一种解码、编码方法、装置及其设备制造方法及图纸

本申请提供一种解码、编码方法、装置及其设备，该解码方法包括：对当前图像块对应的第一码流进行解码，得到所述当前图像块对应的系数超参特征；基于所述系数超参特征确定概率分布参数，基于所述概率分布参数对所述当前图像块对应的第二码流进行解码，得到所述当前图像块对应的初始重建特征；对当前图像块对应的第三码流进行解码，得到所述当前图像块对应的特征域增强参数；基于所述特征域增强参数和所述概率分布参数对所述初始重建特征进行特征域增强，得到增强重建特征，基于所述增强重建特征确定所述当前图像块对应的目标重建图像块。通过本申请技术方案，能够提高编码性能和解码性能。

【技术实现步骤摘要】

本申请涉及编解码，尤其是涉及一种解码、编码方法、装置及其设备。

技术介绍

1、为了达到节约空间的目的，视频图像都是经过编码后才传输的，完整的视频编码可以包括预测、变换、量化、熵编码、滤波等过程。针对预测过程，预测过程可以包括帧内预测和帧间预测，帧间预测是指利用视频时间域的相关性，使用邻近已编码图像的像素预测当前像素，以达到有效去除视频时域冗余的目的。帧内预测是指利用视频空间域的相关性，使用当前帧图像的已编码块的像素预测当前像素，以达到去除视频空域冗余的目的。

2、随着深度学习的迅速发展，深度学习在许多高层次的计算机视觉问题上取得成功，如图像分类、目标检测等，深度学习也逐渐在编解码领域开始应用，即可以采用神经网络对图像进行编码和解码。虽然基于神经网络的编解码方法展现出巨大性能潜力，但是，基于神经网络的编解码方法仍然存在编码性能较差、解码性能较差和复杂度较高等问题。

技术实现思路

1、有鉴于此，本申请提供一种解码、编码方法、装置及其设备，提高编码性能和解码性能。

2、本申请提供一种解码方法本文档来自技高网...

【技术保护点】

1.一种解码方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述特征域增强参数包括重要通道标识，所述初始重建特征包括C个特征通道图，所述概率分布参数包括C个概率分布通道图，所述C个概率分布通道图与所述C个特征通道图一一对应，所述方法还包括：

3.根据权利要求1所述的方法，其特征在于，

4.根据权利要求2或3所述的方法，其特征在于，所述初始重建特征包括重要特征通道图和非重要特征通道图，所述概率分布参数包括所述重要特征通道图对应的重要概率分布通道图和所述非重要特征通道图对应的非重要概率分布通道图，所述基于所述特征域增强参数和所述...

【技术特征摘要】

1.一种解码方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述特征域增强参数包括重要通道标识，所述初始重建特征包括c个特征通道图，所述概率分布参数包括c个概率分布通道图，所述c个概率分布通道图与所述c个特征通道图一一对应，所述方法还包括：

3.根据权利要求1所述的方法，其特征在于，

4.根据权利要求2或3所述的方法，其特征在于，所述初始重建特征包括重要特征通道图和非重要特征通道图，所述概率分布参数包括所述重要特征通道图对应的重要概率分布通道图和所述非重要特征通道图对应的非重要概率分布通道图，所述基于所述特征域增强参数和所述概率分布参数对所述初始重建特征进行特征域增强，得到增强重建特征，包括：

5.根据权利要求4所述的方法，其特征在于，所述特征域增强参数包括多个边缘增强分段强度值和多个边缘增强分段阈值，所述多个边缘增强分段阈值组成多个边缘增强阈值区间，且所述多个边缘增强阈值区间与所述多个边缘增强分段强度值一一对应；

6.根据权利要求5所述的方法，其特征在于，

7.根据权利要求4所述的方法，其特征在于，所述特征域增强参数包括拉伸参数值，所述基于所述特征域增强参数和所述非重要概率分布通道图对所述非重要特征通道图进行特征自适应拉伸，得到特征自适应拉伸后的第二重建特征，包括：

8.根据权利要求1-7任一项所述的方法，其特征在于，

9.根据权利要求8所述的方法，其特征在于，所述图像域增强参数包括多个图像增强分段强度值和多个图像增强分段阈值，所述多个图像增强分段阈值组成多个图像增强阈值区间，所述多个图像增强阈值...

【专利技术属性】
技术研发人员：刘昀卓，陈方栋，王莉，武晓阳，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：