视频压缩方法、装置、设备及存储介质与流程

文档序号:29739230发布日期:2022-04-21 18:45阅读:来源:国知局

技术特征:
1.一种视频压缩方法,其特征在于,包括以下:获取待处理视频,将所述待处理视频划分成包含若干连续的帧数据的图像集合;从所述图像集合中获取一帧数据,从数据库中获取在所述帧数据前连续的三个帧数据对应的重建帧数据;采用conv-lstm模块基于所述重建帧数据生成所述帧数据对应的预测帧数据;对所述帧数据和所述预测帧数据进行特征提取,分别生成第一特征图和第二特征图;计算所述第一特征图和所述第二特征图的残差特征,对所述残差特征进行压缩处理后,与所述第二特征图相加,获得第三特征图;基于所述第三特征图进行图像重建,获得所述帧数据对应的初步重建帧数据;基于所述帧数据和所述初步重建帧数据生成差分图像,对所述差分图像进行压缩处理后,与所述初步重建帧数据进行相加,获得中间重建帧数据;对所述中间重建帧数据进行融合色差去除,生成所述帧数据对应的重建帧数据;将所述重建帧数据依序存储在所述数据库中,并获取下一帧数据,直至获得所有帧数据对应的重建帧数据,以获得目标视频。2.根据权利要求1所述的视频压缩方法,其特征在于,所述对所述残差特征进行压缩处理,或对所述差分图像进行压缩处理,包括以下:采用第一编码器对所述残差特征或所述差分图像进行编码,并对编码后的残差特征或差分图像进行量化,获得第一处理数据;基于所述第一处理数据采用高斯混合模型确定所述第一处理数据对应的特征分布;采用自编码器根据所述特征分布对所述第一处理数据进行压缩处理。3.根据权利要求2所述的视频压缩方法,其特征在于,所述基于所述第一处理数据采用高斯混合模型确定所述第一处理数据对应的特征分布,包括以下:对所述第一处理数据进行编码,量化,自编码生成分布参数;其中,所述分布参数高斯混合模型中各个子模型对应的期望、方差以及在高斯混合模型中发生的概率,每一子模型对应一类别特征;根据所述分布参数确定所述第一处理数据对应的特征分布。4.根据权利要求3所述的视频压缩方法,其特征在于,所述确定所述第一处理数据对应的特征分布,包括以下:根据下述公式确定特征分布:其中,μ为子模型k的期望,σ为子模型k的方差,α为子模型k在高斯混合模型中发生的概率。5.根据权利要求2所述的视频压缩方法,其特征在于,包括以下:在对编码后的残差特征或差分图像进行量化时,采用先验概率模型对所述残差特征或差分图像的特征分布进行估计,以生成参考分布;在采用高斯混合模型确定所述第一处理数据对应的特征分布后,基于所述参考分布对所述特征分布进行调整。6.根据权利要求2所述的视频压缩方法,其特征在于,在对编码后的残差特征或差分图
像进行量化后,还包括:对所述编码后的残差特征或差分图像进行熵编码。7.根据权利要求1所述的视频压缩方法,其特征在于,所述基于所述第三特征图进行图像重建,获得所述帧数据对应的初步重建帧数据,包括以下:采用深度卷积生成对抗网络模型基于所述第三特征图进行图像重建,获得所述帧数据对应的初步重建帧数据。8.一种视频压缩装置,其特征在于,包括以下:预处理模块,用于获取待处理视频,将所述待处理视频划分成包含若干连续的帧数据的图像集合;从所述图像集合中获取一帧数据,从数据库中获取在所述帧数据前连续的三个帧数据对应的重建帧数据;第一处理模块,用于采用conv-lstm模块基于所述重建帧数据生成所述帧数据对应的预测帧数据;特征提取模块,用于对所述帧数据和所述预测帧数据进行特征提取,分别生成第一特征图和第二特征图;第二处理模块,用于计算所述第一特征图和所述第二特征图的残差特征,对所述残差特征进行压缩处理后,与所述第二特征图相加,获得第三特征图;重建模块,用于基于所述第三特征图进行图像重建,获得所述帧数据对应的初步重建帧数据;第三处理模块,用于基于所述帧数据和所述初步重建帧数据生成差分图像,对所述差分图像进行压缩处理后,与所述初步重建帧数据进行相加,获得中间重建帧数据;第四处理模块,用于对所述中间重建帧数据进行融合色差去除,生成所述帧数据对应的重建帧数据;执行模块,用于将所述重建帧数据依序存储在所述数据库中,并获取下一帧数据,直至获得所有帧数据对应的重建帧数据,以获得目标视频。9.一种计算机设备,其特征在于,所述计算机设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述视频压缩方法的步骤。10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现上述权利要求1-7任一项所述视频压缩方法的步骤。

技术总结
本发明提供了一种视频压缩方法、装置、设备及存储介质,涉及图像处理技术领域,包括:获取待处理视频,划分成包含若干连续的帧数据的图像集合;获取一帧数据,获取在前连续的三个帧数据对应的重建帧数据;采用Conv-LSTM模块基于重建帧数据生成帧数据对应的预测帧数据;对帧数据和预测帧数据进行特征提取,计算残差特征,获得第三特征图;进行图像重建,获得初步重建帧数据;生成差分图像,获得中间重建帧数据;进行融合色差去除,生成帧数据对应的重建帧数据;将重建帧数据依序存储在数据库中,直至获得所有帧数据对应的重建帧数据,获得目标视频;解决现有视频压缩方法需要运动估计和运动补偿,存储量较大,存储空间大,压缩效率较低的问题。的问题。的问题。


技术研发人员:李才博 吴斌 王迅
受保护的技术使用者:昭通亮风台信息科技有限公司
技术研发日:2022.01.10
技术公布日:2022/4/20
当前第2页1 2 
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!
1