[发明专利]压缩视频超分辨率中交互式量化噪声计算方法

说明书

技术领域

本发明涉及一种压缩视频超分辨率中交互式量化噪声计算方法，属于多媒体通信领域。

背景技术

在视频监控中，为了传输和存储的需要，图像的分辨率往往较小，一般市场主流是CIF(352*288)分辨率，回放视频时的分辨率往往难以辨识监控对象。常用的提升分辨率的办法是采用更好的监控设备，但是这样投资大且原有设备无法重用，因而在不增加新的监控设备的前提下，通过软件提升监控视频的分辨率显得非常迫切和重要。在传统的超分辨率重建算法中，首先对图像降质的原因如光学模糊、运动模糊、下采样和噪声进行了数学建模，然后并通过矩阵的求逆运算获得高分辨率的图像，因此精确的降质模型对超分辨率重建具有重要的作用。在压缩视频中，量化是压缩过程中造成信息损失的主要原因，为了获取精确的量化噪声模型就需要获取量化前DCT系数的分布特性，现有算法将DCT系数分布模型参数或者假设为固定参数或者将其作为变量进行迭代求解，精确度不高，而且还存在计算复杂度高等问题。传统模型对压缩视频的重建方法中对量化噪声的建模一般采用量化前DCT域系数分布符合均匀分布，研究表明，量化前DCT系数分布满足拉普拉斯分布，这样传统的针对压缩视频超分辨率重建算法中量化前DCT系数分布模型并不能够精确表达量化噪声，因此会影响超压缩视频超分辨率重建的效果和质量。另一方面，单纯的在解码端重建超分辨率图像，存在两个问题：

(1)量化前DCT系数分布符合拉普拉斯分布，但是解码端只有量化后DCT系数，计算量化噪声需要引入新的变量来表征拉普拉斯分布参数，通过迭代优化获得该参数的值，增加了计算开销；(2)量化噪声在DCT域表征和计算，在超分辨率重建算法中需要引入频域约束，计算复杂度高，收敛慢。

发明内容

为了解决上述现有技术的不足，本发明提出一种压缩视频超分辨率交互式量化噪声的计算方法，在视频编码端计算量化前DCT系数分布模型参数，然后将其传递到解码端，而解码端通过图像块量化前DCT系数分布概率密度和量化后DCT系数获取更精确的量化噪声，重建出更好的视频质量。

本发明的技术方案包括以下步骤：

(1)在编码端视频帧DCT域系数进行量化操作之前，对量化前DCT系数出现的次数进行统计，求出各个系数出现的概率，统计操作的对象为图像块内量化前DCT系数，图像块的大小是编码中DCT变换块大小的整数倍；根据下式计算量化前DCT系数出现的概率：

P(yi)=C(yi)Σ1nC(yi)---(1)]]>

其中，i表示图像块中不同的量化前DCT系数，n是图像块中的量化前DCT系数总个数，C(y)表示量化前DCT系数出现的次数，P(y)为相应的概率。

(2)将量化前DCT系数和相应的概率带入拉普拉斯概率分布公式计算获得分布参数；根据下式得拉普拉斯分布参数：