一种视频图像编码系统及方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114125454A(43)申请公布日2022.03.01(21)申请号202210088933.5(22)申请日2022.01.26(71)申请人广东电网有限责任公司中山供电局地址528400广东省中山市东区博爱六路68号(72)发明人罗其锋李华刘文韬张春梅张宝星王天师谭莹莹包达志魏俊锋黄国柱熊激川(74)专利代理机构北京集佳知识产权代理有限公司11227代理人杨小红(51)Int.Cl.H04N19/147(2014.01)G06T3/40(2006.01)权利要求书2页说明书5页附图2页(54)发明名称一种视频图像编码系统及方法(57)摘要本发明涉及图像处理技术领域，公开了一种视频图像编码系统及方法，其系统通过提取目标视频图像的特征图，对特征图进行全局平均池化和全局最大池化并行处理，从而得到对应的两个通道描述向量矩阵，将两个通道描述向量矩阵进行合并，并经过激活层输出通道注意特征，通过空间注意力模块对通道注意特征进行一个通道维度的全局平均池化和全局最大池化并行处理，得到相应的两个空间描述向量矩阵，将两个空间描述向量矩阵按照通道进行合并，并经过卷积层进行激活，从而得到二维空间注意映射矩阵，通过残差重构模块基于预设的深度残差网络对二维空间注意映射矩阵进行重构，从而得到超分辨率重构图像，从而降低了视频图像失真率，提高了图像分辨率。CN114125454ACN114125454A权利要求书1/2页1.一种视频图像编码系统，其特征在于，包括：特征图提取网络模块和自我关注机制模块；所述特征图提取网络模块用于基于深度学习算法提取目标视频图像的特征图，还用于将所述特征图发送至所述自我关注机制模块；所述自我关注机制模块包括通道注意力模块、空间注意力模块和残差重构模块；所述通道注意力模块用于对所述特征图进行全局平均池化和全局最大池化并行处理，从而得到对应的两个通道描述向量矩阵，还用于将两个所述通道描述向量矩阵分别发送至两层的卷积层网络，利用逐个元素相加法将两个所述通道描述向量矩阵进行合并，从而得到新的通道描述向量矩阵，还用于将所述新的通道描述向量矩阵发送至激活层输出通道注意特征；还用于将所述通道注意特征发送至所述空间注意力模块；所述空间注意力模块用于对所述通道注意特征进行一个通道维度的全局平均池化和全局最大池化并行处理，得到相应的两个空间描述向量矩阵，还用于将两个所述空间描述向量矩阵按照通道进行合并，从而得到新的空间描述向量矩阵；还用于将所述新的空间描述向量矩阵发送至7×7的卷积层进行激活，从而得到二维空间注意映射矩阵；还用于将所述二维空间注意映射矩阵发送至所述残差重构模块；所述残差重构模块用于基于预设的深度残差网络对所述二维空间注意映射矩阵进行重构，从而得到超分辨率重构图像。2.根据权利要求1所述的视频图像编码系统，其特征在于，还包括压缩模块，用于对原始视频图像进行压缩，从而得到压缩图像以作为所述目标视频图像。3.根据权利要求1所述的视频图像编码系统，其特征在于，所述特征图提取网络模块包含两层深度学习卷积层，两层深度学习卷积层的大小分别为3×3×64和3×3×256。4.根据权利要求1所述的视频图像编码系统，其特征在于，所述激活层的激活函数为Sigmoid函数。5.根据权利要求1所述的视频图像编码系统，其特征在于，所述预设的深度残差网络由堆叠的若干个残差块组成，每个残差块由卷积层、批处理归一化层和非线性激活函数层组成。6.一种视频图像编码方法，其特征在于，包括以下步骤：基于深度学习算法提取目标视频图像的特征图；对所述特征图进行全局平均池化和全局最大池化并行处理，从而得到对应的两个通道描述向量矩阵，将两个所述通道描述向量矩阵分别发送至两层的卷积层网络，利用逐个元素相加法将两个所述通道描述向量矩阵进行合并，从而得到新的通道描述向量矩阵，将所述新的通道描述向量矩阵发送至激活层输出通道注意特征；对所述通道注意特征进行一个通道维度的全局平均池化和全局最大池化并行处理，得到相应的两个空间描述向量矩阵，将两个所述空间描述向量矩阵按照通道进行合并，从而得到新的空间描述向量矩阵，将所述新的空间描述向量矩阵发送至7×7的卷积层进行激活，从而得到二维空间注意映射矩阵；基于预设的深度残差网络对所述二维空间注意映射矩阵进行重构，从而得到超分辨率重构图像。7.根据权利要求6所述的视频图像编码方法，其特征在于，还包括：对原始视频图像进2CN114125454A权利要求书2/2页行压缩，从而得到压缩图像以作为所述目标视频图像。8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求6至7中任一项所述的方法的步骤。9.一种计算机可读