专利交易市场

本发明公开了一种低照度视频增强方法及系统，属于图像处理技术领域，方法包括：获取不同类别的初始视频，提取正常光视频帧序列，并通过正常光视频序列生成低照度视频序列；将两个序列作为一组对比视频帧序列，构造包含多组对比视频帧序列的低照度视频数据集，并将低照度视频数据集按照预设比例划分为训练集、验证集和测试集；结合自注意力机制和卷积原理，构造低照度视频增强网络模型；采用孪生网络结构，对低照度视频增强网络模型进行训练，训练时损失函数采用一致性损失、重构损失、SSIM损失和颜色损失；将测试集中的低照度视频帧序列输入至训练后得到的低照度视频增强网络模型，得到增强视频帧序列。

本发明公开了一种基于Swin‑Transformer架构的空频域压缩视频增强方法及装置，涉及图像处理领域，包括：提取目标帧及目标帧前后帧信息，使用卷积神经网络提取多帧特征信息并将其对齐并且融合成原始视频帧的残差图；使用Harr小波变换提取残差图宽、高各1/2尺寸的高频分量特征和低频分量特征；将提取到的低频分量特征使用基于Swin‑Transformer模块进行纹理和结构信息建模，对提取到的高频分量特征使用U‑net的方式进行特征重建；将重建后的高低频分量特征进行Haar小波反变换，并加入到原始视频帧中得到增强后的视频帧。本发明通过对残差图进行频域特征提取并重建，有效解决现阶段缺损压缩视频质量增强中存在对前后帧应用较少导致增强视频帧细节纹理表现不突出的问题，实现更好的增强效果。