一种视频压缩方法及装置与流程
本发明涉及图像处理技术领域，尤其涉及一种视频压缩方法及装置。
背景技术：
视频压缩技术是计算机处理视频数据的前提，视频压缩的目的是为了减少视频存储的空间或者降低视频传输的带宽。即使是存储和带宽相对廉价的今天，面对人们对高清视频的强烈需求，要实现视频的大容量存储和实时传输，没有视频压缩几乎不可能实现。
常用的视频压缩算法，基本上都是先将视频数据拆分成图像，再利用图像编码方法对图像进行编码，实现对图像的压缩，进而实现对视频数据的压缩。对编码算法进行改进，是提高视频压缩算法性能的主要途径。但是，仅仅对编码方法进行改进，进步空间很小。事实上，视频图像所包含的信息，相对于人眼可以感知的图像信息，有很大一部分冗余，而常用的视频压缩算法，都忽略了结合人眼的视觉效果对视频数据进行压缩。
技术实现要素：
基于上述现有技术的缺陷和不足，本发明提出一种视频压缩方法及装置，能够综合考虑人眼视觉特性及压缩后数据量，对视频数据进行基于张量的低秩逼近压缩处理，更高效率地实现对视频数据的压缩。
一种视频压缩方法，包括：
获取待压缩的视频数据；
提取得到所述视频数据的每一帧图像；
分别为所述每一帧图像建立张量模型；
分别对所述每一帧图像的张量模型进行视觉扰动处理，以及对所述每一帧图像的张量模型进行低秩逼近处理，得到压缩后的视频数据。
优选地，所述分别对所述每一帧图像的张量模型进行视觉扰动处理，包括：
对于每一帧图像的张量模型中的每个像素的每个元素，分别进行以下处理：
将该元素的值关于设定的压缩精度值p进行取模运算，得到模值；其中所述设定的压缩精度值p的取值为2的正整数次幂；
如果得到的模值小于p/2，则将该元素的值减去所述模值得到的结果，设置为该元素新的取值；
如果得到的模值大于p/2，则将该元素的值加上p，再减去所述模值得到的结果，设置为该元素新的取值；
如果得到的模值等于p/2，则根据相邻像素的对应元素的值，重新设置该元素；其中，所述相邻像素包括该元素所在像素在本帧图像中的相邻像素，以及前一帧图像中的，对应该元素所在像素的像素。
优选地，所述根据相邻像素的对应元素的值，重新设置该元素的值，包括：
分别计算该元素的值，与各个相邻像素的对应元素的值的差值的绝对值；
如果存在n个相邻像素的对应元素的值与该元素的值的差值的绝对值小于(p/2)-1，则分析对所述n个相邻像素的对应元素进行视觉扰动处理后，所述n个相邻像素的对应元素的值的变化情况；其中，n为正整数；
如果所述n个相邻像素中，对应元素的值增加的相邻像素的数量较多，则将该元素的值加p/2得到的结果，设置为该元素新的取值；
如果所述n个相邻像素中，对应元素的值增加的相邻像素的数量较少，则将该元素的值减p/2得到的结果，设置为该元素新的取值；
如果相邻像素的对应元素的值与该元素的值的差值的绝对值都不小于(p/2)-1，则分析对各个相邻像素的对应元素进行视觉扰动处理后，各个相邻像素的对应元素的值的变化情况；
如果各个相邻像素中，对应元素的值增加的相邻像素的数量较多，则将该元素的值加p/2得到的结果，设置为该元素新的取值；
如果各个相邻像素中，对应元素的值增加的相邻像素的数量较少，则将该元素的值减p/2得到的结果，设置为该元素新的取值。
优选地，在提取得到所述视频数据的每一帧图像后，该方法还包括：
对提取得到的所有图像，进行场景划分；
为划分的每一场景，分别建立张量模型；
分别对所述每一场景的张量模型进行视觉扰动处理，以及对所述每一场景的张量模型进行低秩逼近处理，得到压缩后的视频数据。
优选地，所述对提取得到的所有图像，进场场景划分，包括：
分别为每一帧图像选择用于划分场景的像素点；
计算开始帧图像的像素点与后续图像的像素点的差值的绝对值之和；
根据开始帧图像的像素点与后续图像的像素点的差值的绝对值之和，对所有图像进行场景划分。
优选地，对张量模型进行低秩逼近处理，得到压缩后的视频数据，包括：
将所述张量模型转换为矩阵；
对所述矩阵进行分解处理，得到所述矩阵的表达式；
