本申请涉及图像处理技术领域，具体而言，涉及一种视频图像质量增强方法、装置以及视频画质增强方法。
背景技术：
视频编码指通过特定的压缩技术，将某个视频格式的视频文件转换成另外一种视频格式的视频文件。在通过网络传输视频数据的时候，为了能够减少需要传输的数据流量，减小视频传输对网络的压力，一般需要预先对网络视频进行编码，以实现对视频的压缩。视频编码后虽然体积有所降低，但编码后的视频会存在失真的问题，导致视频画面质量下降。另外，视频流数据在通过网络传输的过程中，会由于网络延时、卡顿等问题出现帧丢失、错位等问题，同样会导致视频画面质量下降。因此，为了提高视频画质，就要在对视频文件进行画质增强处理。
当前的画面质量增强方法一般是针对视频文件中的每一帧图像进行画质增强处理，也即基于每一帧图像的数据，对图像进行分辨率、色调、对比度、亮度、像素等进行调整，最终得到画质增强的视频文件。但是常规的画质增强方法，仅仅在原图像的基础上进行增强处理，或者由于原图像质量较差，增强之后的效果并不明显，图像质量提升有限，或者由于增强处理对原图像的改动过大，造成连续的不同图像之间的差异较大，视频不够“平滑”。因此，常规的视频图像画质增强效果并不理想，无法达到使用需求。
技术实现要素：
有鉴于此，本申请实施例的目的在于提供一种视频图像质量增强方法、装置以及视频画质增强方法，能够基于视频中质量较高的图像对其他质量较低的图像进行重构，重构后的图像会在很大程度上受到质量较高的图像的影响，能够大幅提升图像质量，满足用户的使用需求。另一方面，本申请实施例所提供的视频图像质量增强方法、装置以及视频画质增强方法，能够在增强图像质量的同时，使得连续不同图像之间的差异较小，过度较为平滑，提高用户感受。
第一方面，本申请实施例提供了一种视频图像质量增强方法，包括：
从视频当前位置获取第一预设帧数的连续图像；
检测所述第一预设帧数的连续图像中是否包括满足预设质量条件的基准图像；
若存在所述基准图像，则将所述第一预设帧数的连续图像中除基准图像外的图像作为待重构图像，基于所述基准图像对所述待重构图像执行图像重构处理。
第二方面，本申请实施例提供了一种视频画质增强方法，包括：
从待处理的视频或视频片段的初始位置起，循环执行权利要求1-8任一所述的视频图像质量增强方法，直至将待处理的视频或视频片段处理完毕。
第三方面，本申请实施例提供了一种视频图像质量增强装置，包括：
获取单元，用于从视频当前位置获取第一预设帧数的连续图像；
检测单元，用于检测所述第一预设帧数的连续图像中是否包括满足预设质量条件的基准图像；
重构单元，用于执行：若存在所述基准图像，则将所述第一预设帧数的连续图像中除基准图像外的图像作为待重构图像，并基于所述基准图像对所述待重构图像执行图像重构处理。
第本申请实施例在对视频中的图像进行质量增强的时候，首先要从当前位置获取第一预设帧数的连续图像，然后从获得的连续图像中，检测是否包括满足预设质量条件的基准图像。若存在基准图像，则基于该基准图像，对所获取的连续图像中的其他图像进行图像重构处理，也即能够基于质量较高的图像对质量较低的图像进行重构，因而对于本身质量较差的图像而言，重构后的图像会在很大程度上受到质量较高的图像的影响，能够大幅提升图像质量，满足用户的使用需求。另一方面，本申请实施例所提供的视频图像质量增强方法、装置以及视频画质增强方法，能够在增强图像质量的同时，使得连续不同图像之间的差异较小，过度较为平滑，提高用户感受。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例一所提供的一种视频图像质量增强方法的流程图；
图2示出了本申请实施例二所提供的图像重构处理的具体方法流程图；
图3示出了本申请实施例三所提供的另外一种视频图像质量增强方法的流程图；
图4示出了本申请实施例四所提供的一种视频画质增强方法的流程图；
