一种超高清视频优化方法及系统

文档序号:516393 发布日期:2021-05-28 浏览:32次 >En<

阅读说明:本技术 一种超高清视频优化方法及系统 (Ultrahigh-definition video optimization method and system ) 是由 王兆春 于 2020-12-31 设计创作,主要内容包括:本申请提供一种超高清视频优化方法及系统,首先根据独创的自适应分组算法,进行了直方图的自适应划分,然后获得各直方图的增益曲线系数,继而通过轻量级深度神经网络,以轻量级的学习方式获得各直方图的均衡曲线系数,如此兼顾了处理效率和处理效果,既可以在电视设备进行流畅运行,又可以兼顾调整亮度分布和对比度分布,达到超高清视频优化的目标。(The application provides an ultra-high-definition video optimization method and system, firstly, self-adaptive division of histograms is carried out according to an original self-adaptive grouping algorithm, then gain curve coefficients of the histograms are obtained, and then balance curve coefficients of the histograms are obtained in a light-weight learning mode through a light-weight deep neural network, so that processing efficiency and processing effect are considered, smooth operation can be carried out on television equipment, brightness distribution and contrast distribution can be adjusted, and the purpose of ultra-high-definition video optimization is achieved.)

一种超高清视频优化方法及系统

技术领域

本申请涉及视频处理技术,尤其涉及一种超高清视频优化方法及系统。

背景技术

随着电视机技术的发展,超高清电视由于其画质清晰、细腻,受到用户的欢迎和市场追捧。图像信号处理器主要负责对图像传感器输出的信号进行处理,包括对亮度、对比度、颜色、噪声、缩放等一系列处理子模块。其中,亮度和对比度处理子模块主要负责调整图像信号的亮度分布和对比度,通常使用一条单一映射曲线对图像所有直方图进行重映射,使图像的整体亮度分布更加合理。如何最大限度发挥的作用,成为提升图像质量并保证视频稳定性的关键因素之一。

相关技术中,先对图像中的每个图像块的亮度分布信息进行分析,得到每个图像块的直方图,然后对每个直方图进行均衡化操作,得到每个图像块的色阶映射曲线,将输入像素的亮度映射到输出亮度上,以达到调整图像亮度分布的目的。

但是上述方法对所有图像块的亮度采用统一的调整方式,可能会导致图像局部噪声偏大、可控性差等问题,视频图像处理效果不理想,无法达到超高清视频目标。

发明内容

本申请提供一种超高清视频优化方法及系统,首先根据独创的自适应分组算法,进行了直方图的自适应划分,然后获得各直方图的增益曲线系数,继而通过轻量级深度神经网络,以轻量级的学习方式获得各直方图的均衡曲线系数,如此兼顾了处理效率和处理效果,既可以在电视设备进行流畅运行,又可以兼顾调整亮度分布和对比度分布,达到超高清视频优化的目标。

提出了一种超高清视频优化方法,所述方法包含以下步骤:

利用自适应分组模块将关键帧的直方图进行自适应划分;

利用分组映射计算模块计算各直方图分组的映射曲线;

利用曲线拟合模块对各直方图分组的映射曲线进行拟合,得到所述关键帧直方图的映射曲线;

利用增强优化模块根据所述关键帧直方图的映射曲线对所述关键帧进行增强优化。

作为一种可能的实现方式,自适应划分包括以下步骤:

计算第i个分组的直方图均值AVi

根据下式为各直方图分组分配动态范围Di

其中,Di是第i个分段在图像中的动态范围,λ表示可调整选择的系数,si+1和si表示关键帧图像的任意相邻的两个直方图;Lmax、Lmin分别表示组内的最大亮度值和最小亮度值;Gi是第i个分组伽马变换后的累计统计概率;h表示亮度值;TH表示自适应阈值;σ2表示方差。

作为一种可能的实现方式,所述计算各直方图分组内的映射曲线,包括:提取各直方图的至少一个特征,所述至少一个特征包括各直方图的亮度均值、亮度标准差、亮度方差;根据所述至少一个特征计算各直方图的增益曲线系数和均衡曲线系数;根据所述增益曲线系数和所述均衡曲线系数确定各直方图的映射曲线;

所述各直方图的增益曲线系数计算如下:

