[发明专利]一种基于梯度模相似度离差最小化的比特分配方法

说明书

本发明公开了一种基于梯度模相似度离差最小化的比特分配方法，本发明首先求解基于均方误差最小化的比特分配问题，计算编码比特约束所对应的量化步长；扩大计算得到的量化步长，根据基于均方误差的量化步长‑拉格朗日乘子‑编码比特关系，计算每个图像块所对应的编码比特范围；根据基于梯度模相似度离差的编码比特‑拉格朗日乘子关系，计算每个图像块所对应的基于梯度模相似度离差的拉格朗日乘子范围。通过使用该范围对图像块的拉格朗日乘子进行约束，使实际编码可准确达到使得梯度模相似度离差最小化的最优比特分配结果。

技术领域

本发明属于视频编码优化领域，具体涉及一种基于梯度模相似度离差最小化的比特分配方法。

背景技术

随着智能手机等多媒体设备的普及，基于视频的直播、点播、会议及通讯等众多基于视频的应用已经成为人们日常生活中必不可少的组成。而同时，视频数据的传输和存储给视频应用提供商和消费者个人都带来了高昂的成本。面对这一问题，使用有限的编码比特数来获得尽可能高的视频质量具有重要的研究意义和实用价值。

解决这一问题的常用方法被称为比特分配。比特分配研究了如何将有限的编码比特分配给视频中各编码单元，以获得最小的视频失真。传统方法使用原始视频帧和编码后重建视频帧的像素之间的均方误差失真(Mean Squared Error，MSE)作为视频的失真度量。然而，均方误差失真与人类对失真的主观感知并不一致。即使编码后获得了最小的均方误差失真，人类对视频失真的主观感知并不是最小的。为解决这一问题，很多考虑到了人类视觉特性的失真指标被提出。这类指标被称为感知失真指标。其中，最有代表性的指标之一为梯度模相似度离差(Gradient Magnitude Similarity Deviation，GMSD)指标(WufengXue,Lei Zhang,and Xuanqin Mou.Gradient magnitude similarity deviation:Ahighly efficient perceptual image quality index.IEEE Transactions on ImageProcessing,vol.23,no.2,pp,684-695,2013)。这一指标计算复杂度低，且具有与人类对失真主观感知的高一致性，因而被广泛用于视频质量评价等众多应用领域。

然而，GMSD指标首先计算了原始视频帧与编码重建视频帧的基于像素点的梯度模相似度，进而通过计算梯度模相似度在整个视频帧的标准差作为重建视频帧失真的度量。而视频编码使用图像块作为最小编码单元。因此，如果将GMSD指标用于视频编码优化中，必须建立GMSD指标基于图像块的表示方法。然而，目前尚无解决这一问题的相关研究。

发明内容

本发明的目的在于克服上述不足，提供一种基于梯度模相似度离差最小化的比特分配方法，实现了基于GMSD最小化比特分配问题的求解。

为了达到上述目的，本发明包括以下步骤：

S1，建立基于图像块的梯度模相似度离差表示形式；

S2，估计每个图像块基于梯度模相似度离差的拉格朗日乘子范围；

S3，求解基于图像块的梯度模相似度离差最小化的比特分配问题。

S1中，梯度模相似度离差基于图像块的表示形式为：

式中，U_i为视频帧中第i个图像块，N为视频帧中图像块数量，p∈U_i为U_i中所有像素，S(p)为像素点p处的梯度模相似度，μ_i为U_i中S(p)的均值，VAR为方差算子。

由于μ_i的均值操作减小了不同图像块之间梯度模相似度的差异，因此占据GMSD²的主要成分；

按照下式对GMSD²在图像块层的表示进行近似：