【技术实现步骤摘要】
本申请涉及编解码，尤其是涉及一种基于神经网络的图像解码、编码方法、装置及其设备。
技术介绍
1、为了达到节约空间的目的，视频图像都是经过编码后才传输的，完整的视频编码可以包括预测、变换、量化、熵编码、滤波等过程。针对预测过程，预测过程可以包括帧内预测和帧间预测，帧间预测是指利用视频时间域的相关性，使用邻近已编码图像的像素预测当前像素，以达到有效去除视频时域冗余的目的。帧内预测是指利用视频空间域的相关性，使用当前帧图像的已编码块的像素预测当前像素，以达到去除视频空域冗余的目的。
2、随着深度学习的迅速发展，深度学习在许多高层次的计算机视觉问题上取得成功，如图像分类、目标检测等，深度学习也逐渐在编解码领域开始应用，即可以采用神经网络对图像进行编码和解码。虽然基于神经网络的编解码方法展现出巨大性能潜力，但是，基于神经网络的编解码方法仍然存在稳定性较差、泛化性较差和复杂度较高等问题。
技术实现思路
1、有鉴于此，本申请提供了一种基于神经网络的图像解码、编码方法、装置及其设备，提高了编码性能和解码性能，解决稳定性较差、泛化性较差和复杂度较高等问题。
2、本申请提供一种基于神经网络的图像解码方法，应用于解码端，所述方法包括：
3、从码流中解码当前块对应的控制参数和图像信息；
4、从所述控制参数中获取解码处理单元对应的神经网络信息，并基于所述神经网络信息生成所述解码处理单元对应的解码神经网络；
5、基于所述图像信息确定所述解码处理单元对
6、本申请提供一种基于神经网络的图像编码方法，应用于编码端，所述方法包括：
7、基于当前块确定编码处理单元对应的输入特征，基于所述编码处理单元对应的编码神经网络对所述输入特征进行处理，得到所述编码处理单元对应的输出特征，并基于所述输出特征确定所述当前块对应的图像信息；
8、获取当前块对应的控制参数，所述控制参数包括解码处理单元对应的神经网络信息，所述神经网络信息用于确定所述解码处理单元对应的解码神经网络；
9、在码流中编码所述当前块对应的图像信息和控制参数。
10、本申请提供一种基于神经网络的图像解码装置，所述装置包括：
11、存储器，其经配置以存储视频数据；
12、解码器，其经配置以实现：
13、从码流中解码当前块对应的控制参数和图像信息；
14、从所述控制参数中获取解码处理单元对应的神经网络信息，并基于所述神经网络信息生成所述解码处理单元对应的解码神经网络；
15、基于所述图像信息确定所述解码处理单元对应的输入特征，基于所述解码神经网络对所述输入特征进行处理，得到所述解码处理单元对应的输出特征。
16、本申请提供一种基于神经网络的图像编码装置，所述装置包括：
17、存储器，其经配置以存储视频数据；
18、编码器，其经配置以实现：
19、基于当前块确定编码处理单元对应的输入特征，基于所述编码处理单元对应的编码神经网络对所述输入特征进行处理，得到所述编码处理单元对应的输出特征，并基于所述输出特征确定所述当前块对应的图像信息；
20、获取当前块对应的控制参数，所述控制参数包括解码处理单元对应的神经网络信息，所述神经网络信息用于确定所述解码处理单元对应的解码神经网络；
21、在码流中编码所述当前块对应的图像信息和控制参数。
22、本申请提供一种解码端设备，包括：处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令；
23、所述处理器用于执行机器可执行指令，以实现上述的基于神经网络的图像解码方法。
24、本申请提供一种编码端设备，包括：处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令；
25、所述处理器用于执行机器可执行指令，以实现上述的基于神经网络的图像编码方法。
26、由以上技术方案可见，本申请实施例中，可以从码流中解码当前块对应的控制参数，从控制参数中获取解码处理单元对应的神经网络信息，并基于神经网络信息生成解码处理单元对应的解码神经网络，继而基于解码神经网络实现图像解码，提高解码性能。可以基于编码处理单元对应的编码神经网络实现图像编码，提高编码性能。能够采用神经网络(如解码神经网络和编码神经网络等)对图像进行编码和解码，且通过码流传输神经网络信息，继而基于神经网络信息生成解码处理单元对应的解码神经网络，从而解决稳定性较差、泛化性较差和复杂度较高等问题，即稳定性较好，泛化性较好，复杂度较低。可以提供编解码复杂度动态调整的方案，相比单一神经网络的框架有更优的编码性能和解码性能。由于是每个当前块对应控制参数，那么，从控制参数获取的神经网络信息就是针对当前块的神经网络信息，从而对每个当前块分别生成解码神经网络，即不同当前块的解码神经网络可能相同，也可能不同，从而块级别的解码神经网络，即解码神经网络是可以变动可以调整的。
本文档来自技高网...【技术保护点】
1.一种图像解码方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述网络参数包括以下至少一种：
3.根据权利要求1所述的方法，其特征在于，若所述增强层网络为质量增强网络，所述确定所述增强层网络对应的输入特征，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述增强层网络对所述输入特征进行处理，得到所述增强层对应的输出特征，包括：
5.根据权利要求4所述的方法，其特征在于，
6.根据权利要求1-5任一项所述的方法，其特征在于，
7.一种图像编码方法，其特征在于，所述方法包括：
8.一种图像解码装置，其特征在于，所述装置包括：
9.一种图像编码装置，其特征在于，所述装置包括：
10.一种图像解码设备，其特征在于，包括：处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令；
11.一种图像编码设备，其特征在于，包括：处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可
12.一种机器可读存储介质，其特征在于，所述机器可读存储介质存储有能够被处理器执行的机器可执行指令；其中，所述处理器用于执行所述机器可执行指令，以实现权利要求1-6任一项所述的方法，或者，实现权利要求7所述的方法。
13.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时，实现权利要求1-6任一项所述的方法，或者，所述计算机程序被处理器执行时，实现权利要求7所述的方法。
...【技术特征摘要】
1.一种图像解码方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述网络参数包括以下至少一种：
3.根据权利要求1所述的方法，其特征在于，若所述增强层网络为质量增强网络，所述确定所述增强层网络对应的输入特征，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述增强层网络对所述输入特征进行处理，得到所述增强层对应的输出特征，包括：
5.根据权利要求4所述的方法，其特征在于，
6.根据权利要求1-5任一项所述的方法，其特征在于，
7.一种图像编码方法，其特征在于，所述方法包括：
8.一种图像解码装置，其特征在于，所述装置包括：
9.一种图像编码装置，其特征在于，所述装置包括：
【专利技术属性】
技术研发人员：陈方栋，叶宗苗，武晓阳，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
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。