其中Lmax、Lmin分别表示组内的最大亮度值和最小亮度值。

作为一种可能的实现方式,所述各直方图的均衡曲线系数采用训练后的神经网络计算得到:

输入层输入当前直方图分组的至少一个特征,判别层设置有形状为梯形的判别函数,根据所述自适应分组模块划分出的N个组,设置N个阶梯值;规则层采用模糊推理系统标准规则方式,涵盖输入层至判别层的所有可能出现的组合方式;解模糊层采用最大隶属度法、重心法、加权平均法中的至少一种,计算输出均衡曲线系数,计算公式是其中,βi表示第i个直方图的均衡曲线系数,cj(j=1,2,…,l)表示规则层输出的第i个直方图的组合的系数,βj表示规则层设计的对应组合系统所需均衡曲线系数的第j个阶梯值。

作为一种可能的实现方式,所述计算各直方图分组内的映射曲线进一步包括:利用以下公式计算得到所述各直方图的映射曲线:

yi=αi×yi_gaini×yi_hist

其中,yi表示所述各直方图的映射曲线,αi表示所述各直方图的增益曲线系数,βi表示所述各直方图的均衡曲线系数,αi=1-βi,yi_gain表示所述各直方图的增益曲线,yi_hist表示所述各直方图的均衡曲线。

相应的,本申请还提出了一种超高清视频优化系统,所述系统包含以下模块:

自适应分组模块,用于将关键帧的直方图进行自适应划分;

分组映射计算模块,用于计算各直方图分组的映射曲线;

曲线拟合模块,用于对各直方图分组的映射曲线进行拟合,得到所述关键帧直方图的映射曲线;

增强优化模块,用于根据所述关键帧直方图的映射曲线对所述关键帧进行增强优化。

附图说明

图1展示了本申请超高清视频优化方法的逻辑处理过程

具体实施方式

为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请中的附图,对本申请中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。

图1为本申请实施例提供的图像增强处理方法实施例的流程图,如图1所示,一种超高清视频优化方法可以包括:

提出了一种超高清视频优化方法,所述方法包含以下步骤:

利用自适应分组模块将关键帧的直方图进行自适应划分;

利用分组映射计算模块计算各直方图分组的映射曲线;

利用曲线拟合模块对各直方图分组的映射曲线进行拟合,得到所述关键帧直方图的映射曲线;

利用增强优化模块根据所述关键帧直方图的映射曲线对所述关键帧进行增强优化。

作为一种可能的实现方式,自适应划分包括以下步骤:

计算第i个分组的直方图均值AVi

根据下式为各直方图分组分配动态范围Di

其中,Di是第i个分段在图像中的动态范围,λ表示可调整选择的系数,si+1和si表示关键帧图像的任意相邻的两个直方图;Lmax、Lmin分别表示组内的最大亮度值和最小亮度值;Gi是第i个分组伽马变换后的累计统计概率;h表示亮度值;TH表示自适应阈值;σ2表示方差。

作为一种可能的实现方式,所述计算各直方图分组内的映射曲线,包括:提取各直方图的至少一个特征,所述至少一个特征包括各直方图的亮度均值、亮度标准差、亮度方差;根据所述至少一个特征计算各直方图的增益曲线系数和均衡曲线系数;根据所述增益曲线系数和所述均衡曲线系数确定各直方图的映射曲线;

所述各直方图的增益曲线系数计算如下:

其中Lmax、Lmin分别表示组内的最大亮度值和最小亮度值。

作为一种可能的实现方式,所述各直方图的均衡曲线系数采用训练后的神经网络计算得到:

输入层输入当前直方图分组的至少一个特征,判别层设置有形状为梯形的判别函数,根据所述自适应分组模块划分出的N个组,设置N个阶梯值;规则层采用模糊推理系统标准规则方式,涵盖输入层至判别层的所有可能出现的组合方式;解模糊层采用最大隶属度法、重心法、加权平均法中的至少一种,计算输出均衡曲线系数,计算公式是其中,βi表示第i个直方图的均衡曲线系数,cj(j=1,2,…,l)表示规则层输出的第i个直方图的组合的系数,βj表示规则层设计的对应组合系统所需均衡曲线系数的第j个阶梯值。

