(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 (43)申请公布日 (21)申请 号 202111657429.4 (22)申请日 2021.12.3 0 (71)申请人 上海网达软件股份有限公司 地址 200120 上海市浦东 新区中国(上海) 自由贸易试验区川桥路409号 (72)发明人 唐杰　朱运平　张聪聪　李庆瑜　 戴立言　 (74)专利代理 机构 上海汉声知识产权代理有限 公司 3123 6 代理人 胡晶 (51)Int.Cl. H04N 5/14(2006.01) H04N 5/367(2011.01) G06T 5/00(2006.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 基于滑窗权重回归的视频自适应锐化的方 法及系统 (57)摘要 本发明公开了一种基于滑窗权重回归的视 频自适应锐化的方法及系统， 通过构建基于滑窗 权重回归的神经网络模型， 以神经网络模型回归 每帧图像中每个像素位置及其8邻域的权重； 采 用get_weights函数 获取神经网络模型的训练权 重， 得到维度为[1,9,height,width]的特征， 使 图像的每个像素位置输出9个权重； 将当前像素 及其8邻域， 根据相应的9个权重进行加权， 得到 锐化后的图像。 不需要设置参数就能够自适应处 理多种视频场景， 能够达到实时处理的要求， 更 能突出图像的边 缘和细节。 权利要求书2页 说明书7页 附图4页 CN 114363477 A 2022.04.15 CN 114363477 A 1.一种基于滑窗权 重回归的视频自适应锐化的方法， 其特 征在于， 包括： 获取待处 理视频， 将视频解码， 得到若干一帧图像； 构建基于滑窗权重回归的神经网络模型， 通过神经网络模型回归每帧图像中每个像素 位置及其8邻域的权重； 通过get_weights函数获取神经网络模型的训练权重， 得到维度为 [1,9,height,width]的特征， 使图像的每个像素位置输出9个权重； 其中， height为图像的 高度， width为图像的宽度； 将当前像素及其8邻域， 根据相应的9个权重进行加权， 得到锐化 后的图像； 将锐化后的图像进行编码， 得到 锐化处理后的视频。 2.如权利要求1所述的基于滑窗权重回归的视频自适应锐化的方法， 其特征在于， 所述 通过通过get_weights函数获取神经网络模型的训练权 重进一步包括： 采用AlexNet神经网络， 根据公式： w＝(A·gridx+B·gridy+T)3 回归10个参数， 其中， 式中， A,B为权重系数， T为常数项， x,y是在[ ‑1,1]区间上分别均匀等分后得到长度分 别为width,height的数组， width,height分别为图像的宽和高； gridx、 gridy分别为x、 y的 网格分量； 将所述10个参数与二维meshgrid(y,x)点乘得到维度大小为[1,9,height,width]的权 重。 3.如权利要求2所述的基于滑窗权重回归的视频自适应锐化的方法， 其特征在于， 采用 公式： 对神经网络模型进行监督学习， 不断计算图像 gt与图像y的loss值， 对回归参数进行调 整； 其中， N为模型输入图像的像素个数， 图像gt为模型训练集中真值图像， 图像y为模型输 出的锐化图像。 4.一种基于滑窗权 重回归的视频自适应锐化的系统， 其特 征在于， 包括： 预处理模块， 用于获取待处 理视频， 将视频解码， 得到若干一帧图像； 图像锐化模块， 用于构建基于滑窗权重回归的神经网络模型， 通过神经网络模型回归 每帧图像中每个像素位置及其8邻域的权重； 采用get_weights函数获取神经网络模 型的训 练权重， 得到维度为[1,9,height,wi dth]的特征， 使图像的每个像素位置输出9个权重； 其 中， height为图像的高度， width为图像的宽度； 将当前像素及其8邻域， 根据相应的9个权重 进行加权， 得到 锐化后的图像； 视频输出模块， 用于将锐化后的图像进行编码， 得到 锐化处理后的视频。 5.如权利要求4所述的基于滑窗权重回归的视频自适应锐化的系统， 其特征在于， 所述权　利　要　求　书 1/2 页 2 CN 114363477 A 2图像锐化模块包括网络模型 单元及模型训练单 元； 所述网络模型 单元采用Alex  Net神经网络， 根据公式： w＝(A·gridx+B·gridy+T)3 回归10个参数， 其中， 式中， A,B为权重系数， T为常数项， x,y是在[ ‑1,1]区间上分别均匀等分后得到长度分 别为width,height的数组， width,height分别为图像的宽和高； gridx、 gridy分别为x、 y的 网格分量； 并将所述10个参数与二维meshgrid(y,x)点乘得到维度大小为[1,9,height, width]的权 重； 所述模型训练单 元用于根据公式： 对神经网络模型进行监督学习， 不断计算图像 gt与图像y的loss值， 对回归参数进行调 整； 其中， N为模型输入图像的像素个数， 图像gt为模型训练集中真值图像， 图像y为模型输 出的锐化图像。 6.一种基于滑窗权 重回归的视频自适应锐化的设备， 其特 征在于， 包括： 存储器和处 理器， 所述存 储器中存 储有指令， 所述存 储器和所述处 理器通过线路互连； 所述处理器调用所述存储器中的所述指令， 实现如权利要求1 ‑3中任意一项所述的基 于滑窗权 重回归的视频自适应锐化的方法。 7.一种计算机可读存储介质， 所述计算机可读存储介质上存储有计算机程序， 其特征 在于， 所述计算机程序被处理器执行时实现如权利要求1 ‑3中任意一项所述的基于滑 窗权 重回归的视频自适应锐化的方法。权　利　要　求　书 2/2 页 3 CN 114363477 A 3