[发明专利]基于神经网络算法的处理视频图像的方法和装置

权利要求书

1.一种基于神经网络算法的处理视频图像的方法，其特征在于，所述方法包括：

确定视频图像中的当前帧的原始图像数据和前一帧的图像数据；

对所述当前帧的原始图像数据和所述前一帧的图像数据进行差分运算得到差分数据，所述差分数据表示当前帧图像相对于前一帧图像的变化程度；

根据所述差分数据确定第一图像数据，所述第一图像数据的数据量少于所述当前帧的原始图像数据的数据量；

根据所述神经网络算法，对所述第一图像数据进行线性处理和非线性处理；

所述根据所述神经网络算法，对所述第一图像数据进行线性处理和非线性处理，包括：

根据所述神经网络算法，对所述第一图像数据进行线性处理；

根据所述线性处理后的所述第一图像数据和所述前一帧的图像数据，确定第二图像数据，所述第二图像数据为当前帧的处理图像数据；

根据所述神经网络算法，对所述第二图像数据进行非线性处理。

2.如权利要求1所述的方法，其特征在于，所述根据所述线性处理后的所述第一图像数据和所述前一帧的图像数据，确定第二图像数据，包括：

对所述线性处理后的所述第一图像数据和所述前一帧的图像数据进行累加运算，并根据所述累加运算的结果确定所述第二图像数据。

3.如权利要求1所述的方法，其特征在于，在所述根据所述神经网络算法，对所述第二图像数据进行非线性处理之前，所述方法还包括：

根据所述视频图像的目标直流分量和所述目标直流分量的误差范围，对所述第二图像数据中超过预设范围的数据进行调整。

4.如权利要求3所述的方法，其特征在于，所述对所述第二图像数据中超过预设范围的数据进行调整，包括：

确定第二图像数据中的与待调整数据相邻或相近的至少一个数据的调整量；

根据所述至少一个数据的调整量的平均值，对所述待调整数据进行调整。

5.如权利要求1至4中任一项所述的方法，其特征在于，所述根据所述差分数据确定第一图像数据，包括：

确定所述差分数据中绝对值大于差分阈值的数据为第一图像数据。

6.如权利要求5中任一项所述的方法，其特征在于，所述差分阈值为0。

7.一种基于神经网络算法的处理视频图像的装置，其特征在于，所述装置包括：

确定模块，用于确定视频图像中的当前帧的原始图像数据和前一帧的图像数据；

差分模块，用于对所述确定模块确定的所述当前帧的原始图像数据和所述前一帧的图像数据进行差分运算得到差分数据，所述差分数据表示当前帧图像相对于前一帧图像的变化程度；

所述确定模块还用于，根据所述差分模块计算的所述差分数据确定第一图像数据，所述第一图像数据的数据量少于所述当前帧的原始图像数据的数据量；

处理模块，用于根据所述神经网络算法，对所述确定模块确定的所述第一图像数据进行线性处理和非线性处理；

所述处理模块包括：

线性处理单元，用于根据所述神经网络算法，对所述第一图像数据进行线性处理；

确定单元，用于根据所述线性处理单元进行所述线性处理后的所述第一图像数据和所述前一帧的图像数据，确定第二图像数据，所述第二图像数据为当前帧的处理图像数据；

非线性处理单元，用于根据所述神经网络算法，对所述确定单元确定的所述第二图像数据进行非线性处理。

8.如权利要求7所述的装置，其特征在于，所述确定单元具体用于：

对所述线性处理后的所述第一图像数据和所述前一帧的图像数据进行累加运算，并根据所述累加运算的结果确定所述第二图像数据。

9.如权利要求7所述的装置，其特征在于，在所述非线性处理单元对所述确定单元确定的所述第二图像数据进行非线性处理之前，所述处理模块还包括调整单元，用于：

根据所述视频图像的目标直流分量和所述目标直流分量的误差范围，对所述第二图像数据中超过预设范围的数据进行调整。