(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 202111675149.6 (22)申请日 2021.12.31 (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　秦晨阳　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. G06T 5/00(2006.01) (54)发明名称 一种基于Huber函数的视频自适应锐化方法 及系统 (57)摘要 一种基于Huber函数的视频自适应锐化方法 和系统， 其方法包括： S1:通过图片数据集训练 Huber分段函数 的至少参数a， b， c； S2:将预 处理的图像YCbCr数据在Y分量上计算梯度信息 g， 再把取值范围[0,2 55]的所述梯度信息归一化 到区间[0,c]， 以完成所述些梯度信息映射到a, b,c三个范围内； S3:根据所述梯度信息来自动调 整输出图像的锐化强度。 采用L1loss有效 的监督 学习方式， 先计算yg， 然后gtg， 然后是idx， 最后 得出这个L1loss。 本发明是一种基于Huber函数 的视频自适应锐化算法， 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8页 附图1页 CN 114372933 A 2022.04.19 CN 114372933 A 1.一种基于 Huber函数的视频自适应锐化方法， 其特 征在于， 包括： S1:通过图片数据集训练Huber分段函数 的至少三 参数a， b， c； S2:将预处理的图像YCbCr数据在Y分量上计算梯度信息g， 再把取值范围[0,255]的所 述梯度信息归一 化到区间[0,c]， 以完成所述些梯度信息映射到a,b,c三个范围内； 其中x表示图像的Y分量数据； G表示大小为9的高斯核； 表示Y分量的梯度幅值； S3:根据所述梯度信息来自动调整输出图像的锐化强度 x为输入图像， y为输出图像， 校正信号为y分量梯度幅值g， 控制强度的因子为g的一个 函数： 所述 的计算方式， 根据S1的训练结果a,b,c三个参数， 做的三个分段函数， 分段的阈值范围就是a,b,c. 其中y表示输入图像x经 过锐化后的结果； a,b,c是深度学习网络步骤S1学习后的参数。 2.如权利要求1所述的方法， 其特 征在于， 还 包括： 采用L1loss有效的监 督学习方式， 先计算yg， 然后gtg， 然后是idx， 最后得 出这个L1loss， 其中yg是锐化后图像的梯度； gtg表示数据集中GT图像的梯度； idx表示GT图像的梯度最 大值所在的位置 。 3.如权利要求1或2所述的方法， 其特 征在于， 数据集采用RED S deblur数据集。 4.如权利要求1或2所述的方法， 其特征在于， 步骤S2还包括将预处理的图像转换成 YCbCr数据。 5.一种基于 Huber函数的视频自适应锐化系统， 其特 征在于， 训练模型： 通过图片数据集训练Huber分段函数 的至少参数a， b， c； 梯度计算单元： 用于将预处理的图像YCbCr数据在Y分量上计算梯度信息g； 再把取值范 围[0,255]的所述梯度信息归一化到 区间[0,c]， 以完成所述些梯度信息映射到a,b,c三个 范围内；权　利　要　求　书 1/2 页 2 CN 114372933 A 2其中x表示图像的Y分量数据； G表示大小为9的高斯核； 表示Y分量的梯度幅值； 锐化强度调整单 元： 用于根据所述梯度信息来自动调整输出图像的锐化强度 x为输入图像， y为输出图像， 校正信号为y分量梯度幅值g， 控制强度的因子为g的一个 函数： 所述 的计算方式， 根据S1的训练结果a,b,c三个参数， 做的三个 分段函数， 分段的阈值范围就是a,b,c. 其中y表示输入图像x经 过锐化后的结果； a,b,c是深度学习网络步骤S1学习后的参数。 6.如权项5所述的系统， 还 包括： 监督学习单元： 用于用L1loss有效的监督学习方式， 先计算yg， 然后gtg， 然后是idx， 最 后得出这个L1loss， 其中yg是锐化后图像的梯度； gtg表示数据集中GT图像的梯度； idx表示GT图像的梯度最 大值所在的位置 。权　利　要　求　书 2/2 页 3 CN 114372933 A 3