选择所述表达式中设定数量的低秩向量，作为压缩后的视频数据。
一种视频压缩装置，包括：
数据获取单元，用于获取待压缩的视频数据；
图像提取单元，用于提取得到所述视频数据的每一帧图像；
模型建立单元，用于分别为所述每一帧图像建立张量模型；
压缩处理单元，用于分别对所述每一帧图像的张量模型进行视觉扰动处理，以及对所述每一帧图像的张量模型进行低秩逼近处理，得到压缩后的视频数据。
优选地，所述压缩处理单元分别对所述每一帧图像的张量模型进行视觉扰动处理时，具体用于：
对于每一帧图像的张量模型中的每个像素的每个元素，分别进行以下处理：
将该元素的值关于设定的压缩精度值p进行取模运算，得到模值；其中所述设定的压缩精度值p的取值为2的正整数次幂；
如果得到的模值小于p/2，则将该元素的值减去所述模值得到的结果，设置为该元素新的取值；
如果得到的模值大于p/2，则将该元素的值加上p，再减去所述模值得到的结果，设置为该元素新的取值；
如果得到的模值等于p/2，则根据相邻像素的对应元素的值，重新设置该元素；其中，所述相邻像素包括该元素所在像素在本帧图像中的相邻像素，以及前一帧图像中的，对应该元素所在像素的像素。
优选地，所述压缩处理单元根据相邻像素的对应元素的值，重新设置该元素的值时，具体用于：
分别计算该元素的值，与各个相邻像素的对应元素的值的差值的绝对值；
如果存在n个相邻像素的对应元素的值与该元素的值的差值的绝对值小于(p/2)-1，则分析对所述n个相邻像素的对应元素进行视觉扰动处理后，所述n个相邻像素的对应元素的值的变化情况；其中，n为正整数；
如果所述n个相邻像素中，对应元素的值增加的相邻像素的数量较多，则将该元素的值加p/2得到的结果，设置为该元素新的取值；
如果所述n个相邻像素中，对应元素的值增加的相邻像素的数量较少，则将该元素的值减p/2得到的结果，设置为该元素新的取值；
如果相邻像素的对应元素的值与该元素的值的差值的绝对值都不小于(p/2)-1，则分析对各个相邻像素的对应元素进行视觉扰动处理后，各个相邻像素的对应元素的值的变化情况；
如果各个相邻像素中，对应元素的值增加的相邻像素的数量较多，则将该元素的值加p/2得到的结果，设置为该元素新的取值；
如果各个相邻像素中，对应元素的值增加的相邻像素的数量较少，则将该元素的值减p/2得到的结果，设置为该元素新的取值。
优选地，该装置还包括：场景划分单元，用于对提取得到的所有图像，进行场景划分；
相应的，模型建立单元为划分的每一场景，分别建立张量模型。
优选地，所述场景划分单元对提取得到的所有图像，进场场景划分时，具体用于：
分别为每一帧图像选择用于划分场景的像素点；计算开始帧图像的像素点与后续图像的像素点的差值的绝对值之和；根据开始帧图像的像素点与后续图像的像素点的差值的绝对值之和，对所有图像进行场景划分。
优选地，所述压缩处理单元对张量模型进行低秩逼近处理，得到压缩后的视频数据时，具体用于：
将所述张量模型转换为矩阵；对所述矩阵进行分解处理，得到所述矩阵的表达式；选择所述表达式中设定数量的低秩向量，作为压缩后的视频数据。
采用本发明提出的视频压缩方法对视频数据进行压缩处理时，对视频数据的每一帧图像分别建立张量模型，对张每一量模型进行视觉扰动处理，以及低秩逼近处理，得到压缩后的视频数据。视觉扰动处理能够减少视频图像中的视觉冗余信息，同时，对图像的张量模型进行低秩逼近处理，能够减少存储的视频数据量，因此上述方法结合人眼视觉特性的，更高效的实现了视频压缩。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1是本发明实施例提供的一种视频压缩方法的流程示意图；
图2是本发明实施例提供的另一种视频压缩方法的流程示意图；
图3是本发明实施例提供的一种视频压缩装置的结构示意图；
图4是本发明实施例提供的另一种视频压缩装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例公开了一种视频压缩方法，参见图1所示，该方法包括包括：
