[發(fā)明專利]圖像的傳輸方法、裝置和系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201710422138.4
• 申請日: 2017-06-06
• 公開（公告）號: CN107172428B
• 公開（公告）日: 2019-06-28
• 發(fā)明（設(shè)計(jì)）人: 楊文晉;蘇睿
• 申請（專利權(quán)）人: 西安萬像電子科技有限公司
• 主分類號: H04N19/184
• 分類號: H04N19/184;H04N19/146;G06N3/08
• 代理公司: 北京康信知識產(chǎn)權(quán)代理有限責(zé)任公司 11240
• 代理人: 趙囡囡;褚敏

本發(fā)明公開了一種圖像的傳輸方法、裝置和系統(tǒng)。其中，該方法包括：根據(jù)傳輸網(wǎng)絡(luò)的當(dāng)前網(wǎng)絡(luò)狀態(tài)，確定原始目標(biāo)圖像的位平面編碼數(shù)量，其中，原始目標(biāo)圖像為待傳輸圖像；對位平面編碼數(shù)量的位平面信息進(jìn)行編碼，得到編碼后的碼流；傳輸編碼后的碼流。本發(fā)明解決了現(xiàn)有技術(shù)中視頻數(shù)據(jù)在傳輸時(shí)占用帶寬較大，導(dǎo)致對網(wǎng)絡(luò)帶寬要求較高的技術(shù)問題。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理領(lǐng)域，具體而言，涉及一種圖像的傳輸方法、裝置和系統(tǒng)。

背景技術(shù)

視頻的實(shí)時(shí)傳輸通常是在發(fā)送端對視頻的每一幀圖像進(jìn)行編碼，然后傳輸至接收端，接收端接收編碼后的碼流，對碼流進(jìn)行解碼，還原出視頻中的每一幀圖像，從而實(shí)現(xiàn)了視頻的實(shí)時(shí)傳輸。

現(xiàn)有技術(shù)中采用的編碼方法有很多種，但都存在如下缺陷：(1)當(dāng)帶寬限制嚴(yán)重時(shí)，無論采用哪種編碼方法，都會對視頻的實(shí)時(shí)傳輸產(chǎn)生影響(例如：對視頻圖像顏色產(chǎn)生影響)；(2)現(xiàn)有的圖片的類型轉(zhuǎn)換方法均基于靜態(tài)圖片，并沒有針對視頻的實(shí)時(shí)風(fēng)格轉(zhuǎn)換方法；(3)對圖像進(jìn)行超分辨重建時(shí)通過對低分辨率圖像進(jìn)行上采樣來恢復(fù)出高分辨率圖像，導(dǎo)致圖像內(nèi)容較原始圖像相比損失較大。

針對現(xiàn)有技術(shù)中視頻數(shù)據(jù)在傳輸時(shí)占用帶寬較大，導(dǎo)致對網(wǎng)絡(luò)帶寬要求較高的問題，目前尚未提出有效的解決方案。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供了一種圖像的傳輸方法、裝置和系統(tǒng)，以至少解決現(xiàn)有技術(shù)中視頻數(shù)據(jù)在傳輸時(shí)占用帶寬較大，導(dǎo)致對網(wǎng)絡(luò)帶寬要求較高的技術(shù)問題。

根據(jù)本發(fā)明實(shí)施例的一個(gè)方面，提供了一種圖像的傳輸方法，包括：根據(jù)傳輸網(wǎng)絡(luò)的當(dāng)前網(wǎng)絡(luò)狀態(tài)，確定原始目標(biāo)圖像的位平面編碼數(shù)量，其中，原始目標(biāo)圖像為待傳輸圖像；對位平面編碼數(shù)量的位平面信息進(jìn)行編碼，得到編碼后的碼流；傳輸編碼后的碼流。

進(jìn)一步地，在當(dāng)前網(wǎng)絡(luò)的帶寬小于預(yù)設(shè)帶寬的情況下，調(diào)整位平面編碼數(shù)量至預(yù)設(shè)值，其中，預(yù)設(shè)值小于待傳輸圖像的位平面數(shù)量。

進(jìn)一步地，將原始目標(biāo)圖像的像素值由多位二進(jìn)制數(shù)值表示，得到原始目標(biāo)圖像的二進(jìn)制數(shù)據(jù)；獲取二進(jìn)制數(shù)據(jù)中的高N位數(shù)據(jù)，其中，N用于表征位平面編碼數(shù)量；對由高N位數(shù)據(jù)的像素值表征的原始目標(biāo)圖像進(jìn)行編碼，得到碼流。

進(jìn)一步地，對碼流進(jìn)行解碼，得到第一目標(biāo)圖像；獲取指定類型對應(yīng)的多個(gè)神經(jīng)網(wǎng)絡(luò)模型中與位平面編碼數(shù)量對應(yīng)的神經(jīng)網(wǎng)絡(luò)模型；將第一目標(biāo)圖像輸入至神經(jīng)網(wǎng)絡(luò)模型，得到第二目標(biāo)圖像。

進(jìn)一步地，獲取初始神經(jīng)網(wǎng)絡(luò)模型；通過樣本庫中的樣本圖像和指定類型的圖像，訓(xùn)練初始神經(jīng)網(wǎng)絡(luò)模型，得到指定類型對應(yīng)的神經(jīng)網(wǎng)絡(luò)模型。

進(jìn)一步地，根據(jù)樣本庫獲取樣本對，其中，樣本對包括第一樣本圖像和第二樣本圖像，第二樣本圖像為樣本庫中第一樣本圖像對應(yīng)的高N位平面圖像；獲取樣本對的目標(biāo)誤差，其中，目標(biāo)誤差用于表征第一樣本圖像與神經(jīng)網(wǎng)絡(luò)模型的輸出結(jié)果的誤差，和神經(jīng)網(wǎng)絡(luò)模型的輸出結(jié)果與指定類型的圖像的誤差；在目標(biāo)誤差大于預(yù)設(shè)誤差值的情況下，根據(jù)目標(biāo)誤差調(diào)整初始神經(jīng)網(wǎng)絡(luò)模型的參數(shù)。

進(jìn)一步地，將第二樣本圖像輸入至初始神經(jīng)網(wǎng)絡(luò)模型，得到第一訓(xùn)練結(jié)果；獲取第一訓(xùn)練結(jié)果與第一樣本圖像的像素值誤差；分別提取指定類型的圖像的第一特征信息與第一訓(xùn)練結(jié)果的第二特征信息；獲取第一特征信息和第二特征信息的特征信息誤差；根據(jù)像素值誤差和特征信息誤差得到目標(biāo)誤差。

進(jìn)一步地，分別獲取像素值誤差和特征信息誤差的權(quán)重值；確定像素值誤差和特征信息誤差的加權(quán)為目標(biāo)誤差。

進(jìn)一步地，將原始目標(biāo)圖像作為樣本圖像存入樣本庫；以樣本庫中的原始目標(biāo)圖像作為樣本圖像對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；在通過原始目標(biāo)圖像訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的次數(shù)大于預(yù)設(shè)次數(shù)的情況下，將神經(jīng)網(wǎng)絡(luò)模型的參數(shù)輸出至解碼端，以更新用于獲取第二目標(biāo)圖像所使用的神經(jīng)網(wǎng)絡(luò)模型。