作为一种可能的实现方式,所述计算各直方图分组内的映射曲线进一步包括:利用以下公式计算得到所述各直方图的映射曲线:

yi=αi×yi_gaini×yi_hist

其中,yi表示所述各直方图的映射曲线,αi表示所述各直方图的增益曲线系数,βi表示所述各直方图的均衡曲线系数,αi=1-βi,yi_gain表示所述各直方图的增益曲线,yi_hist表示所述各直方图的均衡曲线。

相应的,本申请还提出了一种超高清视频优化系统,所述系统包含以下模块:

自适应分组模块,用于将关键帧的直方图进行自适应划分;

分组映射计算模块,用于计算各直方图分组的映射曲线;

曲线拟合模块,用于对各直方图分组的映射曲线进行拟合,得到所述关键帧直方图的映射曲线;

增强优化模块,用于根据所述关键帧直方图的映射曲线对所述关键帧进行增强优化。

作为一种可能的实现方式,所述自适应划分包括以下步骤:

计算第i个分组的直方图均值AVi;

根据下式为各直方图分组分配动态范围Di;

其中,Di是第i个分段在图像中的动态范围,λ表示可调整选择的系数,si+1和si表示关键帧图像的任意相邻的两个直方图;Lmax、Lmin分别表示组内的最大亮度值和最小亮度值;Gi是第i个分组伽马变换后的累计统计概率;h表示亮度值;TH表示自适应阈值;σ2表示方差。

作为一种可能的实现方式,所述计算各直方图分组内的映射曲线,包括:提取各直方图的至少一个特征,所述至少一个特征包括各直方图的亮度均值、亮度标准差、亮度方差;根据所述至少一个特征计算各直方图的增益曲线系数和均衡曲线系数;根据所述增益曲线系数和所述均衡曲线系数确定各直方图的映射曲线;

所述各直方图的增益曲线系数计算如下:

其中Lmax、Lmin分别表示组内的最大亮度值和最小亮度值。

作为一种可能的实现方式,所述各直方图的均衡曲线系数采用训练后的神经网络计算得到:

输入层输入当前直方图分组的至少一个特征,判别层设置有形状为梯形的判别函数,根据所述自适应分组模块划分出的N个组,设置N个阶梯值;规则层采用模糊推理系统标准规则方式,涵盖输入层至判别层的所有可能出现的组合方式;解模糊层采用最大隶属度法、重心法、加权平均法中的至少一种,计算输出均衡曲线系数,计算公式是其中,βi表示第i个直方图的均衡曲线系数,cj(j=1,2,…,l)表示规则层输出的第i个直方图的组合的系数,βj表示规则层设计的对应组合系统所需均衡曲线系数的第j个阶梯值。

作为一种可能的实现方式,所述计算各直方图分组内的映射曲线进一步包括:利用以下公式计算得到所述各直方图的映射曲线:

yi=αi×yi_gain+βi×yi_hist

其中,yi表示所述各直方图的映射曲线,αi表示所述各直方图的增益曲线系数,βi表示所述各直方图的均衡曲线系数,αi=1-βi,yi_gain表示所述各直方图的增益曲线,yi_hist表示所述各直方图的均衡曲线。

在实现过程中,上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。处理器可以是通用处理器、数字信号处理器(digital signalprocessor,DSP)、特定应用集成电路(application-specific integrated circuit,ASIC)、现场可编程门阵列(field programmable gate array,FPGA)或其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。本申请实施例公开的方法的步骤可以直接体现为硬件编码处理器执行完成,或者用编码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。

上述各实施例中提及的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(read-onlymemory,ROM)、可编程只读存储器(programmable ROM,PROM)、可擦除可编程只读存储器(erasable PROM,EPROM)、电可擦除可编程只读存储器(electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(static RAM,SRAM)、动态随机存取存储器(dynamic RAM,DRAM)、同步动态随机存取存储器(synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(double data rateSDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(directrambus RAM,DR RAM)。应注意,本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。

本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。

所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。

在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。

10页详细技术资料下载
上一篇:一种医用注射器针头装配设备
下一篇:一种基于网线延长的8K超高清视频延长器

网友询问留言

已有0条留言

还没有人留言评论。精彩留言会获得点赞!

精彩留言,会给你点赞!

技术分类