图5示出了本申请实施例五所提供一种视频图像质量增强装置的具体结构示意图；
图6示出了本申请实施例六所提供的计算机设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的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。
目前的视频画质增强是针对视频文件中每一帧图像，在源图像的基础上进行增强处理，例如进行分辨率、色调、亮度、对比度以或者像素的调整，增强效果差，无法满足使用需求。基于此，本申请提供的一种视频图像质量增强方法以及装置，可以基于的多张连续图像中图像质量最高的一帧图像，对视频画质进行增强，能够获得更好的画质增强效果。
为便于对本实施例进行理解，首先对本申请实施例所公开的一种视频图像质量增强方法进行详细介绍，该方法主要用于对经过编码的视频进行图像质量增强。
参见图1所示，本申请实施例一提供的视频图像质量增强方法包括：
s101：从视频当前位置获取第一预设帧数的连续图像。
在具体实现的时候，视频由多张具有时序的图像组成，在使用压缩技术对视频编码的后，会造成组成视频的每张图像的画质都有一定程度的下降，并且不同图像的画质下降程度可能不同。以高效视频编码(highefficiencyvideocoding，hevc)压缩编码下的视频为例，从处于质量低谷的图像到与其相邻的处于质量顶峰的图像之间相差6帧左右的图像；而其它格式压缩编码下的视频，从处于质量低谷的图像到与其相邻的处于质量顶峰的图像之间相差数量更多或更少的图像。因此为了实现基于处于质量顶峰的图像对其它图像进行图像质量增强，需要从视频的当前位置获取第一预设帧数的连续图像。
第一预设帧数可以根据实际的需要进行具体的设定，也即，该第一预设帧数可以根据压缩技术所生成的视频中，处于质量低谷的图像到与其相邻的处于质量顶峰的图像之间的帧数差别来进行具体设定。例如假若视频是采用hevc进行压缩编码的，则可以将该第一预设帧数设定为3帧至6帧中任意一种。
s102：检测第一预设帧数的连续图像中是否包括满足预设质量条件的基准图像。
在具体实现的时候，当获取了第一预设帧数的连续图像后，要对所获取的连续图像的图像质量进行检测或者评估，检测其中是否包括预设质量条件的基准图像。
此处，预设质量条件可以根据实际的需要进行具体的设定；对于不同的视频来说，其图像质量实际上的呈现不同的趋势的，部分视频所包括的图像整体质量较高，可以将该预设质量条件设置的较为严格一些；对于包括的图像整体质量较低的视频，可以将预设质量条件设置的较为宽松一些。
具体地，可以采用下述方式中任意一种检测第一预设帧数的连续图像中是否包括满足预设质量条件的基准图像：
其一：基于无参考图像质量评估方法对第一预设帧数的连续图像的质量进行评价，找到满足预设质量条件的基准图像。
无参考图像质量评估方法(noreferenceimagequalityassessment，nr-iqa)，即没有原始图像信息作为参考的图像质量评估方法。无参考图像质量评估方法有多种实现方式，可以是常规的评估方法，例如计算反映图像质量的相应指标，以衡量图片的质量，也可以是基于机器学习的方法、或者基于图像信息熵的无参考图像质量评估方法等。
其二：将第一预设帧数的连续图像输入至预先训练好的二值分类器，
根据二值分类器对第一预设帧数的连续图像的分类结果判断是否包括满足预设质量条件的基准图像。
在具体实现的时候，二值分类器是预先使用符合预设质量条件的训练图像进行训练而得到。在对所获得的连图图像进行质量检测的时候，可以将得到的连续图像依次输入至该预先训练好的二值分类器，二值分类器能够输出各图像的二值分类结果，为：满足预设质量条件，或不满足预设质量条件。
s103：若从视频当前位置获取的第一预设帧数的连续图像中包括了满足预设质量条件的基准图像，将第一预设帧数的连续图像中除基准图像外的图像作为待重构图像，基于基准图像对待重构图像执行图像重构处理。
