论文部分内容阅读
随着互联网技术以及多媒体信息技术的快速发展,人们对于视频质量的要求越来越高,给视频编码技术带来了巨大的挑战。新一代高效视频编码标准(High Efficiency Video Coding,HEVC)便应运而生。与上一代视频编码标准H.264/AVC相比较,HEVC的压缩效率提高了一倍。然而,HEVC的许多新技术仍然是利用视频信号的统计相关性来去除空间及时间冗余,以达到高效压缩的目的。考虑到通常人眼是视频的最终接收者,研究者们从人类视觉系统(Human Visual System,HVS)特性出发,深入挖掘视频的视觉冗余来进一步提升视频编码效率。其中,恰可觉察失真模型(Just Noticeable Difference Model,JND Model)对图像/视频中的视觉冗余有较为准确地量化估计。该模型通过模拟人类视觉系统的感知特性,得到人眼的最低视觉门限阈值,当变化值低于阈值时,人眼将无法觉察出该变化。因而,一个有效的JND模型能较为准确地估计出视觉冗余,且可应用于视频编码,以提高视频感知编码效率。为此,本文围绕提出更为可靠的JND模型以及其在HEVC感知视频编码的应用来展开研究工作,具体如下:1、大多数像素域JND模型过高地估计有序纹理区域的视觉掩蔽效果,忽略了人类视觉系统的视觉注意特性,对视觉冗余的估计不够准确。因此,本文提出了一种基于视觉注意的像素域JND模型。首先,利用相对总变差模型(Relative Total Variation Model,RTV Model)和模式复杂度将图像分解为结构图、有序纹理图以及无序纹理图,分别计算出它们的空间对比度,得到初始的对比度掩蔽模型(Contrast Masking Model,CM Model)。其次,考虑到图像的显著性模型与人眼视觉注意特性紧密相关,利用显著性调整因子来自适应调整对比度掩蔽估计。最后结合亮度自适应(Luminance Adaptation,LA)对JND进行建模。实验结果表明,本文所提的基于视觉注意的像素域JND模型对视觉冗余的估计较为准确。2、考虑到不同纹理复杂度的图像块可能带来不同的对比度掩蔽效应,而DCT块的能量能很好表征图像块的纹理复杂度。因此,本文提出一种基于块能量的DCT域JND模型。首先,在传统块类型划分方案的基础上,依据块能量的大小对纹理块进一步划分,得到不同块类型对对比度掩蔽效应的影响程度。然后,依据不同块类型带来的影响程度,得到基于块能量的对比度掩蔽模型。最后结合亮度自适应和空间对比敏感度函数(Contrast Sensitivity Function,CSF)对JND进行建模。实验结果表明,本文所提的基于块能量的DCT域JND模型更加有效。3、通过深入分析发现:HEVC不同的帧内预测方式与像素域JND模型相结合可以更准确估计视觉冗余信息从而更有效提高HEVC编码效率。为此,本文提出了一种基于方向性JND模型的HEVC帧内感知视频编码优化算法。所提方法首先依据梯度值与角度预测方式的角度方向关系,得到基于方向性的JND模型。接着利用该方向性JND模型来判定HEVC编码器当前最大编码单元(Largest Coding Unit,LCU)的视觉冗余度。最后结合简化韦伯比拟合函数来自适应调节拉格朗日乘子,实现根据视觉冗余度调节率失真优化过程。实验结果表明所提方法能够在保持视频感知质量的前提下,有效地降低编码码率。综上所述,本文所提的JND模型对视觉冗余的估计更为准确,同时JND模型在HEVC中的应用也提高了视频感知编码效率。本文的研究成果对于促进感知图像/视频编码技术的发展具有一定的研究意义和价值。