【技术实现步骤摘要】
滤波方法、滤波模型训练方法及相关装置
[0001]本申请涉及编解码
,特别涉及一种滤波方法
、
滤波模型训练方法及相关装置
。
技术介绍
[0002]编解码技术在多媒体服务
、
广播
、
视频通信和存储等领域存在广泛的应用
。
在编码的过程中,将图像划分为多个不重叠的编码块,按照顺序依次对该多个编码块进行编码
。
在解码的过程中,按照顺序依次从码流中解析出各个重建块,进而确定重建图像
。
但是在某些情况下,相邻的重建块之间可能存在过度不平滑或者像素不连续的问题,导致重建图像与原始图像之间出现图像失真的现象,因此,需要对重建块进行滤波
。
而且,在编码端按照帧内预测方式或者帧间预测方式对编码块进行编码的情况下,为了保证后续编码块的编码质量,编码端也需要对重建块进行滤波
。
[0003]在相关技术中,对于多个量化参数中的每个量化参数,事先为每个量化参数训练一个滤波模型
。
在编码端对重建块进行滤波时,从事先训练的这些滤波模型中,选择与图像的量化参数相邻的多个量化参数所对应的滤波模型,以得到多个滤波模型
。
然后,从该多个滤波模型中选择目标滤波模型,通过目标滤波模型对重建块进行滤波
。
而且,编码端还可以将目标滤波模型的索引编入码流并发送给解码端
。
解码端接收到编码端发送的码流之后,通过解析码流能够确定出重建块和目标滤 ...
【技术保护点】
【技术特征摘要】
1.
一种滤波方法,其特征在于,应用于编码端,所述方法包括:根据目标图像的量化参数,确定出
K
组滤波模型,所述
K
组滤波模型中的每组滤波模型包括
M
个滤波模型,且同一组滤波模型对应同一个量化参数,不同组滤波模型对应不同的量化参数,
K
和
M
均为大于1的整数;确定所述目标图像中当前编码块对应的重建块;从所述
K
组滤波模型中确定目标滤波模型,所述目标滤波模型是指对所述重建块进行滤波后编码失真最小的滤波模型,且通过所述目标滤波模型对所述重建块进行滤波后的编码失真小于所述重建块的编码失真;基于所述目标滤波模型,对所述重建块进行滤波
。2.
如权利要求1所述的方法,其特征在于,所述从所述
K
组滤波模型中确定目标滤波模型,包括:基于所述当前编码块
、
所述重建块和所述
K
组滤波模型,确定所述重建块对应的滤波指示信息,所述滤波指示信息用于指示所述重建块是否需要滤波;在所述滤波指示信息指示所述重建块需要滤波的情况下,从所述
K
组滤波模型中确定目标滤波模型
。3.
如权利要求2所述的方法,其特征在于,所述基于所述当前编码块
、
所述重建块和所述
K
组滤波模型,确定所述重建块对应的滤波指示信息,包括:将所述重建块输入至所述
K
组滤波模型中的每个滤波模型,以得到
K*M
个滤波块;基于所述当前编码块
、
所述重建块和所述
K*M
个滤波块,确定所述重建块对应的率失真代价,以及每个滤波块对应的率失真代价;如果所述重建块对应的率失真代价不小于每个滤波块对应的率失真代价,则确定所述滤波指示信息为第一指示信息,所述第一指示信息用于指示所述重建块需要滤波;如果所述重建块对应的率失真代价小于每个滤波块对应的率失真代价,则确定所述滤波指示信息为第二指示信息,所述第二指示信息用于指示所述重建块不需要滤波
。4.
如权利要求2或3所述的方法,其特征在于,所述方法还包括:在所述滤波指示信息指示所述重建块不需要滤波的情况下,不对所述重建块进行滤波
。5.
如权利要求2‑4任一所述的方法,其特征在于,所述基于所述当前编码块
、
所述重建块和所述
K
组滤波模型,确定所述重建块对应的滤波指示信息之后,还包括:将所述滤波指示信息编入码流
。6.
如权利要求1‑5任一所述的方法,其特征在于,所述从所述
K
组滤波模型中确定目标滤波模型之后,还包括:将目标索引编入码流,所述目标索引用于指示所述目标滤波模型
。7.
如权利要求1‑6任一所述的方法,其特征在于,所述根据目标图像的量化参数,确定出
K
组滤波模型之后,还包括:将所述
K
组滤波模型对应的量化参数编入码流
。8.
一种滤波方法,其特征在于,应用于解码端,所述方法包括:确定出
K
组滤波模型,所述
K
组滤波模型中的每组滤波模型包括
M
个滤波模型,且同一组滤波模型对应同一个量化参数,不同组滤波模型对应不同的量化参数,
K
和
M
均为大于1的整
数;基于码流确定重建块;确定所述
K
组滤波模型中的目标滤波模型;基于所述目标滤波模型,对所述重建块进行滤波
。9.
如权利要求8所述的方法,其特征在于,所述确定出
K
组滤波模型,包括:根据所述重建块所属的目标图像的量化参数,确定出所述
K
组滤波模型
。10.
