论文部分内容阅读
传统的标准动态范围（SDR）视频已被广泛应用于各个领域。其能够被广泛应用的主要原因是SDR视频中像素的每个颜色通道能够用一个字节表示，这使得SDR视频便于存储和传输。但是SDR视频只能覆盖有限的亮度动态范围和色域，而真实世界中的亮度范围和色域比SDR成像系统所能捕获的范围要宽很多。高动态范围（HDR）图像和视频克服了SDR视频的这些缺点，更成功地描绘了真实的世界。但是，不同于SDR视频的整型值表示，HDR视频由浮点值表示。这意味着存储和传输HDR视频需要更大的内存和网络带宽。网络带宽的限制阻碍了HDR视频的广泛应用。因此，有必要实现高效的HDR视频编码，以减少对带宽的要求。 由于视频信号的最终接收器是人的眼睛，因此，利用人类视觉系统（HVS）的特性来去除视觉冗余，以提高HDR视频的编码效率。本文的主要工作有以下几个方面： 1.提出了一个具有向后兼容能力的光电转换函数（OETF）。混合对数伽玛（HLG）转换函数具有向后兼容性，并且它的第二部分是对数映射函数。而均匀有理映射函数（URMF）是一种快速、简单的量化技术，它是通过有理量化来近似对数映射函数所得到的。URMF比对数映射函数更加高效并且它符合人类视觉特性，因此，用URMF来替换HLG中的对数映射函数以此来生成一个新的光电转换函数。我们所提出的光电转换函数非常高效、具备向后兼容的能力，并且能够提高解码后的HDR视频的视觉质量。 2.提出了一种10比特HEVC编码器的优化算法。根据HVS模型,提出了一个基于自由能的10比特恰可察觉失真模型(FEJND)。利用该模型为每个编码单元生成基于感知的拉格朗日乘子，然后通过最小化率失真代价来为每个编码单元执行切分与合并。提出的优化算法显著的降低了编码所需要的比特数，并成功地提高了解码后的HDR视频的主观感知质量。 3.提出了10比特HEVC编码器的进一步优化算法。由于计算FEJND是一个非常耗时的过程，因此，使用FEJND会增加10比特HEVC编码器的时间复杂度。为了克服FEJND模型的缺点,设计了一个基于视觉规则性的JND模型（VRJND）。由于该模型计算复杂度低并且能够更好的表示人眼视觉系统，因此，使用该模型来指导编码单元的划分与合并。使用了VRJND模型的优化算法能够提升编码效率并且具有较低的时间复杂度。 4.提出了一种编码单元快速决策算法。视觉规则性模型不仅能够用来描述人眼视觉系统，也可用于表示图像中的结构信息。在分析了最优编码单元大小与视觉规则性模型的关系之后，设计了一个提前终止算法和编码单元大小预测算法来做编码单元的快速决策。该编码单元快速决策算法是一种通用算法，这意味着它不仅能用于普通的HEVC编码器，还能用于10比特的HEVC编码器。