CN114025164B 图像编码方法、图像解码方法、编码器以及解码器 （浙江大华技术股份有限公司）

2将所述待编码图像的重建图像分别结合不同的编码信息作为不同的获取每一个滤波重建图像与所述待编码图像的重选择所述差异值的最小值对应的滤波重建图像的编码信息作为目标编码所述将所述待编码图像的重建图像分别结合不同的编码信息作为不将每一重建子块分别结合不同的编码信息作为不同的网络其中，所述预设神经网络用于替换滤波网络中的传统滤波模块和/或增加到所述滤波所述待编码图像的重建图像包括第一分量重建图像、第二分量重建将所述第一分量重建图像、所述第二分量重建图像以及所述第三获取经过所述预设神经网络滤波后的第一分量重建图像、第二分所述待编码图像的重建图像包括第一分量重建图像、第二分量重建将所述第一分量重建图像，以及所述第二分量重建图像和所述第所述预设神经网络从输入端到输出端依次排列卷积层、激活层、3所述预设神经网络从输入端到输出端依次排列多组密集连接模块，基于编解码结果在码流中编码若干编解码标记，所述编解码标记包将所述解码重建图像以及所述编码信息输入所述预设神经基于所述编解码标记判断是否采用所述预设神计算机程序，所述处理器用于执行所述计算机程序以实现如权利要求1~8中任一项所述图计算机程序被计算机执行时实现如权利要求1~8中任一项所述图像编码方法和/或9~10中4[0015]其中，所述预设神经网络用于替换滤波网络中的传统滤波模块和/或增加到所述5所述激活层的输出以及后续卷积层的输出之间的注述密集连接模块包括多个卷积层，所述卷积块的输入连接自身的输出和/或其他卷积块的[0038]为解决上述技术问题，本申请采用的一个技术方案是提67波(CCALF)技术是利用亮度分量进行维纳滤波后作为调整值对ALF后的色度分量进行进一8[0076](1)通道域注意力机制模块，如图4所示，特征图经过Pooling(池化)，包括max到与通道数相同长度的权重特征向量，经过Sigmoid(激活)模块处理后将其权重值归一化对应方式为权重向量的第一个值与特征图的第一通道特征图所有值相乘得到第一通道输[0077](2)空间域注意力机制模块，如图5所示，特征图经过Pooling(池化)，包括max到与特征图分辨率大小相同的权重特征矩阵，经过Sigmoid模块处理后将其权重值归一化[0078](3)通道域注意力机制模块和空间域注意力机制模块两者相结合，具体有以下三制模块分别通过MaxPooling操作和AvgPooling操作得到通道数为2的特征图张量后，经9制模块分别通过MaxPooling操作和AvgPooling操作得到通道数为2的特征图张量后，经如图14～图16中所示的一种或多种模块以及一个从输入端DenseBlock组成。密集连接模块DenseBlock的结构如图中左侧所示，密集连接模块DenseBlock内的所有特征图的输入和输出连接到最后的[0102]本申请还提出了一种基于上述神经网络的图像编码方法，具体请参阅图18和图的原始图像块Y_org，获取合适的缩放因子scale，使得其在设定的度量D下，D((Y-X)·[0149]如果神经网络工具开关开启，神经网络应用时可以给每[0160]在本申请实施例中，解码器将解码重建图像以及编码信说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现方式所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器