如权利要求8所述的方法,其特征在于,所述确定出
K
组滤波模型,包括:从所述码流中解析出所述
K
组滤波模型对应的量化参数;基于所述
K
组滤波模型对应的量化参数,确定出所述
K
组滤波模型
。11.
如权利要求8‑
10
任一所述的方法,其特征在于,所述确定所述
K
组滤波模型中的目标滤波模型,包括:确定所述重建块的滤波指示信息,所述滤波指示信息用于指示所述重建块是否需要滤波;在所述滤波指示信息指示所述重建块需要滤波的情况下,确定所述
K
组滤波模型中的目标滤波模型
。12.
如权利要求
11
所述的方法,其特征在于,所述确定所述重建块的滤波指示信息,包括:从所述码流中解析出所述滤波指示信息
。13.
如权利要求8‑
12
任一所述的方法,其特征在于,所述确定所述
K
组滤波模型中的目标滤波模型,包括:从所述码流中解析出目标索引,所述目标索引用于指示所述目标滤波模型;基于所述目标索引确定所述目标滤波模型
。14.
一种滤波模型训练方法,其特征在于,所述方法包括:获取训练样本集,所述训练样本集包括多个样本编码块和每个样本编码块对应的重建块,所述多个样本编码块所属的图像的量化参数为同一个量化参数;基于所述训练样本集,对待训练的滤波模型进行训练,以得到初始滤波模型;将所述训练样本集划分为
M
个初始样本子集,每个初始样本子集包括至少两个样本编码块和所述至少两个样本编码块对应的重建块;基于所述
M
个初始样本子集,对所述初始滤波模型分别进行训练,以得到
M
个优化滤波模型;基于所述训练样本集,对所述
M
个优化滤波模型进行训练,以得到一组滤波模型
。15.
如权利要求
14
所述的方法,其特征在于,所述将所述训练样本集划分为
M
个初始样本子集,包括:将所述多个样本编码块对应的重建块输入至所述初始滤波模型,以得到每个样本编码块对应的滤波块;基于所述多个样本编码块和每个样本编码块对应的滤波块,确定每个样本编码块对应的滤波块的峰值信噪比;按照峰值信噪比的大小顺序,对所述多个样本编码块进行排序;按照排序结果,将所述训练样本集划分为
M
个初始样本子集,每个初始样本子集包括的
样本编码块为所述排序结果中连续的至少两个样本编码块
。16.
如权利要求
14
或
15
所述的方法,其特征在于,所述基于所述训练样本集,对所述
M
个优化滤波模型进行训练,以得到一组滤波模型,包括:基于所述训练样本集,通过循环迭代方式,对所述
M
个优化滤波模型进行训练;其中,所述循环迭代方式中的第
i
次迭代处理包括如下步骤:基于所述多个样本编码块和每个样本编码块对应的重建块,将所述训练样本集划分为
M
个优化样本子集,所述
M
个优化样本子集与第
i
次迭代处理的
M
个滤波模型一一对应,其中,第一次迭代处理的
M
个滤波模型为所述
M
个优化滤波模型;基于所述
M
个优化样本子集,对所述第
i
次迭代处理的
M
个滤波模型进行训练;如果所述
i
小于迭代次数阈值,则将经训练的第
i
次迭代处理的
M
个滤波模型作为第
i+1
次迭代处理的
M
个滤波模型,并执行第
i+1
次迭代处理;如果所述
i
大于或等于所述迭代次数阈值,则将经训练的第
i
次迭代处理的
M
个滤波模型确定为一组滤波模型
。17.
如权利要求
16
所述的方法,其特征在于,所述基于所述多个样本编码块和每个样本编码块对应的重建块,将所述训练样本集划分为
M
个优化样本子集,包括:将所述多个样本编码块对应的重建块输入至所述第
i
次迭代处理的
M
个滤波模型,以得到每个样本编码块对应的
M
个滤波块;基于所述多个样本编码块和每个样本编码块对应的
M
个滤波块,确定每个样本编码块对应的
M
个滤波块的峰值信噪比;基于每个样本编码块对应的
M
个滤波块的峰值信噪比,将所述训练样本集划分为所述
M
个优化样本子集,其中,每个样本编码块位于其对应的
M
个滤波块中最大峰值信噪比的滤波块所对应的滤波模型的优化样本子集中
。18.
一种滤波装置,其特征在于,应用于编码端,所述装置包括:第一确定模块,用于根据目标图像的量化参数,确定出
K
组滤波模型,所述
K
组滤波模型中的每组滤波模型包括
M
个滤波模型,且同一组滤波模型对应同一个量化参数,不同组滤波模型对应不同的量化参数,
K
和
M
均为大于1的整数;第二确定模块,用于确定所述目标图像中当前编码块对应的重建块;第三确定模块,用于从所述
K
组滤波模型中确定目标滤波模...
【专利技术属性】
技术研发人员:王珅,陈焕浜,杨海涛,宋利,
申请(专利权)人:华为技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。