(19)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 202111655771.0 (22)申请日 2021.12.3 0 (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　张聪聪　朱运平　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 专利代理师 胡晶 (51)Int.Cl. G06T 5/40(2006.01) G06T 7/90(2017.01) G06N 3/08(2006.01) (54)发明名称 一种基于UV直方图特征的视频色彩增强方 法及系统 (57)摘要 本发明是一种基于UV直方图特征的视频色 彩增强方法及系统， 通过深度学习算法图像UV分 量的调节参数， 本发明可在cpu上实现实时的视 频色彩增强， 使得视频的颜色变得更加鲜艳明 亮。 本发明是基于YUV颜色 空间的算法， 避免了颜 色空间转换造成的大量耗时的操作， 而且利用开 源的数据集， 能够根据不同场景自适应的调节算 法参数， 无需人为干预， 在算法的使用上特别友 好。 权利要求书2页 说明书6页 附图1页 CN 114565543 A 2022.05.31 CN 114565543 A 1.一种基于UV直方图特 征的视频色彩增强方法， 其特 征在于： 包括： S1:通过深度神经网络学习得到模型权 重weights[2][25 6×256]； S2:学习UV分量的参数： 将RGB图像转化到YUV颜色空间， 在UV 分量上计算直方图histUV [256×256]， 所述直方图hi stUV[256×256]和所述模型权重weights[2][2 56×256]相乘并 求和得到最终的参数pu和pv： S3:计算图像UV分量的颜色增强之后的数据 其中U、 V表示输入视频的U和V分量数据， U ′、 V′表示U和V分量颜色增强之后的数据。 2.如权利要求1所述的方法， 其特 征在于， 还 包括： S4:采用L1loss进行有效的监 督学习 其中N表示图像单个通道像素的个数； Ugt、 Vgt表示five K数据集中GT的U和V分量数据。 3.如权利要求1所述的方法， 其特征在于， 输入视频其进一步包括将RGB图像转化成 YCbCr数据。 4.如权利要求1所述的方法， 其特 征在于， 步骤S1之前还 包括： 机器学习， 评价机器学习有效性的方式是L1loss， 下面是L1loss指标的计算公式： 其中N表示图像 单个通道像 素的个数； Ugt表示fiveK开源数据集中GT的U分量数据； Vgt表 示fiveK开源数据集中GT的V分量数据； U ′表示模型训练过程输出的预测数据集中的U分量； V′表示模型训练过程输出的预测数据集中的V分量； 这一部分是模型训练的最外层框架， 用于判断训练结果是否达到最佳效果， 这里使用 了模型的预测数据， 通过预测数据和 源数据进行L1Loss的一个计算， 当L1Loss的变化一直 稳定在预设范围， 认为训练已经达到效果， 这里所谓的预测数据， 就是步骤S1中U， V分量增 强公式， 计算得到的U,V分量增强后的数据。 5.如权利要求4所述的方法， 其特征在于， 机器学习的过程就是模型训练， 这一部分主 要包括模型算法逻辑， 输入训练数据， 输出 预测集； 模型训练的输入数据是开源的REDS  deblur数据 集， 训练的模型是一个线性模型， 通过 应用pytorch.nn.linear来进行训练,其工作原理就是输入一个维度为256x256维度的UV分 量直方图数据： histUV[2 56×256]， 经过如下线 性变化公式， 分别得到U,V分量的256x2 56维 度的权重： weights[2][25 6×256]； 线性变换公式： y＝xA+b权　利　要　求　书 1/2 页 2 CN 114565543 A 2得到了上面的权重数据， 就可以在实际运算中再转置,就能和x做矩阵乘法； 因为直方 图能够比较全面的反应图像的总 体特征， 256x256表示了U有256个值， v有256个值， 二者组 合共有256x256个特征值， 反应了RGB图像色彩的所有特征， 输入这些特征值之后， pytorch.nn.linear通过数据的学习， 对这些特征做线性回归， 得到线性函数的斜率， 就是 提到的权 重数据， 然后可以对步骤S3图像的U， V进行增强处 理。 6.一种基于UV直方图特 征的视频色彩增强系统， 其特 征在于： 包括： 模型权重训练模型:用于通过深度神经网络学习得到模型权重weights[2][256 × 256]； 学习UV分量参数计算单元： 用于将RGB图像转化到YUV颜色空间， 在UV分量上计算直方 图histUV[256 ×256]， 所述直方图histUV[256 ×256]和所述模型权重weights[2][256 × 256]相乘并求和得到最终的参数pu和pv： 计算单元： 用于计算图像UV分量的颜色增强之后的数据 其中U、 V表示输入视频的U和V分量数据， U ′、 V′表示U和V分量颜色增强之后的数据。 7.如权利要求6所述的系统， 其特 征在于， 还 包括： 监督学习处 理单元:用于采用L1loss进行有效的监 督学习 其中N表示图像单个通道像素的个数； Ugt、 Vgt表示five K数据集中GT的U和V分量数据。权　利　要　求　书 2/2 页 3 CN 114565543 A 3