一种解码方法、装置及其设备与流程

本申请涉及编解码，尤其是涉及一种解码方法、装置及其设备。

背景技术：

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，仍然会存在解码性能较差和复杂度较高等问题。

技术实现思路

1、有鉴于此，本申请提供一种解码方法、装置及其设备，能够提高解码性能。

2、本申请提供一种解码方法，应用于解码端，所述方法包括：

3、对当前图像块对应的码流进行解码得到重建图像块，所述重建图像块包括第一初始分量和第二初始分量，所述第一初始分量的分辨率大于或者等于所述第二初始分量的分辨率；

4、基于所述第一初始分量和所述第二初始分量生成所述第二初始分量对应的调整后分量；

5、对所述调整后分量进行特征增强，得到所述第二初始分量对应的恢复后的目标分量。

6、本申请提供一种解码装置，应用于解码端，所述装置包括：

7、解码模块，用于对当前图像块对应的码流进行解码得到重建图像块，所述重建图像块包括第一初始分量和第二初始分量，所述第一初始分量的分辨率大于或者等于所述第二初始分量的分辨率；确定模块，用于基于所述第一初始分量和所述第二初始分量生成所述第二初始分量对应的调整后分量；处理模块，用于对所述调整后分量进行特征增强，得到所述第二初始分量对应的恢复后的目标分量。

8、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；

9、所述处理器用于执行机器可执行指令，以实现上述的解码方法。

10、本申请提供一种电子设备，包括：处理器和机器可读存储介质，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；处理器用于执行机器可执行指令，以实现解码方法。

11、本申请提供一种机器可读存储介质，所述机器可读存储介质上存储有若干计算机指令，所述计算机指令被处理器执行时，实现上述的解码方法。

12、由以上技术方案可见，本申请实施例中，在解码得到重建图像块之后，重建图像块包括第一初始分量和第二初始分量，第一初始分量的分辨率大于或者等于第二初始分量的分辨率，基于第一初始分量和第二初始分量生成第二初始分量对应的调整后分量，即基于第一初始分量辅助对第二初始分量进行调整，得到调整后分量，继而基于调整后分量确定第二初始分量对应的目标分量，从而能够提高解码性能，降低解码复杂度，降低计算复杂度，对资源需求比较少，对成本、延时敏感的设备也可以使用上述算法，提出低复杂度且高效的后处理网络模型框架，针对多种码率下的压缩缺陷恢复。

技术特征：

1.一种解码方法，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，

3.根据权利要求1所述的方法，其特征在于，所述基于所述第一初始分量和所述第二初始分量生成所述第二初始分量对应的调整后分量，包括：

4.根据权利要求3所述的方法，其特征在于，

5.根据权利要求3所述的方法，其特征在于，若所述第一图像特征包括经过神经网络的第一特征图，所述第二图像特征包括经过神经网络的第二特征图，所述基于所述第一初始分量和所述第二初始分量生成所述第二初始分量对应的调整后分量，包括：

6.根据权利要求3所述的方法，其特征在于，若所述第一图像特征包括经过神经网络的权重系数图，所述第二图像特征包括经过神经网络的第二特征图，所述基于所述第一初始分量和所述第二初始分量生成所述第二初始分量对应的调整后分量，包括：

7.根据权利要求6所述的方法，其特征在于，

8.根据权利要求7所述的方法，其特征在于，

9.根据权利要求7所述的方法，其特征在于，

10.根据权利要求6所述的方法，其特征在于，

11.根据权利要求3所述的方法，其特征在于，若所述第一图像特征包括经过神经网络的k个第一特征图，所述第二图像特征包括经过神经网络的k+1个第二特征图，所述基于所述第一初始分量和所述第二初始分量生成所述第二初始分量对应的调整后分量，包括：

12.根据权利要求11所述的方法，其特征在于，

13.根据权利要求5-12任一项所述的方法，其特征在于，

14.根据权利要求13所述的方法，其特征在于，

15.根据权利要求5-12任一项所述的方法，其特征在于，

16.根据权利要求1-15任一项所述的方法，其特征在于，所述将所述第一初始分量输入给第一神经网络，得到所述第一特征图之前，所述方法还包括：

17.根据权利要求16所述的方法，其特征在于，

18.根据权利要求1-17任一项所述的方法，其特征在于，在基于所述第一初始分量和所述第二初始分量生成所述第二初始分量对应的调整后分量之前，所述方法还包括：

19.根据权利要求1-17任一项所述的方法，其特征在于，所述对所述调整后分量进行特征增强，得到所述第二初始分量对应的恢复后的目标分量之前，所述方法还包括：

20.根据权利要求1-17任一所述的方法，其特征在于，所述对所述调整后分量进行特征增强，得到所述第二初始分量对应的恢复后的目标分量之后，所述方法还包括：

21.根据权利要求1-17任一项所述的方法，其特征在于，所述对所述调整后分量进行特征增强，得到所述第二初始分量对应的恢复后的目标分量，包括：

22.一种解码装置，其特征在于，所述装置包括：

23.一种解码端设备，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；

24.一种机器可读存储介质，其特征在于，所述机器可读存储介质上存储有若干计算机指令，所述计算机指令被处理器执行时，实现权利要求1-21任一项所述的方法。

技术总结本申请提供一种解码方法、装置及其设备，该解码方法包括：对当前图像块对应的码流进行解码得到重建图像块，所述重建图像块包括第一初始分量和第二初始分量，其中，所述第一初始分量的分辨率大于或者等于所述第二初始分量的分辨率；基于所述第一初始分量和所述第二初始分量生成所述第二初始分量对应的调整后分量；对所述调整后分量进行特征增强，得到所述第二初始分量对应的恢复后的目标分量。通过本申请技术方案，能够提高解码性能，并降低解码复杂度。技术研发人员：孙煜成,佘蕾,陈方栋,王莉,武晓阳受保护的技术使用者：杭州海康威视数字技术股份有限公司技术研发日：技术公布日：2024/9/12