[發明專利]圖像處理方法、設備及計算機可讀存儲介質

在審

• 申請號: 201980008045.4
• 申請日: 2019-05-31
• 公開（公告）號: CN111630570A
• 公開（公告）日: 2020-09-04
• 發明（設計）人: 李恒杰;趙文軍
• 申請（專利權）人: 深圳市大疆創新科技有限公司
• 主分類號: G06T9/00
• 分類號: G06T9/00;G06N3/04;G06N3/08
• 代理公司: 深圳市隆天聯鼎知識產權代理有限公司 44232
• 代理人: 劉抗美

本發明實施例提供了一種圖像處理方法、設備及計算機可讀存儲介質，其中，該圖像處理方法包括：獲取待處理圖像的頻域信息，所述頻域信息通過圖像編碼器進行時頻轉換處理獲得；通過預設的第一神經網絡模型對所述頻域信息進行處理，獲得所述待處理圖像的第一編碼參數；將所述第一編碼參數發送至所述圖像編碼器，以使所述圖像編碼器根據所述第一編碼參數對所述待處理圖像進行編碼。本發明實施例通過將圖像編碼器與第一神經網絡模型的有效結合，提高了圖像編碼的效率和性能。

技術領域

本發明實施例涉及圖像處理技術領域，尤其涉及一種圖像處理方法、圖像處理設備及計算機可讀存儲介質。

背景技術

由于圖像信息中往往包含很多的冗余信息，因此，當利用數字方法傳輸或存儲時需要對圖像信息進行圖像編碼。圖像編碼也稱圖像壓縮，是指在滿足一定質量的條件下，以較少比特數表示圖像或圖像中所包含信息的技術。

現有的圖像編碼一般通過圖像編碼器實現，由于不同的圖像之間往往存在差異，故不同的圖像特征之間也存在差異。在通過圖像編碼器進行圖像編碼時，需要編碼人員人工對不同圖像進行特征提取，并根據提取到的特征進行參數調節。

但是，采用上述方法進行圖像編碼時，一方面在特征提取過程中無法直接提取到圖像的本質特征，另一方面，上述方法往往對編碼人員的專業素質要求較高，且特征提取以及參數確定均由人工實現，較為耗時耗力，進而導致圖像編碼效率較低。

發明內容

本發明實施例提供一種圖像處理方法、圖像處理設備及計算機可讀存儲介質，以解決現有技術中通過人工進行圖像編碼較為耗時耗力的技術問題。

根據本發明實施例的第一方面，提供了一種圖像處理方法，包括：獲取待處理圖像的頻域信息，所述頻域信息通過圖像編碼器進行時頻轉換處理獲得；通過預設的第一神經網絡模型對所述頻域信息進行處理，獲得所述待處理圖像的第一編碼參數；將所述第一編碼參數發送至所述圖像編碼器，以使所述圖像編碼器根據所述第一編碼參數對所述待處理圖像進行編碼。

根據本發明實施例的第二方面，提供了一種圖像處理設備，包括：存儲器和處理器；所述存儲器用于存儲程序代碼；所述處理器，調用所述程序代碼，當程序代碼被執行時，用于執行以下操作：獲取待處理圖像的頻域信息，所述頻域信息通過圖像編碼器進行時頻轉換處理獲得；通過預設的第一神經網絡模型對所述頻域信息進行處理，獲得所述待處理圖像的第一編碼參數；將所述第一編碼參數發送至所述圖像編碼器，以使所述圖像編碼器根據所述第一編碼參數對所述待處理圖像進行編碼。

根據本發明實施例的第三方面，提供了一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現第一方面所述的圖像處理方法。

在本發明的一些實施例所提供的技術方案中，通過獲取待處理圖像的頻域信息，所述頻域信息通過圖像編碼器進行時頻轉換處理獲得；通過預設的第一神經網絡模型對所述頻域信息進行處理，獲得所述待處理圖像的第一編碼參數；將所述第一編碼參數發送至所述圖像編碼器，以使所述圖像編碼器根據所述第一編碼參數對所述待處理圖像進行編碼。一方面，通過將圖像編碼器與第一神經網絡模型相結合，設計基于深度學習的圖像編碼器參數優化方案，能夠通過第一神經網絡模型能夠實現對待處理圖像的第一編碼參數的自動優化，有效地提高圖像編碼效率，且能夠節約人力資源，無需人為設計特征和進行復雜的人工計算與參數選取，降低了圖像編碼器優化的難度和耗時，提高了效率；另一方面，以深度學習為基礎，根據待處理圖像的頻域信息為圖像編碼器選擇最優的第一編碼參數，提升了圖像編碼器的編碼效率和性能，可以使得在相同壓縮率下獲得更高質量的圖像編碼效果，從而進一步可以實現在同樣的評價指標下具有最優的解碼效果，實現了將深度學習與圖像編碼器的內部結構的有效結合。本發明實施例公開了一種基于頻域特性的圖像編碼器參數優化方式，能夠應用于圖像、視頻壓縮編碼等場景相關的產品。

附圖說明