SDI设备滤波反推导方法、装置及计算机设备制造方法及图纸

本申请实施例提供一种SDI设备滤波反推导方法、装置及计算机设备，涉及计算机技术领域。该方法定义卷积核K，并对所述卷积核K随机初始化；对原始视频文件解码，并获取解码后的Y分量图像矩阵I；通过所述卷积核K对所述图像矩阵I进行卷积运算，得到数据矩阵C以定义卷积输出图像；通过损失函数将所述卷积输出图像与SDI设备输出的所述原始视频文件的图像进行对比，并得到所述损失函数的损失值；确定参数优化目标，并通过梯度下降法获取基于所述参数优化目标的最小损失值，以确定所述SDI设备的滤波参数反推导值。该方法通过滤波前与滤波后两幅图像的数值变化，预测出该SDI播出设备所使用的滤波参数，从而消除了画面质量评估中的误差。从而消除了画面质量评估中的误差。从而消除了画面质量评估中的误差。

【技术实现步骤摘要】
SDI设备滤波反推导方法、装置及计算机设备


[0001]本申请涉及计算机
，具体地，涉及一种SDI设备滤波反推导方法、装置及计算机设备。

技术介绍

[0002]数字分量串行接口（Serial Digital Interface，简称：SDI），是一种用于广播级的数字视频接口，用于传输无压缩的数字视频数据，常见于各种数字视频设备。
[0003]在广电播出环节，经常会存在众多品牌的SDI视频播放设备，而这些不同的设备对于原始视频编码文件都会存在一定程度的加工，最常规的手段就是进行滤波操作，来消除噪音。
[0004]上述的滤波操作是一种提高画面表现力的手段，但它在与文件画面的质量评估上却造成了很大的麻烦。现有的评估算法很容易将由于滤波而造成的数值变化理解成画面质量劣化，从而降低了评分。

技术实现思路

[0005]为了解决上述技术缺陷之一，本申请实施例中提供了一种SDI设备滤波反推导方法、装置及计算机设备、存储介质。
[0006]根据本申请实施例的第一个方面，提供了一种SDI设备滤波反推导方法，包括：定义一卷积核K，并对卷积核K随机初始化；对一原始视频文件解码，并获取解码后的Y分量图像矩阵I；通过卷积核K对图像矩阵I进行卷积运算，得到数据矩阵C以定义卷积输出图像；通过一损失函数将卷积输出图像与一SDI设备输出的原始视频文件的图像进行对比，并得到损失函数的损失值；确定参数优化目标，并通过梯度下降法获取基于参数优化目标的最小损失值，以确定SDI设备的滤波参数预测值。
[0007]在本申请一个可选的实施例中，该方法中对原始视频文件解码，并获取解码后的Y分量图像矩阵I的步骤进一步包括：图像矩阵I为m*n矩阵，数据矩阵C通过图像矩阵I与卷积核K的克罗内克积运算得到。
[0008]在本申请一个可选的实施例中，该方法中在通过损失函数将卷积输出图像与SDI设备输出的原始视频文件的图像进行对比，并得到损失函数的损失值之前，还包括：从SDI设备中获取与原始视频文件中相同位置的帧图像的Y分量数据Y'，以根据数据矩阵C和Y分量数据Y'定义损失函数。
[0009]在本申请一个可选的实施例中，该方法中损失函数使用MSE均方误差方式将卷积输出图像与SDI设备输出的原始视频文件的图像进行对比。
[0010]在本申请一个可选的实施例中，该方法中通过梯度下降法获取基于参数优化目标
的最小损失值的步骤进一步包括：建立损失函数的梯度矩阵并进行运算，以获取参数优化方向的卷积核K目标，公式为：式中，为损失函数的梯度矩阵。
[0011]在本申请一个可选的实施例中，该方法中通过梯度下降法获取基于参数优化目标的最小损失值的步骤进一步包括：通过基于梯度下降法进行迭代计算以获取基于参数优化目标的最小损失值。
[0012]在本申请一个可选的实施例中，该方法中卷积核K为5
×
5矩阵。
[0013]根据本申请实施例的第二个方面，提供了一种SDI设备滤波反推导装置，该装置包括原始视频解码模块、卷积运算模块、损失函数模块和参数预测模块；原始视频解码模块，用于对一原始视频文件解码，并获取解码后的Y分量图像矩阵I；卷积运算模块，用于基于一经过随机初始化的卷积核K，对图像矩阵I进行卷积运算，得到数据矩阵C以定义卷积输出图像；损失函数模块，用于通过一损失函数将卷积输出图像与一SDI设备输出的原始视频文件的图像进行对比，并得到损失函数的损失值；参数预测模块，用于确定参数优化目标，并通过梯度下降法获取基于参数优化目标的最小损失值，以确定SDI设备的滤波参数预测值。
[0014]根据本申请实施例的第三个方面，提供了一种计算机设备，包括：存储器；处理器；以及计算机程序；其中，计算机程序存储在存储器中，并被配置为由处理器执行以实现如本申请实施例的第一个方面任一项方法的步骤。
[0015]根据本申请实施例的第四个方面，提供了一种计算机可读存储介质，其上存储有计算机程序；计算机程序被处理器执行以实现如本申请实施例的第一个方面任一项方法的步骤。
[0016]采用本申请实施例中提供的SDI设备滤波反推导方法，通过滤波前与滤波后两幅图像的数值变化，预测出该SDI播出设备所使用的滤波参数，从而消除画面质量评估中的误差。便于对文件画面的质量评估，使得评估算法避免将由于滤波而造成的数值变化理解成画面质量劣化，以获取客观真实的评分。
附图说明
[0017]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1为本申请实施例提供的SDI设备滤波反推导方法的流程图；图2为本申请实施例提供的SDI设备滤波反推导装置的结构图；
图3为本申请一个实施例提供的计算机设备结构示意图。
具体实施方式
[0018]为了使本申请实施例中的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
[0019]由于在广电播出环节，经常会存在众多品牌的视频播放设备，而这些不同的设备对于原始视频编码文件都会存在一定程度的加工，最常规的手段就是进行滤波操作，来消除噪音。这是一种提高画面表现力的手段，但它在与文件画面的质量评估上却造成了很大的麻烦。评估算法很容易将由于滤波而造成的数值变化理解成画面质量劣化，从而降低了评分。
[0020]梯度下降法（Gradient descent）是一个一阶最优化算法，通常也称为最速下降法。 要使用梯度下降法找到一个函数的局部极小值，必须向函数上当前点对应梯度（或者是近似梯度）的反方向的规定步长距离点进行迭代搜索。如果相反地向梯度正方向迭代进行搜索，则会接近函数的局部极大值点；这个过程则被称为梯度上升法。
[0021]针对上述问题，本申请实施例中提供了一种SDI设备滤波反推导方法，本申请通过定义一个卷积核对图像进行卷积运算，定义一个损失函数COST，将用核卷积出来的图像与SDI设备输出的图像进行对比，并给出一个评估值；最终通过不断迭代上述过程，使得损失函数的值越来越小，从而使得卷积的结果越来越接近真正的SDI设备输出。
[0022]本申请从一组随机初始化的卷积核参数出发，使用梯度下降法对参数进行调整，从而找到设备滤波参数。请参见如图1所示的步骤：S1：定义一卷积核K，并对卷积核K随机初始化。
[0023]在具体实施中，定义一个卷积核K，并对其进行随机初始化。可选的，卷积核的取值范围为0~1。进一步的，初始的卷积核一定无法达到SDI设备的实际滤波效果，基于本申请后续步骤中通过迭代的方法迭代优化卷积核K,使得卷积滤波后的图像尽量逼近SDI输出的画面，且SDI设备的滤波都会小于5
×
5的规格，因此，本申请的卷积核的规格可为5
×
...