本申请实施例在对视频中的图像进行质量增强的时候，首先要从当前位置获取第一预设帧数的连续图像，然后从获得的连续图像中，检测是否包括满足预设质量条件的基准图像。若存在基准图像，则基于该基准图像，对所获取的连续图像中的其他图像进行图像重构处理，也即能够基于质量较高的图像对质量较低的图像进行重构，因而对于本身质量较差的图像而言，其重构后会在很大程度上受到质量较高的图像的影响，能够较大程度地提升这部分图像的质量。并且，从获得的连续图像中，基准图像与其他图像的画面内容通常差别很小，使用基准图像对其他图像进行增强处理，能够使得处理结果较为“平滑”，画质增强的效果更好，提升用户感受。
参见图2所示，本申请实施例二提供一种图像重构处理的具体方法，该方法将基准图像及带重构图像输入至cnn网络，做多层featuremap叠加加权处理，得到重构图像。该方法具体包括：
s201：将基准图像以及待重构图像输入至卷积神经网络，为基准图像提取第一特征映射，并为待重构图像提取第二特征映射。
s202：对第一特征映射和第二特征映射进行加权叠加处理，得到重构特征映射。
s203：基于重构特征映射得到重构图像，使用重构图像替换待重构图像。
在具体实现的时候，在对基准图像和待重构图像提取特征映射之前，要先使用满足预设质量条件的训练图像集合对卷积神经网络进行训练，使得卷积神经网络在为基准图像和待重构图像提取特征映射(featuremap)的时候，所提取的第一特征映射和第二特征映射能够更倾向于提取偏高清的特征。在使用卷积神经网络为基准图像和待重构图像提取特征映射的时候，是对构成基准图像和待重构图像进行卷积运算，分别提取表征基准图像第一特征映射和待重构图像的第二特征映射，该特征映射即为表征基准图像的特征矩阵或特征矩阵集合。
为基准图像提取能够表征该基准图像的第一特征映射，并为待重构图像提取能够表征该待重构图像的第二特征映射，且第一特征映射和第二特征映射的维度相同。
第一特征映射有一个，第二特征映射的数量与待重构图像的数量相等。在对第一特征映射和第二特征映射进行加权叠加处理的时候，是对一个第一特征映射和所有的第二特征映射进行加权叠加处理。对第一特征映射和第二特征映射进行加权叠加，可以分为两个过程，加权和叠加。加权即为按照预设的比重系数，对第一特征映射和第二特征映射进行加权处理。此处，第一特征映射和第二特征映射均对应有比重系数，切第一特征映射的比重系数大于第二特征映射的比重系数，且第一特征映射的比重系数和所第二特征映射的比重系数的和等于1。
此处，需要注意的是，不同待重构图像对应的第二特征映射的比重系数可以相同也可以不相同，具体可以根据实际的重构需要进行设定。例如：当第二特征映射的比重系数相同时，使用同一重构图像替换当前所获得的第一预设帧数的所有待重构图像，这样能够简化计算。而第二特征映射的比重系数也可以不同，例如：在计算某一待重构图像所对应的重构图像时，除了基准图像的特征映射所对应的比重系数大之外，该待重构图像的特征映射所对应的比重系数也可以大于其他带重构图像的特征映射所对应的比重系数，以更好的保留该待重构图像的“原始特征”。由于第一特征映射和第二特征映射实际上是多个由特征值构成的矩阵或矩阵集合，在对第一特征映射进行加权处理的时候，是将第一特征映射中各个特征值依次与第一特征映射对应的加权系数相乘，得到第一特征映射的加权矩阵或加权矩阵集合；对第二特征映射进行加权处理，是将第二特征映射中各个特征值依次与第二特征映射对应的加权系数，得到第二特征映射的加权矩阵或加权矩阵集合。
在对第一特征映射和第二特征映射进行叠加处理的时候，是将第一特征映射的加权矩阵或加权矩阵集合的每个特征值，与所有第二特征映射的加权矩阵对应位置的特征值或加权矩阵集合中对应矩阵的对应位置的特征值相加。
例如下述示例一：
