视频会议异常重构方法、计算机装置及存储介质制造方法及图纸

本发明专利技术公开了视频会议异常重构方法、计算机装置及存储介质，包括：获取连续的在线视频会议图像作为视频图像训练数据，通过压缩感知采样获取所述图像组的关键帧数据和非关键帧数据；对所述关键帧数据采用图像重构算法获取关键帧目标块，通过深度学习预测网络构建所述关键帧目标块对应所述非关键帧采样值间的映射网络，获取视频会议全局的空域数据；提取所述空域数据前后几帧的相似块构成图像信息的低秩张量，对视频会议的图像进行视频压缩获取张量逼近数据，对视频会议图像进行视频帧的重构，利用非局部相似性、低秩、组稀疏重构算法，有效地去除图像块效应，建立端到端的深度压缩感知重构网络，能够实现视频信号的有效重构，有效提高了重建性能。

【技术实现步骤摘要】

本专利技术涉及视频异常重构，具体涉及视频会议异常重构方法、计算机装置及存储介质。

技术介绍

1、视频重构技术旨在从退化的视频信号或者观测值中恢复出高质量的视频信号，在通信、视频会议等行业都有着广泛的应用，近年来，基于压缩感知的图像与视频重构算法得到了巨大的发展，然而，现有算法的重构质量难以满足应用需求，如何充分挖掘图像与视频的先验信息，设计主客观性能更好的重构算法，依然是图像与视频压缩感知领域亟待解决的问题。

2、现有的视频压缩感知技术与超分辨率技术最终目的都是从低维信号中恢复出高维信号，但是他们的使用场景并不相同，视频压缩感知在编码端采用了不同于传统框架的采样方式，以解决编码端资源受限的问题，然后在解码端从测量值中恢复出原始信号，视频超分辨率无需对编解码端做任何改变，主要用于对已有的低分辨率视频进行超分辨率重构，恢复出更高分辨率的视频，目前这两种常见的视频异常重构方法存在以下问题：（1）现有的视频重构算法具有运行速度快、低采样率下重构质量好的特点，但可解释性差，难以恢复高频信息，在视频压缩感知领域，神经网络实现研究较少，对时间相关性的建模能力本文档来自技高网...

【技术保护点】

1.视频会议异常重构方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的视频会议异常重构方法，其特征在于，

3.根据权利要求2所述的视频会议异常重构方法，其特征在于，

4.根据权利要求3所述的视频会议异常重构方法，其特征在于，

5.根据权利要求4所述的视频会议异常重构方法，其特征在于，

6.根据权利要求5所述的视频会议异常重构方法，其特征在于，

7.根据权利要求6所述的视频会议异常重构方法，其特征在于，

8.根据权利要求7所述的视频会议异常重构方法，其特征在于，

9.一种计算机装置，其特...

【技术特征摘要】

1.视频会议异常重构方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的视频会议异常重构方法，其特征在于，

3.根据权利要求2所述的视频会议异常重构方法，其特征在于，

4.根据权利要求3所述的视频会议异常重构方法，其特征在于，

5.根据权利要求4所述的视频会议异常重构方法，其...

【专利技术属性】
技术研发人员：请求不公布姓名，请求不公布姓名，
申请(专利权)人：深圳云天畅想信息科技有限公司，
类型：发明
国别省市：