【技术保护点】

【技术特征摘要】
1.一种SDI设备滤波反推导方法，其特征在于，包括：定义一卷积核K，并对所述卷积核K随机初始化；对一原始视频文件解码，并获取解码后的Y分量图像矩阵I；通过所述卷积核K对所述图像矩阵I进行卷积运算，得到数据矩阵C以定义卷积输出图像；通过一损失函数将所述卷积输出图像与一SDI设备输出的所述原始视频文件的图像进行对比，并得到所述损失函数的损失值；确定参数优化目标，并通过梯度下降法获取基于所述参数优化目标的最小损失值，以确定所述SDI设备的滤波参数反推导值。2.根据权利要求1所述的一种SDI设备滤波反推导方法，其特征在于，对所述原始视频文件解码，并获取解码后的Y分量图像矩阵I的步骤进一步包括：所述图像矩阵I为m*n矩阵，所述数据矩阵C通过所述图像矩阵I与所述卷积核K的克罗内克积运算得到。3.根据权利要求2所述的一种SDI设备滤波反推导方法，其特征在于，在通过所述损失函数将所述卷积输出图像与所述SDI设备输出的所述原始视频文件的图像进行对比，并得到所述损失函数的损失值之前，所述方法还包括：从所述SDI设备中获取与所述原始视频文件中相同位置的帧图像的Y分量数据Y'，以根据所述数据矩阵C和Y分量数据Y'定义所述损失函数。4.根据权利要求3所述的一种SDI设备滤波反推导方法，其特征在于，所述损失函数使用MSE均方误差方式将所述卷积输出图像与所述SDI设备输出的所述原始视频文件的图像进行对比。5.根据权利要求1或4所述的一种SDI设备滤波反推导方法，其特征在于，所述通过梯度下降法获取基于所述参数优化目标的最小损失值的步骤进一步包括：建立所述损失函数的梯度矩阵...

【专利技术属性】
技术研发人员：黄振川，王丽霞，李战，彭莉，任爱佳，贾伟伟，张昱，游田，王相锋，谭海娟，
申请(专利权)人：中视斯可睿北京科技有限公司，
类型：发明
国别省市：