[發明專利]視頻處理方法、設備、無人機及計算機可讀存儲介質

有效

• 申請號: 201780025247.0
• 申請日: 2017-10-18
• 公開（公告）號: CN109074633B
• 公開（公告）日: 2020-05-12
• 發明（設計）人: 肖瑾;曹子晟;胡攀
• 申請（專利權）人: 深圳市大疆創新科技有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/02
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 朱穎;劉芳

1.一種視頻處理方法，其特征在于，包括：

將第一視頻輸入神經網絡，所述神經網絡的訓練集包括第一訓練視頻和第二訓練視頻，所述第一訓練視頻包括至少一個第一時空域立方體，所述第二訓練視頻包括至少一個第二時空域立方體；

利用所述神經網絡對所述第一視頻進行去噪處理以生成第二視頻；以及

輸出所述第二視頻；

其中，所述方法還包括：

根據第一訓練視頻包括的至少一個第一時空域立方體訓練局部先驗模型；

根據所述局部先驗模型對第二訓練視頻包括的至少一個第二時空域立方體中的每個第二時空域立方體分別進行初始去噪處理，得到初始去噪后的第二訓練視頻；

根據所述初始去噪后的第二訓練視頻和所述第一訓練視頻訓練所述神經網絡。

2.根據權利要求1所述的方法，其特征在于，第一訓練視頻為無噪聲視頻，所述第二訓練視頻為噪聲視頻。

3.根據權利要求1或2所述的方法，其特征在于，所述第一時空域立方體包括多個第一子圖像，所述多個第一子圖像來自所述第一訓練視頻中相鄰的多個第一視頻幀，一個第一子圖像來自一個第一視頻幀，每個第一子圖像在第一視頻幀中的位置相同。

4.根據權利要求3所述的方法，其特征在于，所述根據第一訓練視頻包括的至少一個第一時空域立方體訓練局部先驗模型，包括：

對第一訓練視頻包括的至少一個第一時空域立方體中的每個第一時空域立方體分別進行稀疏處理；

根據每個稀疏處理后的第一時空域立方體訓練局部先驗模型。

5.根據權利要求4所述的方法，其特征在于，所述對第一訓練視頻包括的至少一個第一時空域立方體中的每個第一時空域立方體分別進行稀疏處理，包括：

根據所述第一時空域立方體包括的多個第一子圖像，確定第一均值圖像，所述第一均值圖像中每個位置的像素值是所述多個第一子圖像中每個第一子圖像在所述位置的像素值的平均值；

將所述第一時空域立方體包括的多個第一子圖像中的每個第一子圖像在所述位置的像素值減去所述第一均值圖像中所述位置的像素值。

6.根據權利要求1-2、4-5任一項所述的方法，其特征在于，所述第二時空域立方體包括多個第二子圖像，所述多個第二子圖像來自所述第二訓練視頻中相鄰的多個第二視頻幀，一個第二子圖像來自一個第二視頻幀，每個第二子圖像在第二視頻幀中的位置相同。

7.根據權利要求6所述的方法，其特征在于，所述根據所述局部先驗模型對第二訓練視頻包括的至少一個第二時空域立方體中的每個第二時空域立方體分別進行初始去噪處理，包括：對第二訓練視頻包括的至少一個第二時空域立方體中的每個第二時空域立方體分別進行稀疏處理；

根據所述局部先驗模型對每個稀疏處理后的第二時空域立方體進行初始去噪處理。

8.根據權利要求7所述的方法，其特征在于，所述對第二訓練視頻包括的至少一個第二時空域立方體中的每個第二時空域立方體分別進行稀疏處理，包括：

根據所述第二時空域立方體包括的多個第二子圖像，確定第二均值圖像，所述第二均值圖像中每個位置的像素值是所述多個第二子圖像中每個第二子圖像在所述位置的像素值的平均值；

將所述第二時空域立方體包括的多個第二子圖像中的每個第二子圖像在所述位置的像素值減去所述第二均值圖像中所述位置的像素值。

9.根據權利要求7或8所述的方法，其特征在于，所述根據所述局部先驗模型對每個稀疏處理后的第二時空域立方體進行初始去噪處理，包括：

根據所述局部先驗模型確定所述稀疏處理后的第二時空域立方體所屬的高斯類；

根據所述稀疏處理后的第二時空域立方體所屬的高斯類，采用帶權稀疏編碼的方法對所述稀疏處理后的第二時空域立方體進行初始去噪處理。