第一预设帧数为4，从视频的当前位置得到的第一预设帧数的连续图像分别为图像a、图像b、图像c和图像d；其中图像b为满足预设质量条件的基准图像，图像a、图像c和图像d均为待重构图像。
在将图像a、图像b、图像c和图像d均输入至卷积神经网络后，为图像b提取的第一特征映射为(为简化示例，仅以特征矩阵的计算为例)：
为图像a、图像c和图像d分别提取的第二特征映射分别为：
图像a、图像c和图像d的比重系数分别为：s1、s2、s3；图像b的比重系数为l，则对图像a、图像b、图像c和图像d进行加权叠加，所得到的重构特征映射n满足：
其中，重构特征映射n为图像a、图像b和图像c共同的重构特征映射。在计算时，图像a、图像c和图像d的比重系数s1、s2、s3可以相同，此时，图像a、图像c和图像d重构之后的图像完全相同，能够简化计算。s1、s2、s3也可以不相同，比如，计算图像a对应的重构图像时，s1大于s2、s3，从而更好保留图像a的原始特征。
在得到重构特征映射后，能够基于重构特征映射得到重构图像，并使用重构图像替换所有待重构图像。例如：可以使用cnn网络的编码(encoder)过程获得特征映射，经过解码(decoder)过程得到图像。
例如在上述示例一种，使用重构特征映射n得到的重构图像为e，且比重系数s1、s2、s3相同时，使用重构图像替换所有待重构图像后，得到的与原图像序列对应的重构后的图像序列为：图像e、图像b、图像e、图像e，从而完成对待重构图像的重构。比重系数s1、s2、s3不相同的结果可以以此类推，此处不再赘述。
另外，除了如图2所示的图像重构处理方法之外，还可以采用其它计算方式。例如，在得带基准图像的第一特征映射和多张待重构图像的第二特征映射之后，基于基准图像的第一特征映射和每张待重构图像的第二特征映射，分别对每张待重构图像进行图像重构处理。
在具体实现的时候，基于基准图像的第一特征映射和每张待重构图像的第二特征映射，分别对每张待重构图像进行图像重构处理的时候，也可以采用将第一特征映射和第二特征映射进行加权叠加的方式，得到该第二特征映射表征的待重构图像的重构特征映射。其中，每张待重构图像和基准图像的比重系数之和为1，在对不同的待重构图像进行图像重构处理时，基准图像的比重系数可以相同，也可以不同。
示例二：第一预设帧数为4，从视频的当前位置得到的第一预设帧数的连续图像分别为图像a、图像b、图像c和图像d；其中图像b为满足预设质量条件的基准图像，图像a、图像c和图像d均为待重构图像。
在将图像a、图像b、图像c和图像d均输入至卷积神经网络后，为图像b提取的第一特征映射为(为简化示例，仅以特征矩阵的计算为例)：
为图像a、图像c和图像d分别提取的第二特征映射分别为：
在上述示例一中，作为待重构图像的图像a和作为基准图像的图像b的比重系数分别为α1和α2，在对图像a的第二特征映射和图像b的第一特征映射的进行加权叠加处理的时候，得到图像a的带重构特征映射na满足：
作为待重构图像的图像c和作为基准图像的图像b的比重系数分别为β1和β2，在对图像c的第二特征映射和图像b的第一特征映射的进行加权叠加处理的时候，得到图像c的带重构特征映射nc满足：
作为待重构图像的图像d和作为基准图像的图像b的比重系数分别为γ1和γ2，在对图像d的第二特征映射和图像b的第一特征映射的进行加权叠加处理的时候，得到图像d的带重构特征映射nd满足：
在得到每张待重构图像的重构特征映射后，能够基于每张待重构图像的重构特征映射得到该待重构图像对应的重构图像，并使用重构图像替换对应的待重构图像。
例如在上述示例二中，使用图像a的重构特征映射na得到的重构图像为a’，使用图像c的重构特征映射nc得到的重构图像为c’，使用图像d的重构特征映射nd得到的重构图像为d’，使用重构图像替换对应的待重构图像后，得到的与原图像序列对应的重构后的图像序列为：图像a’、图像b、图像c’、图像d’，从而完成对待重构图像的重构。