s101、获取待压缩的视频数据；
具体的，本发明实施例所处理的，是数字形式的视频数据。更进一步的，由于生活中常见的，以及通信传输的通常是彩色视频数据，因此，对彩色视频数据的压缩，具有广泛需求。本发明实施例所研究的，正是对彩色视频数据的压缩处理。事实上，在实际情况允许的条件下，参照本发明实施例技术方案对黑白视频数据所进行的压缩处理，也在本发明实施例保护范围之内。
s102、提取得到所述视频数据的每一帧图像；
具体的，对视频数据的压缩，概括地讲包括对视频的每一帧图像的压缩处理，以及对帧间相关性的处理。本发明实施例在压缩视频数据时，首先将视频数据分解成一帧一帧的图像，再对每一帧图像进行压缩处理。通常，计算机可存储及处理的是rgb形式的数字图像，因此，本发明实施例在将视频数据分解为单帧图像时，具体是分解为单帧的rgb图像。可以理解的是，本发明实施例也可以将视频数据分解为其它形式的图像，例如hsv图像、cmyk图像等。
需要说明的是，通过上述介绍可见，本发明实施例对视频数据的压缩处理，实际上是对视频数据的每一帧图像的压缩处理。因此，本发明实施例实际上也可用于对单张数字图像的压缩处理，其处理过程，与后续介绍的对视频数据的每一帧图像的压缩处理过程相同。
s103、分别为所述每一帧图像建立张量模型；
具体的，张量是指高阶数组，n阶张量是指数组有n个指标集。例如二阶数组(矩阵)a[m，n]就是二阶张量，其有两个指标集，一个是含m个指标的行指标集，一个是包含n个指标的列指标集。若张量中每个元素都大于0，则称其为非负张量。
一帧rgb彩色图像包含红(red，r)、绿(green，g)、蓝(blue，b)三元素，可以理解为一帧rgb彩色图像包括r、g、b三层，每层又有长和宽两个参数。所以，一帧rgb彩色图像对应一个三阶张量a[1：h，1：q，1：3]，其中h表示图像的长，q表示图像的宽，1:3表示图像的r、g、b三层。很明显，各帧图像的张量为非负张量。
为每一帧图像建立张量模型，相当于将每一帧图像用张量模型表示出来，因此，对张量模型的处理，相当于对图像进行处理。
s104、分别对所述每一帧图像的张量模型进行视觉扰动处理，以及对所述每一帧图像的张量模型进行低秩逼近处理，得到压缩后的视频数据。
具体的，人眼对彩图图像的敏感度有上限，对于彩色图像的某些较细腻的色彩表现，人眼是感觉不到的，因此，为了使图像所占用的存储空间更小，可以将彩色图像中的重复色彩元素，或者较逼真的色彩元素进行调整，使其占用的存储空间更小。对彩色图像的张量模型进行视觉扰动处理，正是达到了减少存储量的目的。
在图像的张量模型中，包含大量的分量，其中包括低秩分量和高秩分量，而主要的信息集中在低秩部分，因此，相对于张量的低秩部分，高秩分量所含的信息较少，完全可以用张量的低秩分量代替整个张量所含的信息，以达到较少张量数据量的目的，而又不会影响图像的清晰度。基于上述原理，本发明实施例对图像的张量模型进行低秩逼近处理，减少张量模型的数据量，可以达到压缩图像的目的，进而达到对视频数据进行压缩的目的。
需要说明的是，对图像的张量模型进行视觉扰动处理和低秩逼近处理的先后顺序，可以互相调换，不影响本发明实施例技术方案的压缩性能。
采用本发明实施例提出的视频压缩方法对视频数据进行压缩处理时，对视频数据的每一帧图像分别建立张量模型，对张每一量模型进行视觉扰动处理，以及低秩逼近处理，得到压缩后的视频数据。视觉扰动处理能够减少视频图像中的视觉冗余信息，同时，对图像的张量模型进行低秩逼近处理，能够减少存储的视频数据量，因此上述方法结合人眼视觉特性的，更高效的实现了视频压缩。
可选的，在本发明的另一个实施例中，所述分别对所述每一帧图像的张量模型进行视觉扰动处理，包括：
对于每一帧图像的张量模型中的每个像素的每个元素，分别进行以下处理：
