摘要
本发明涉及一般的图像数据处理领域，具体涉及一种基于深度非线性模型预测的图像数据处理方法，该方法包括从帧间图像序列中获取各帧的融合特征，为各帧单独生成监督标签；训练CNN深度学习模型，使CNN深度学习模型学会预测当前帧与下一帧之间的运动与亮度变化，得到已训练CNN深度学习模型；用已训练CNN深度学习模型处理新的各帧的融合特征，得到新的预测结果，根据新的预测结果计算最优控制输入；基于最优控制输入动态调整各帧的输出码率分配。现有图像数据处理方法存在适应性较差且难以捕捉帧间图像序列的时空非线性特征的问题。本发明提供的图像数据处理方法适应性较好且能够捕捉帧间图像序列的时空非线性特征。
