一种基于深度学习的超高清转换方法技术

本发明专利技术公开了一种基于深度学习的超高清转换方法。本发明专利技术首先建立三个基础3D查找表，通过发明专利技术的模型网络学习其参数，输入图像分别与3D查找表中参数进行插值运算得到三通道特征图像；将三通道特征图像分别通过深度多尺度增强网络获得特征增强图像，再与可学习网络模型输出的三通道参数乘性相加获得融合图像；最后融合图像与输入图像经过可学习导向滤波网络后，得到最终的超高清图像；联合损失函数使网络模型监督式学习收敛。本发明专利技术将3D查找表理论、超分辨增强网络结构以及导向滤波相结合，设计的超分辨‑HDR联合学习网络模型可实现端到端，模型复杂度低，转换后的超高清图像清晰自然，符合要求，有着广泛的应用前景。

【技术实现步骤摘要】

本专利技术属于超高清图像内容生成领域，具体涉及一种基于深度学习的超高清转换方法。

技术介绍

1、随着5g技术的突破，超高清视频产业发展迅速，4k超高清电视用户应用普及。与高清视频(720p/1080p)相比，超高清视频的分辨率从1080p增长到4k/8k，画质从标准动态范围(sdr)视频提高为高动态范围(hdr)。然而，目前的数字电视和互联网电视服务仍然主要提供高清分辨率和标准动态范围的传统视频内容，传统高清视频内容必须支持在超高清电视显示器上以4k/8k hdr标准呈现，因此在终端电视需要一种技术将高清视频转换为超高清视频以满足用户需求。此外，超高清设备昂贵且制作周期长，高质量的新媒体服务同样面临超高清片源短缺等问题。因此，将已有的优质高清视频转换成超高清视频的视频增强技术，已经成为超高清领域的研究热点，其能短期内扩大和积累高质量超高清片源，满足广大用户的超高清观看需求。

2、超高清图像转换是一个针对分辨率、色域以及亮度动态范围的多任务转换问题(分辨率→4k，色域bt.709→bt.2020,动态范围sdr→hdr)，所需要的核心技术主要包括本文档来自技高网...

【技术保护点】

1.一种基于深度学习的超高清转换方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于深度学习的超高清转换方法，其特征在于，步骤一中，所述的图像引导的可学习网络包括四个卷积网络层、一个全局均值池层、一个全连接层；

3.根据权利要求1所述的基于深度学习的超高清转换方法，其特征在于，步骤二中，所述的深度多尺度增强网络包括四个stage块级联以及一层卷积层，每个stage块的输出沿着通道连接，所述的stage块包括依次连接的三层下采样卷积层、多尺度卷积块和三层上采样卷积层。

4.根据权利要求1所述的基于深度学习的超高清转换方法，其特征在于，步骤三中，...

【技术特征摘要】

1.一种基于深度学习的超高清转换方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于深度学习的超高清转换方法，其特征在于，步骤一中，所述的图像引导的可学习网络包括四个卷积网络层、一个全局均值池层、一个全连接层；

3.根据权利要求1所述的基于深度学习的超高清转换方法，其特征在于，步骤二中，所述的深度多尺度增强网络包括四个stage块级联以及一层卷积层，每个s...

【专利技术属性】
技术研发人员：穆绍硕，张燕华，姜燕冰，柯毅，
申请(专利权)人：浙江传媒学院，
类型：发明
国别省市：