[發明專利]圖像傳輸方法、系統及裝置

在審

• 申請號: 202010660861.8
• 申請日: 2020-07-09
• 公開（公告）號: CN111953977A
• 公開（公告）日: 2020-11-17
• 發明（設計）人: 郭鯤;范志剛;盧濤
• 申請（專利權）人: 西安萬像電子科技有限公司
• 主分類號: H04N19/146
• 分類號: H04N19/146;H04N19/186
• 代理公司: 北京挺立專利事務所(普通合伙) 11265
• 代理人: 張智銳

1.一種圖像傳輸方法，其特征在于，所述方法應用于圖像編碼端，所述方法包括：

采集原始圖像，所述原始圖像為RGB格式的圖像；

將所述原始圖像轉換目標圖像，所述目標圖像的顏色空為YCbCr顏色空間，其中，所述Y為亮度、所述Cb為藍色色度、所述Cr為紅色色度；

將所述目標圖像中的Cb分量和Cr分量去掉，得到灰度圖；

對所述灰度圖進行壓縮，并將壓縮后得到的碼流進行存儲或發送給圖像解碼端。

2.根據權利要求1所述的圖像傳輸方法，其特征在于，所述將所述原始圖像轉換目標圖像，包括：

根據第一權重系數集合和所述RGB格式的圖像的R分量、G分量和B分量，得到Y分量；所述第一權重系統集合中包括：第一R分量的權重系數、第一G分量的權重系數和第一B分量的權重系數；

根據第二權重系數集合、第一預設附加值和所述RGB格式的圖像的所述R分量、所述G分量和所述B分量，得到所述Cb分量；所述第二權重系統集合中包括：第二R分量的權重系數、第二G分量的權重系數和第二B分量的權重系數；

根據第三權重系數集合、第二預設附加值和所述RGB格式的圖像的所述R分量、所述G分量和所述B分量，得到所述Cr分量；所述第三權重系統集合中包括：第三R分量的權重系數、第三G分量的權重系數和第三B分量的權重系數。

3.一種圖像傳輸方法，其特征在于，所述方法應用于圖像解碼端，所述方法包括：

接收碼流，所述碼流中包括僅有Y分量的灰度圖；

對所述碼流進行解壓縮，得到所述灰度圖；

將所述灰度圖輸入預先訓練好的目標神經網絡中，通過所述目標神經網絡獲取所述灰度圖對應的原始圖像，所述原始圖像為RGB格式的圖像；

顯示所述原始圖像。

4.根據權利要求3所述的圖像傳輸方法，其特征在于，所述將所述灰度圖輸入預先訓練好的目標神經網絡中之前，所述方法還包括：

對原始神經網絡進行訓練，以獲取所述目標神經網絡。

5.根據權利要求4所述的圖像傳輸方法，其特征在于，所述對原始神經網絡進行訓練，以獲取所述目標神經網絡，包括：

獲取樣本集，所述樣本集中包括多個RGB格式的樣本圖像；

將所述樣本集中的每一幅RGB格式的樣本圖像轉換為訓練圖像，所述訓練圖像的顏色空為YCbCr顏色空間；

去掉每一幅訓練圖像中的Cb分量和Cr分量，得到訓練灰度圖；

對每一幅所述訓練灰度圖進行壓縮處理；

對壓縮處理后的所述訓練灰度圖進行解壓縮處理，得到解壓縮灰度圖；

通過所述解壓縮灰度圖和解壓縮灰度圖對應的樣本圖像對所述原始神經網絡進行訓練，以獲取所述目標神經網絡。

6.根據權利要求5所述的圖像傳輸方法，其特征在于，通過所述解壓縮灰度圖和解壓縮灰度圖對應的樣本圖像對所述原始神經網絡進行訓練，以獲取所述目標神經網絡，包括：

將所述解壓縮灰度圖和所述解壓縮灰度圖對應的樣本圖像按照第一預設規則進行分塊處理，得到多個訓練樣本集，其中，每一個所述訓練樣本集中包括：所述解壓縮灰度圖中的分塊圖像和所述解壓縮灰度圖對應的樣本圖像中相同位置的分塊圖像；

根據每一個所述訓練樣本集對所述原始神經網絡進行訓練，以獲取所述目標神經網絡。

7.根據權利要求6所述的圖像傳輸方法，其特征在于，所述根據每一個所述訓練樣本集對所述原始神經網絡進行訓練，以獲取所述目標神經網絡，包括：

將每一個所述訓練樣本集中的所述解壓縮灰度圖中的分塊圖像作為所述原始神經網絡的輸入，獲取對應的網絡輸出結果；

計算所述網絡輸出結果和所述解壓縮灰度圖對應的樣本圖像中相同位置的分塊圖像之間的差值；

若所述差值大于預設誤差閾值，則根據所述差值調整所述原始神經網絡參數，并重新執行上述獲取網絡輸出結果以及計算差值的步驟，直至所述差值小于所述預設誤差閾值；

若所述差值小于所述預設誤差閾值，則確定所述差值小于所述預設誤差閾值時對應的神經網絡為所述目標神經網絡。