将该元素的值关于设定的压缩精度值p进行取模运算，得到模值；其中所述设定的压缩精度值p的取值为2的正整数次幂；
如果得到的模值小于p/2，则将该元素的值减去所述模值得到的结果，设置为该元素新的取值；
如果得到的模值大于p/2，则将该元素的值加上p，再减去所述模值得到的结果，设置为该元素新的取值；
如果得到的模值等于p/2，则根据相邻像素的对应元素的值，重新设置该元素；其中，所述相邻像素包括该元素所在像素在本帧图像中的相邻像素，以及前一帧图像中的，对应该元素所在像素的像素。
具体的，上述每一帧图像的张量模型的每个像素的每个元素，是指每帧图像的每个像素的r、g、b三个像素，各元素的取值介于0～255之间。例如，假设图像的张量模型为b[1：h，1：q，1：3]则某一像素的某一元素可表示为b[j，k，m]，其中，1≤j≤h，1≤k≤q，1≤m≤3。对每一帧图像的每个像素的每个元素分别进行视觉扰动处理，即完成了对整帧图像的视觉扰动处理。
对每个元素的具体的视觉扰动处理，即调整该元素的取值，下面举例说明上述视觉扰动处理的具体过程：
首先设定一个压缩精度值p(以p举例说明)，一般取2的正整数次幂，例如，取p＝8；
然后将元素b[j，k，m]的值对8取模值，得到模值i，如果i小于4，则设置b[j，k，m]＝b[j，k，m]-i；如果i大于4，则设置b[j，k，m]＝b[j，k，m]+8-i；如果i＝4，就要根据b[j，k，m]相邻像素的对应元素的值，来决定对b[j，k，m]加4还是减4。
需要说明的是，如果b[j，k，m]所在图像是第一帧图像，则b[j，k，m]的相邻像素包括b[j，k，m]在本帧图像中的上下左右相邻像素；如果b[j，k，m]所在的图像不是第一帧图像，则b[j，k，m]的相邻像素包括b[j，k，m]在本帧图像中的上下左右相邻像素，还包括前一帧图像中，与b[j，k，m]对应的像素元素。
可选的，在本发明的另一个实施例中，所述根据相邻像素的对应元素的值，重新设置该元素的值，包括：
分别计算该元素的值，与各个相邻像素的对应元素的值的差值的绝对值；
如果存在n个相邻像素的对应元素的值与该元素的值的差值的绝对值小于(p/2)-1，则分析对所述n个相邻像素的对应元素进行视觉扰动处理后，所述n个相邻像素的对应元素的值的变化情况；其中，n为正整数；
如果所述n个相邻像素中，对应元素的值增加的相邻像素的数量较多，则将该元素的值加p/2得到的结果，设置为该元素新的取值；
如果所述n个相邻像素中，对应元素的值增加的相邻像素的数量较少，则将该元素的值减p/2得到的结果，设置为该元素新的取值；
具体的，如上一实施例的举例，分别计算像素元素b[j，k，m]与各个相邻像素的对应元素的差值的绝对值，得到的绝对值数量，与相邻像素数量相同。
如果在各个绝对值当中，小于3(即p/2-1)的绝对值的数量多于大于3的绝对值数量，则以小于3的各个绝对值对应的，b[j，k，m]的相邻像素的对应元素在视觉扰动处理时的取值变化，决定b[j，k，m]的取值变化。具体的，如果在绝对值小于3的各个绝对值对应的，b[j，k，m]的相邻像素的对应元素中，进行视觉扰动处理时其值增大的元素数量较多，则将b[j，k，m]的值加4，即b[j，k，m]＝b[j，k，m]+4；否则，将b[j，k，m]的值减4，即b[j，k，m]＝b[j，k，m]-4。
如果相邻像素的对应元素的值与该元素的值的差值的绝对值都不小于(p/2)-1，则分析对各个相邻像素的对应元素进行视觉扰动处理后，各个相邻像素的对应元素的值的变化情况；
如果各个相邻像素中，对应元素的值增加的相邻像素的数量较多，则将该元素的值加p/2得到的结果，设置为该元素新的取值；
如果各个相邻像素中，对应元素的值增加的相邻像素的数量较少，则将该元素的值减p/2得到的结果，设置为该元素新的取值。
具体的，如果计算得到的各个绝对值中，没有小于3的绝对值，则根据b[j，k，m]相邻像素的对应元素在进行视觉扰动处理时的取值变化，决定对b[j，k，m]进行视觉扰动处理时是加4还是减4。
