[发明专利]一种基于多域JND模型的视觉感知编码方法

说明书

一种基于多域JND模型的视觉感知编码方法，涉及视频信息处理。首先利用时空频多域JND模型，分别计算出DCT块中每个变换系数的空域基本JND阈值、亮度掩蔽调制因子、对比度掩蔽调制因子以及时域掩蔽调制因子，得到每个变换系数时空频多域JND阈值。然后在变换编码的过程中，引入基于块感知失真概率评估标准，通过一种自适应搜索算法寻找每个系数关于JND阈值的修正因子，得到变换系数抑制值。最后将原始的变换系数减去相应计算得出的最合适的抑制值，作为新的系数放入熵编码阶段。通过多域JND模型和块感知失真概率的编码抑制策略，在保证一定主观质量的前提下，能有效降低编码码率，有助于进一步提高目前编码标准的压缩率。

技术领域

本发明涉及视频信息处理，尤其是涉及一种基于多域JND模型的视觉感知编码方法。

背景技术

随着多媒体技术的发展，人们对于视频分辨率的要求越来越高，2K、4K甚至8K的视频都将在不久的将来普及，为了解决这些庞大的视频数据的存储和传输需求，视频编码标准应运而生。而目前最新的视频编码技术基于香农信息论，通过搜索多种编码模式，从中寻找最优的编码方式，而这一过程需要引入大量的计算来提高精确度，但目前随着计算量的提升，其效果提升却趋于平缓，说明基于这一编码思想的编码方式已进入发展的瓶颈期，寻找一种效果和计算量之比较高的编码思想对于未来编码技术的发展显得尤为重要。

由于视频的最终接收者是人(人眼)，视频编码的根本目的是在保证一定视频质量的前提下尽可能地降低码率，而编码和传输人眼无法察觉的信息显然是对网络传输和存储设备的一种浪费。可以说，视频编码的最终目的是达到人眼感知的保真度而不是像素的保真度。在多年前，人们就已经开始关注人眼系统，但由于其涉及到生理学、心理学等多个学科，相应的基础理论还并不成熟，人眼的一些特性还并不能很好的解释，同时在数字信号处领域，编码压缩率还有可进一步提升的空间，因此到目前为止，所有的编码标准都没有考虑进人眼特性来提高压缩效率。

但随着近年来，数字信号处理理论的约束以及人眼相关学科基础理论的发展，研究人员开始重新关注人眼系统，期望将人眼系统中的某些已经明确特性应用到视频编码中，以达到进一步压缩码率的目的。这一研究思想被称为视觉感知编码，即结合人眼视觉系统的某些特性去除视频中的视觉冗余部分，在达到视频的感知保真度的情况下，进一步压缩视频。而目前一些相关的模型也被提出，如基于人眼感知失真的最小可感知失真模型、基于人眼感兴趣区域的视觉显著性模型等。通过这些模型可以表示出人眼视觉信息处理的过程，而寻找能准确表现人眼视觉信息处理过程的模型就是目前视频编码领域所要解决的关键问题，视频编码技术也将因这一问题的解决走出目前发展的瓶颈期。

文献[1](Luo Z,Song L等，H.264/Advanced Video Control PerceptualOptimization Coding Based on JND-Directed Coefficient Suppression.IEEETransactions on CircuitsSystems for Video Technology，2013，23(6)：935-948)提出了一种完整的时空频域JND模型。在JM14.2上测试，在高效配置下节省了28.32％的码率。

文献[2](Bae SH,Kim J等，HEVC-based Perceptually Adaptive Video Codingusing a DCT-based Local Distortion Detection Probability Model.IEEETransactions on Image Processing，2016，25(7)：3343-3357)提出了一种基于块感知失真概率的编码抑制策略，在满足感知失真概率小于50％的情况下可以进一步压缩码率。在HM11.0上测试，在LOW-DELAY配置下节省了12.10％的码率，在RANDOM-ACCESS配置下节省了9.90％的码率。

发明内容