参见图3所示，本申请实施例三还提供另外一种视频图像质量增强方法，包括：
s301：从视频当前位置获取第一预设帧数的连续图像；
s302：检测第一预设帧数的连续图像中是否包括满足预设质量条件的基准图像；若是，则跳转至s303；若否，则跳转至s305。
s303：将第一预设帧数的连续图像中除基准图像外的图像作为待重构图像，基于基准图像对待重构图像执行图像重构处理。跳转至s304。
s301-s303可参见前述s101-s103，在此不再赘述。
s304：将当前位置移动第三预设帧数之后的位置，作为视频的新的当前位置；第三预设帧数小于或等于第一预设帧数。跳转s301。
在具体实现的时候，若从视频当前位置获取的第一预设帧数的连续图像中包括了基准图像，则基于基准图像对连续图像中，除基准图像以外的待重构图像进行图像重构处理。在执行完图像重构处理后，将当前位置移动到第三预设帧数之后的位置，作为视频新的当前位置，重新执行上述s301，直至视频或视频片段被处理完。
s305：继续往后获取第二预设帧数的连续图像，直至找到满足预设质量条件的基准图像。跳转至s306。
s306：将从当前位置起所获取的所有连续图像中除基准图像外的图像作为待重构图像，基于基准图像对待重构图像执行图像重构处理。跳转至s307。
在具体实现的时候，继续往后获取第二预设帧数的连续图像，是指和第一预设帧数的连续图像连续的第二预设帧数的连续图像。
此处，可以通过执行下述步骤继续往后获取第二预设帧的连续图像：
以已获取的连续图像的下一帧图像为临时获取位置，从临时获取位置起，获取第二预设帧数的连续图像；第二预设帧数小于或等于第一预设帧数。
例如，视频中包括了图像1、图像2、图像3、图像4、……、图像100共100张图像。第一预设帧数为3，第二预设帧数为2。假若从当前位置获取的3张连续图像为图像4、图像5和图像6，且图像4、图像5和图像6中并不包括满足预设质量条件的基准图像，以图像6的下一帧图像，也即图像7位临时获取位置，从图像7开始，则继续向后获取两张图像，也即获取图像7和图像8，并检测图像7和图像8中是否包括满足预设质量条件的基准图像。
若检测到图像7满足预设质量条件的基准图像，则将图像4、图像5、图像6和图像8作为待重构图像，并基于作为基准图像的图像7，对图像4、图像5、图像6和图像8执行图像重构处理。这里的图像重构处理和上述ⅰ中的图像重构处理相同，因此不再赘述。
若检测到图像7和图像8均未满足预设质量条件，继续将以图像8的下一帧图像，也即图像9为新的临时获取位置，从图像9开始，则继续向后获取两张图像，也即图像9和图像10，并重复基准图像的检测过程，直至找到满足预设质量条件的基准图像，并将之前所获取的未经过图像重构处理的所有图像作为待重构图像，使用找到的基准图像对待重构图像执行图像重构处理。s307：将临时获取位置作为视频的新的当前位置。跳转至s101。
对于下次的图像检测及相应的重构处理，由于本次对新的临时获取位置之前的图像均进行了检测，并进行了相应的重构处理，为了提高处理效率，下次的图像检测位置可以直接从新的临时获取位置开始。例如：假设一直到图像9、10中才检测到了基准图像——图像10，则本次已经检测原始的图像4、图像5、图像6、图像7、图像8均不满足质量要求，并已经使用了图像10对图像4、图像5、图像6、图像7、图像8、图像9进行了重构，则下一次处理的起点，可以直接从图像9开始，而不是仅仅从当前位置(即图像4)滑动第三预设帧数(例如：2)，这样，可以提高处理效率。
另外，在该实施例中，需要注意的是，防止待重构图像可能会包括场景过度内容，若使用一张基准图像执行图像重构处理的待重构图像的数量过多，可能会导致场景过度无法衔接，因此需要对使用一张基准图像执行图像重构处理的待重构图像的数量进行限制。
