间层分层滤波方法，其特征在于，所述根据量化参数值的不同，从低时间层到高时间层逐步迭代训练多个分层滤波模型，直至达到预设的迭代训练次数时停止训练，包括：
6.根据权利要求5所述B帧的多时间层分层滤波方法，其特征在于，所述数据集的获取方法包括：
7.根据权利要求1所述B帧的多时间层分层滤波方法，其特征在于，所述方法还包括：
8.一种B帧的多时间层分层滤波装置，其特征在于，所述装置包括：
9.一种电子设备，包括存储器和处理器，其特征在于，存储器
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-7任意一项所述B帧的多时间层分层滤波方法。
...【技术特征摘要】
1.一种b帧的多时间层分层滤波方法，其特征在于，所述方法包括：
2.根据权利要求1所述b帧的多时间层分层滤波方法，其特征在于，所述预设编码配置包括随机接入配置和量化参数配置。
3.根据权利要求2所述b帧的多时间层分层滤波方法，其特征在于，所述量化参数配置包括在预设编码标准下将量化参数分别配置为27、32、38和45的量化参数值。
4.根据权利要求3所述b帧的多时间层分层滤波方法，其特征在于，迭代训练分层滤波模型，包括：
5.根据权利要求4所述b帧的多时间层分层滤波方法，其特征在于，所述根据量化参数值的不同，从低时间层到高时间层逐步迭代训练多个分层滤波模型，直至达到预设的迭代训练次数时停止...
【专利技术属性】
技术研发人员：马思伟，赵衍琛，贾川民，何汶轩，王苫社，
申请(专利权)人：北京大学，
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。