[发明专利]一种基于视觉显著性的感知码率控制方法

说明书

本发明提供了一种基于视觉显著性的感知码率控制方法，涉及视频技术领域，本发明计算每个像素点的显著值并计算LCU的显著值，将LCU的显著值作为该LCU失真的权重，之后计算λ，并由λ计算QP。由于采用了视觉显著性作为权重进行码率分配，显著区域的PSNR得到提高，使得重建视频显著区域的主观质量更好，本发明码率失配较低；显著区域的PSNR得到提高，显著区域的主观质量得到提高；非显著区域的PSNR略有下降，但由于人眼对非感兴趣区域的关注程度较低，所以非显著区域的主观质量改变基本可以忽略。

技术领域

本发明涉及视频技术领域，尤其是一种感知码率控制方法

背景技术

新一代高效视频编码HEVC(High Efficiency Video Coding)是最新的视频编码标准。码率控制就是通过选择一系列的编码参数，使视频编码后的实际码率满足目标码率的限制，并且使编码失真最小。HEVC的码率控制算法由比特分配和量化参数确定两部分组成，其中，确定量化参数是码率控制算法的核心。比特分配采用分级策略为不同级别的编码单元分配比特。量化参数QP(Quantization Parameter)由R-λ模型的λ直接确定，R-λ模型即λ＝α·R^β，α和β是与输入视频内容相关的编码参数，R表示码率，λ的物理意义为rate-distortion(R-D)曲线的负斜率。R-λ模型是HEVC码率控制算法中的一个非常重要的模型，λ的值是获得优化参数的关键。λ的值用于率失真优化，码率控制和率失真优化过程无依赖关系且λ可取小数，它解决了以往R-Q模型中蛋鸡悖论以及QP为整数存在误差等问题，使得码率控制更为精确，比特波动更小。但HEVC利用R-λ模型进行最大编码单元LCU(LargestCoding Unit)级比特分配时未考虑人眼视觉系统，如图像的颜色、亮度、纹理等信息，由于视频客观质量曲线与主观质量曲线严重不合，所以未考虑人眼视觉系统的码率控制算法重建视频主观质量不一定好。

当前的HEVC码率控制算法主要提高视频的客观质量而未考虑主观质量。ShengxiLi等人提出了一种编码树单元CTU(Coding Tree Unit)级的最优比特分配方法。他们提出了一种新的R-D估计算法代替现有的R-λ模型，并提出了一种递归泰勒展开式方法迭代求解，得到近似的封闭解，从而达到最优比特分配。该方法的优点是收敛速度快，计算时间短，但在编码时未考虑人眼视觉系统。Kim M等人针对HEVC在进行码率控制时未考虑人眼视觉系统中的图像纹理结构这一问题，提出了一种基于纹理和非纹理模型的帧级码率控制方法。由于HEVC的编码结构更加复杂，不同深度水平编码单元CU(Coding Unit)的变换残差统计特征显著不同。该方法利用转换残差将CU分为三类，分别为低纹理CU、中纹理CU和高纹理CU，在进行码率控制时对这三类CU采用不同的处理方法。实验结果表明该方法在信号特征突变时表现得更出色，该方法的缺点是在进行码率控制时未考虑图片的颜色、亮度等信息。

视觉显著性指智能算法通过模拟人眼视觉特点，标注图片的显著区域。Seo等人2009年在期刊《Journal of Vision》上发表的文章《Static and space-time visualsaliency detection by self-resemblance》中提出了一种视觉显著性模型，该模型即可用于时间域的计算，又可用于空间域的计算。

现有码率控制技术已经取得了很多成果，但现有技术仍不能很好地满足人眼视觉系统，还有待进一步研究。

发明内容

为了克服现有技术的不足，本发明提出一种基于视觉显著性的感知码率控制算法VSPRC(Visual Saliency Based Perception Rate Control Algorithm)，VSPRC算法中引入视觉显著性作为判断图像区域显著程度的方法。本发明计算每个像素点的显著值并计算LCU的显著值，将LCU的显著值作为该LCU失真的权重，之后计算λ，并由λ计算QP。

本发明解决其技术问题所采用的技术方案包括以下步骤：

第一步：计算像素点及LCU的显著值