[发明专利]一种老片退化数据的生成方法及设备

说明书

本发明公开了一种老片退化数据的生成方法及设备，属于深度学习数据集生成领域，包括步骤：定义种类多样丰富的退化核集合，将退化核的顺序以及数量任意更改；使用一个训练好的退化模型对已有的退化核进行随机动态调整，生成的新的退化核；使用动态调整后的退化核作用于现有的高清素材，生成退化后对应的老片素材。本发明通过一个高度随机性的流程，基于已有的高清素材，大量高效的生成随机退化后的老片素材，为老片修复的深度神经网络训练生成了高质量的数据集，极大减少了人工标注的成本，提升了退化空间的大小，增强了深度神经网络模型的泛化能力。

技术领域

本发明涉及深度学习数据集生成领域，更为具体的，涉及一种老片退化数据的生成方法及设备。

背景技术

对一部老片进行修复，去除胶片老化造成的画面损伤，通常需要大量的人力进行手工修复以及调整。随着深度学习技术的出现，AI修复大大节省了老片修复中的手工修复的工作量，从而提高了老片修复的效率以及质量。然而，深度学习技术通常需要大量的先验数据进行学习，从而提高AI修复的效果。由于老片数据本身的匮乏，以及老片数据退化的多样性、丰富性，通过常规的手段获得大量不同种类的老片数据尤为困难。

为了方便、大量的生成具有多样性、丰富性的老片素材，并用于深度学习的模型学习中，就需要一种能够满足上述条件的老片修复退化数据的生成方法。

发明内容

本发明的目的在于克服现有技术的不足，提供一种老片退化数据的生成方法及设备，可以将已有的高清视频素材，退化为种类多样的老片视频素材，模拟老片中可能出现的划痕、灰尘、斑点等结构性损伤，以及噪声、模糊、编码损伤等非结构性损伤。将不同的退化类型随机的叠加组合，生成能够接近真实老片的合成数据，与原始的高清视频素材一起组成老片修复的数据集，用于深度学习模型的训练等。

本发明的目的是通过以下方案实现的：

一种老片退化数据的生成方法，包括以下步骤：

S1，定义包含图像退化核的退化集合；

S2，利用训练后的退化模型随机生成不同的退化核参数，并使用不同的退化核参数生成不同的退化核，从而组成不同的退化核组合；

S3，利用步骤S2中生成的退化核作用于高清数据集，生成对应的模拟老片的退化数据集。

进一步地，在步骤S1中，所述图像退化核包括结构性退化核和非结构性退化核；且在所述定义包含图像退化核的退化集合的过程中，包括子步骤：退化核在定义时为每种退化定义不同的退化参数，退化参数决定退化核的属性，通过改变退化参数能够改变退化核的退化类型和退化强度。

进一步地，在步骤S1中，所述包含图像退化核的集合，能够任意添加或删除退化核，通过组合不同的退化核产生不同的老片退化数据。

进一步地，在步骤S2中，所述使用不同的退化核参数生成不同的退化核，从而组成不同的退化核组合，包括子步骤：

退化模型随机生成不同的退化核参数以及顺序，且退化模型的工作流程表现为如下公式：

D({d₁,d₂,d₃,…,d_n})＝α₁,α₂,α₃,…,α_n

其中，D代表训练好的退化模型，而{d₁,d₂,d₃,…,d_n}则代表步骤S1中的退化核集合，α₁,α₂,α₃,…,α_n则代表了每种退化核对应的参数，这些参数决定了每种退化核的退化类型和退化程度。