在具体实现的时候，若从当前临时位置起，获取第二预设帧数的连续图像的次数达到预设次数，则不再重新获取第二预设帧数的连续图像。放弃对当前位置的第一预设帧数的连续图像的画质增强操作。并且，此时，对于从当前临时位置起之前的图像已经进行了检测，下一轮操作没有必要再进行类似的检测和重构，则也可以直接将当前临时位置(例如前述示例中的图像9)作为新的当前位置，并返回s301，以提高处理效率。通过上述实施例，在从视频的当前位置获取第一预设帧数的连续图像中不包括满足预设质量条件的基准图像时，会继续往后获取第二预设帧数的连续图像，并检测第二预设帧数的连续图像中是否包括满足预设质量条件的基准图像，装置找到满足预设质量的基准条件为止，实现对从当前位置起，获取的所有连续图像中除基准图像外的待重构图像的重构，避免因从视频的当前位置获取第一预设帧数的连续图像中不包括满足预设质量条件的基准图像时，导致的频图像质量无法增强的问题。
参见图4所示，本申请实施例四还提供一种视频画质增强方法，该方法包括：
s401：从待处理的视频或视频片段的初始位置起，循环执行本申请实施例所述的视频图像质量增强方法，直至将待处理的视频或视频片段处理完毕。
本申请实施例提供的视频图像质量增强方法中，在对视频中画质进行质量增强的时候，是按照本申请实施例提供的视频图像质量增强方法，从待处理的视频或者视频片段的初始位置起，依次对视频或者视频片段中质量无法满足预设质量条件的图像进行重构，直至将待处理的视频或者视频片段处理完毕，能够使得视频或者视频片段中质量较差的图像在重构后更多的受到质量较高的图像的影响，使得视频的画质具有更好的增强效果。
基于同一发明构思，本申请实施例中还提供了与视频图像质量增强方法对应的视频图像质量增强装置，由于本申请实施例中的装置解决问题的原理与本申请实施例上述视频图像质量增强方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
参见图5所示，本申请实施例五还提供一种视频图像质量增强装置包括：
获取单元51，用于从视频当前位置获取第一预设帧数的连续图像；
检测单元52，用于检测第一预设帧数的连续图像中是否包括满足预设质量条件的基准图像；
重构单元53，用于执行：若存在基准图像，则将第一预设帧数的连续图像中除基准图像外的图像作为待重构图像，并基于基准图像对待重构图像执行图像重构处理。
本申请实施例对视频中的图像进行质量增强的时候，首先要从当前位置获取第一预设帧数的连续图像，然后从获得的连续图像中，检测是否包括满足预设质量条件的基准图像。若存在基准图像，则基于该基准图像，对所获取的连续图像中的其他图像进行图像重构处理，也即能够基于质量较高的图像对质量较低的图像进行重构，因而对于本身质量较差的图像而言，其重构后会在很大程度上受到质量较高的图像的影响，能够较多的提升这部分图像的质量，画质增强的效果更好，能够达到使用需求。
可选地，重构单元53用于通过下述步骤执行图像重构处理：
将基准图像以及待重构图像输入至卷积神经网络，为基准图像提取第一特征映射，并为待重构图像提取第二特征映射；
对第一特征映射和第二特征映射进行加权叠加处理，得到重构特征映射；
基于重构特征映射得到重构图像，使用重构图像替换待重构图像。
可选地，重构单元53用于通过下述步骤对第一特征映射和第二特征映射进行加权叠加处理：
按照预设的比重系数，对第一特征映射以及第二特征映射进行加权处理，且第一特征映射的比重系数大于第二特征映射的比重系数；
将进行了加权处理后的第一特征映射以及进行了加权处理后的第二特征映射进行叠加。
可选地，还包括：训练单元54，用于使用满足预设质量条件的训练图像集合对卷积神经网络进行训练。
可选地，第一移动单元55，用于在重构单元53对待重构图像执行图像重构处理之后，将当前位置移动第三预设帧数之后的位置，作为视频的新的当前位置；第三预设帧数小于或等于第一预设帧数。