如果对b[j，k，m]的相邻像素的对应元素进行视觉扰动处理时，其值增加的相邻像素的对应元素数量较多，则对b[j，k，m]的值加4，即b[j，k，m]＝b[j，k，m]+4；如果对b[j，k，m]的相邻像素的对应元素进行视觉扰动处理时，其值减少的相邻像素的对应元素的数量较多，则对b[j，k，m]的值减4，即b[j，k，m]＝b[j，k，m]-4。
需要说明的是，不论是计算得到的绝对值中，存在小于3的还是不存在小于3的，在分析对相邻像素的对应元素进行视觉扰动处理的具体情况时，如果增加的元素数量等于减少的元素数量，则对b[j，k，m]的取值的调整，选择加4或减4都可以。
可选的，在本发明的另一个实施例中，参见图2所示，在提取得到所述视频数据的每一帧图像后，该方法还包括：
s203、对提取得到的所有图像，进行场景划分；
具体的，同一场景的图像，具有高度的相似性，对同一场景的图像进行归类压缩处理，更利于减少图像之间的相同部分，提高压缩比。因此，本发明实施例对视频的图像帧，以场景为单位进行压缩处理。首先对视频数据所包含的所有图像，进行场景划分，将同一场景的图像归集到一起，进行后续的压缩处理。
s204、为划分的每一场景，分别建立张量模型；
具体的，上述实施例介绍了，一帧图像的张量模型可表示为a[1：h，1：q，1：3]，假设某个场景共r帧图片，则该场景对应于一个四阶张量b[1：h，1：q，1：3，1：r]，其中b[1：h，1：q，1：3，k]为场景中的第k张rgb彩色图像对应的数据。由于rgb数据每个元素都在0到255之间，所以每个场景对应的张量均为四阶非负张量。
s205、分别对所述每一场景的张量模型进行视觉扰动处理，以及对所述每一场景的张量模型进行低秩逼近处理，得到压缩后的视频数据。
具体的视觉扰动处理以及低秩逼近处理，与上述实施例介绍的对每帧图像进行的视觉扰动处理以及低秩逼近处理相同。
本实施例中的步骤s201、s202分别对应图1所示的方法实施例中的步骤s101、s102，其具体内容请参见对应图1所示的方法实施例的内容，此处不再赘述。
可选的，在本发明的另一个实施例中，所述对提取得到的所有图像，进场场景划分，包括：
分别为每一帧图像选择用于划分场景的像素点；
具体的，假设图像的张量模型为a[1：h，1：q，1:3]，选定张量的每层(r层、g层、b层)的对角线元素作为场景分类的像素点，也可以取中间一行元素和中间一列元素。
计算开始帧图像的像素点与后续图像的像素点的差值的绝对值之和；
根据开始帧图像的像素点与后续图像的像素点的差值的绝对值之和，对所有图像进行场景划分。
具体的，从视频的第一帧图像开始，作为第一场景的开始帧，计算开始帧图像中的用于划分场景的像素点与后续图像的用于划分场景的像素点的差值的绝对值之和，如果差值的绝对值之和不大于150*h，则认为后续图像属于第一场景，当计算到绝对值之和大于150*h时，将计算的最后一帧图像，作为下一个场景的开始帧，以此类推，完成对视频数据的场景划分。
例如，假设计算得到前n帧图像的用于划分场景的像素点的差值的绝对值之和小于150*h，而计算得到前n+1帧图像的用于划分场景的像素点的差值的绝对值之和大于150*h，则将前n帧图像划分为一个场景，而将第n+1帧图像作为下一场景的开始帧。
可选的，在本发明的另一个实施例中，对张量模型进行低秩逼近处理，得到压缩后的视频数据，包括：
将所述张量模型转换为矩阵；
对所述矩阵进行分解处理，得到所述矩阵的表达式；
选择所述表达式中设定数量的低秩向量，作为压缩后的视频数据。
例如，以场景的张量模型的低秩逼近处理为例说明，首先将场景的四阶张量b[1：h，1：q，1：3，1：r]转换为矩阵c[1：h，1：q*3*r]；然后做矩阵的分解
本发明实施例还公开了一种视频压缩装置，参见图3所示，该装置包括：
数据获取单元301，用于获取待压缩的视频数据；
图像提取单元302，用于提取得到所述视频数据的每一帧图像；
