[发明专利]一种分布式视频编码中基于视觉感知特性的量化方法

说明书

技术领域：

本发明属于视频编码和处理领域，具体涉及分布式视频编码过程中感知量化算法的研究。

背景技术：

传统视频编码技术在编码过程中通过运动补偿算法实现高效的视频压缩，但这使得编码端的复杂度远远高于解码端，且由于运动预测的使用，视频流的传输鲁棒性减低。因此，传统的视频编码技术多用于服务器-客户端结构的数字视频广播、视频点播等服务。然而随着通信技术的发展，新的视频应用与视频服务也随之产生。如通过移动视频设备或无线视频传感器网络进行现场视频采集编码，将编码后的视频流传输到中心节点用于视频分析或处理。对于这些新的视频需求而言，编码端在运算、功耗、存储同类和带宽等多方面都受到了限制；而解码端则拥有较多的资源进行复杂运算——这恰与传统的视频编码方案相矛盾。因此，需要一种新的视频编码技术以满足新的应用需求。

Slepian和Wolf于1973年提出了分布式无损编码(Distributed Lossless Coding)理论，证明在无损编码条件下，对于两个具有统计相关性的独立同分布随机序列X和Y，分别进行独立编码再联合解码，此时所需的总码率仍然可以达到X和Y的联合信息熵。其后Wyner和Ziv将该理论推广到了有损压缩编码领域。在SW和WZ理论基础上，产生了一种新的视频编码方案——分布式视频编码。分布式视频编码的优势在于它通过独立编码，联合解码的策略，有效的将编码端的计算复杂度转移至解码端，很好的满足了编码资源有限、解码资源丰富的视频应用环境的需求；同时，分布式理论具有天生的传输鲁棒性，与传统的视频编码技术相比，生成的视频流可以更好的适应恶劣的视频传输环境。因此，分布式视频编码技术具有很好的实际应用前景。

但是分布式视频编码的不足之处在于：虽然SW理论证明了独立编码再联合解码的新编码策略，可以到达与联合编码时相同的编码性能。但是在实际应用中，由于难于准确的估计各独立编码信源间的统计相关性，分布式视频编码的性能仍低于传统的视频编码技术，这就限制了分布式视频编码技术的广泛应用。因此，对分布式视频编码性能的研究，具有很好的研究意义与实用价值

从已有的研究成果来看，围绕分布式视频编码性能已经取得了很多研究成果，这些研究成果有效地促进了分布式视频技术的发展。根据分布式视频编码理论可知，解码端生成的边信息可以看作是原始图像的一个错误版本，而对原始图像的编解码过程可以看作是对边信息图像的纠错过程。从这个角度来分析，可以将现有提高分布式视频编码性能的研究成果分为两类：1)减低边信息与原始图像间的误差；2)改善解码器的纠错性能。

然而，现有的研究成果均是以图像的客观质量为依据来改善分布式视频编码的性能，而忽略了图像主观质量与客观质量的差异。根据人类视觉系统(Human Visual System，HVS)的研究发现，HVS能够感知视频场景中存在的亮度、颜色、纹理、方向、空间频率和运动等初级视觉信息；它对视频场景的感知是有选择性的，不同的区域或者对象具有不同的视觉敏感程度。因此，可将分布式视频编码特性与视觉感知特性相结合，实现一种新的提高分布式编码性能的方法：在分布式编解码过程中仅编解码人眼可感知的原始图像与边信息间的误差，避免对人眼观察不到的误差进行编解码，从而降低分布式视频的编码码率。该方法可在现有分布式视频编码的研究成果基础上，进一步改善分布式视频的编码性能，具有很好的研究价值和应用意义。

发明内容

鉴于现有技术的以上不足，本发明的目的是提出一种分布式视频编码中基于视觉感知特性的量化方法，使之能充分利用人眼对不同图像内容编码失真敏感度不同的特性，根据人眼感知特征调整量化步长避免对人眼观察不到的边信息失真进行编解码，从而在不影响编码图像主观质量的情况下，有效降低编码码率，提高分布式视频编码性能。

采用本发明的基于视觉感知特性的量化方法，通过编码前初始化感知量化矩阵和编码过程中动态调整量化步长的两步感知量化策略，充分利用了人眼视觉感知特性，可避免对原始图像与边信息中人眼观察不到的误差进行编解码，在不影响编码图像主观质量的前提下，有效降低了分布式视频编码码率。同时本发明方法将分布式视频编码特性与视觉感知特性相结合，根据人眼对图像内容敏感度的不同，实现有选择性的编解码，因此该方法可兼容现有提高分布式视频编码性能的研究成果，并在其基础上进一步改善分布式视频的编码性能，从而实现一种更为高效的分布式视频编码策略。本发明可适用于单视点、立体及多视点等多种基于分布式视频编码理论的编码框架，具有很好的通用性。

附图说明：

图1为本发明分布式视频编码中基于视觉感知量化方法流程图。