可选地，还包括：重新获取单元56，用于执行若第一预设帧数的连续图像中未包括满足预设质量条件的基准图像，继续往后获取第二预设帧数的连续图像，直至找到满足预设质量条件的基准图像；
还包括第二重构单元57，用于将从当前位置起所获取的所有连续图像中除基准图像外的图像作为待重构图像，基于基准图像对待重构图像执行图像重构处理。
可选地，重新获取单元56，具体用于通过下述步骤续往后获取第二预设帧数的连续图像：
以已获取的连续图像的下一帧图像为临时获取位置，从临时获取位置起，获取第二预设帧数的连续图像；第二预设帧数小于或等于第一预设帧数；
还包括第二移动单元58，用于在第二重构单元57基于基准图像对待重构图像执行图像重构处理后，将临时获取位置作为视频的新的当前位置。
可选地，检测单元52具体用于：基于无参考图像质量评估方法对第一预设帧数的连续图像的质量进行评价，找到满足预设质量条件的基准图像；或者
将第一预设帧数的连续图像输入至预先训练好的二值分类器，
根据二值分类器对第一预设帧数的连续图像的分类结果判断是否包括满足预设质量条件的基准图像。
对应于图1中的视频图像质量增强方法，本申请实施例六还提供了一种计算机设备，如图6所示，该设备包括存储器1000、处理器2000及存储在该存储器1000上并可在该处理器2000上运行的计算机程序，其中，上述处理器2000执行上述计算机程序时实现上述视频图像质量增强方法的步骤。
具体地，上述存储器1000和处理器2000能够为通用的存储器和处理器，这里不做具体限定，当处理器2000运行存储器1000存储的计算机程序时，能够执行上述视频图像质量增强方法，从而解决基于当前图像数据对当前图像进行画质增强处理，导致的对于质量较差的当前图像在进行了画质增强后，也依然不会有较大的质量提升，无法达到使用需求的问题，进而达到基于视频中质量较高的图像对其他质量较低的图像进行重构，重构后的图像会在很大程度上受到质量较高的图像的影响，能够较多的提升这质量较差的图像的质量，画质增强的效果更好，能够达到使用需求的效果。
对应于图1中的视频图像质量增强方法，本申请实施例七还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述视频图像质量增强方法的步骤。
具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述视频图像质量增强方法，从而解决基于当前图像数据对当前图像进行画质增强处理，导致的对于质量较差的当前图像在进行了画质增强后，也依然不会有较大的质量提升，无法达到使用需求的问题，进而达到基于视频中质量较高的图像对其他质量较低的图像进行重构，重构后的图像会在很大程度上受到质量较高的图像的影响，能够较多的提升这质量较差的图像的质量，画质增强的效果更好，能够达到使用需求的效果。
本申请实施例所提供的一种视频图像质量增强方法、装置以及视频画质增强方法的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
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，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
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(可以是个人计算机，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(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、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所述以权利要求的保护范围为准。