模型建立单元303，用于分别为所述每一帧图像建立张量模型；
压缩处理单元304，用于分别对所述每一帧图像的张量模型进行视觉扰动处理，以及对所述每一帧图像的张量模型进行低秩逼近处理，得到压缩后的视频数据。
具体的，本实施例中各个单元的具体工作内容，请参见对应的方法实施例的内容，此处不再赘述。
可选的，在本发明的另一个实施例中，压缩处理单元304分别对所述每一帧图像的张量模型进行视觉扰动处理时，具体用于：
对于每一帧图像的张量模型中的每个像素的每个元素，分别进行以下处理：
将该元素的值关于设定的压缩精度值p进行取模运算，得到模值；其中所述设定的压缩精度值p的取值为2的正整数次幂；
如果得到的模值小于p/2，则将该元素的值减去所述模值得到的结果，设置为该元素新的取值；
如果得到的模值大于p/2，则将该元素的值加上p，再减去所述模值得到的结果，设置为该元素新的取值；
如果得到的模值等于p/2，则根据相邻像素的对应元素的值，重新设置该元素；其中，所述相邻像素包括该元素所在像素在本帧图像中的相邻像素，以及前一帧图像中的，对应该元素所在像素的像素。
具体的，本实施例中的压缩处理单元304的具体工作内容，请参见对应的方法实施例的内容，此处不再赘述。
可选的，在本发明的另一个实施例中，压缩处理单元304根据相邻像素的对应元素的值，重新设置该元素的值时，具体用于：
分别计算该元素的值，与各个相邻像素的对应元素的值的差值的绝对值；
如果存在n个相邻像素的对应元素的值与该元素的值的差值的绝对值小于(p/2)-1，则分析对所述n个相邻像素的对应元素进行视觉扰动处理后，所述n个相邻像素的对应元素的值的变化情况；其中，n为正整数；
如果所述n个相邻像素中，对应元素的值增加的相邻像素的数量较多，则将该元素的值加p/2得到的结果，设置为该元素新的取值；
如果所述n个相邻像素中，对应元素的值增加的相邻像素的数量较少，则将该元素的值减p/2得到的结果，设置为该元素新的取值；
如果相邻像素的对应元素的值与该元素的值的差值的绝对值都不小于(p/2)-1，则分析对各个相邻像素的对应元素进行视觉扰动处理后，各个相邻像素的对应元素的值的变化情况；
如果各个相邻像素中，对应元素的值增加的相邻像素的数量较多，则将该元素的值加p/2得到的结果，设置为该元素新的取值；
如果各个相邻像素中，对应元素的值增加的相邻像素的数量较少，则将该元素的值减p/2得到的结果，设置为该元素新的取值。
具体的，本实施例中的压缩处理单元304的具体工作内容，请参见对应的方法实施例的内容，此处不再赘述。
可选的，在本发明的另一个实施例中，参见图4所示，该装置还包括：场景划分单元305，用于对提取得到的所有图像，进行场景划分；
相应的，模型建立单元303为划分的每一场景，分别建立张量模型。
具体的，本实施例中的场景划分单元305和模型建立单元303的具体工作内容，请参见对应的方法实施例的内容，此处不再赘述。
可选的，在本发明的另一个实施例中，场景划分单元305对提取得到的所有图像，进场场景划分时，具体用于：
分别为每一帧图像选择用于划分场景的像素点；计算开始帧图像的像素点与后续图像的像素点的差值的绝对值之和；根据开始帧图像的像素点与后续图像的像素点的差值的绝对值之和，对所有图像进行场景划分。
具体的，本实施例中的场景划分单元305的具体工作内容，请参见对应的方法实施例的内容，此处不再赘述。
可选的，在本发明的另一个实施例中，压缩处理单元304对张量模型进行低秩逼近处理，得到压缩后的视频数据时，具体用于：
将所述张量模型转换为矩阵；对所述矩阵进行分解处理，得到所述矩阵的表达式；选择所述表达式中设定数量的低秩向量，作为压缩后的视频数据。
具体的，本实施例中的压缩处理单元304的具体工作内容，请参见对应的方法实施例的内容，此处不再赘述。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
- 还没有人留言评论。精彩留言会获得点赞！