[发明专利]一种基于像素域JND模型的残差滤波方法

说明书

本发明提出了一种基于像素域JND模型的残差滤波方法。首先在像素域建模得到每个像素的JND阈值，然后在变换单元中挖掘每个像素JND阈值与其周围邻近像素JND阈值之间的相关性，并利用Sobel边缘检测算子对变换单元进行块分类，以得到其权重因子。最后结合上述所得像素JND阈值的空间相关性和变换单元的权重因子对残差进行滤波。提出的方法模型可以嵌入到HEVC视频编码框架。实验结果表明，在人眼主观感知质量没有明显下降的情况下，能够容忍更多的实际失真，降低一定的码率。

技术领域

本发明涉及图像通信领域中的视频编码技术问题，尤其是涉及一种基于像素域JND模型的残差滤波优化降码率方法。

背景技术

近年来，随着高清、超清视频应用逐步走进人们的视野，在不断给人带来更好的视觉感观的同时，视频数据量也在飞速的增长，因此，视频压缩技术受到了巨大的挑战。此外，各式各样的视频应用也随着网络和存储技术的发展不断涌现。如今，数字视频广播、移动无线视频、远程监测、医学成像等，都已经走进了人们的生活。但是在有限传输带宽和一定存储容量的限制下，视频应用的多样化和高清化趋势对视频的压缩性能提出了更高的要求。H.265/HEVC作为新一代视频编码标准，虽然具有不错的视频压缩性能，但是经过H.265/HEVC编码标准压缩后的视频，其数据量仍然很大，冗余信息较多。因此，如何在H.265/HEVC编码标准的基础上进一步提高视频的压缩效率，去除冗余信息是有待解决的一个重要问题。

H.265/HEVC视频编码技术框架主要是针对空间冗余、时间冗余进行压缩编码，压缩性能提升具有一定的局限性。由于人眼是视频的最终接收端，能够直接感受视频的质量好坏，因此，将人类视觉系统(Human Visual System，HVS)引入H.265/HEVC视频编码框架，在计算复杂度可控的前提下，着重挖掘人眼的主观感知状态和人类视觉选择性注意机制来消除人眼不敏感区域的视觉冗余，以进一步提升H.265/HEVC视频编码框架的压缩效率。

目前人眼视觉系统的模型有恰可察失真模型(Just Noticeable Distortion，JND)以及视觉注意机制模型等。已有的JND模型可以分成两类：像素域JND模型和变换域JND模型。像素域JND模型直接利用像素域中的像素值计算每一位置像素的JND阈值。Chou C H分别计算亮度自适应因子和纹理掩蔽因子，然后将两个因子的最大值作为像素域的JND阈值。Yang X K提出了一种新JND模型——非线性叠加掩蔽模型(Nonlinear AdditivelyMasking Model，NAMM)，该模型利用亮度自适应因子和纹理掩蔽因子的非线性叠加来减少两者的重叠效应。Uzair M在现有的基于像素域JND模型的基础上加入了对比度敏感函数(Contrast Sensitivity Function，CSF)、中央凹视觉效应、眼球运动等因素，以更符合人眼主观感知特性。

Wang H提出了一种结合视觉注意模型与视觉敏感度模型的显著性JND模型，在显著性区域增加JND阈值，在非显著性区域减少JND阈值，以保证在几乎相同的人眼主观感知质量下，降低传输所需的码率。李承欣分别计算像素域和变换域的JND阈值，取两者之间的最大值作为最优JND模型，再结合基于上下文感知的显著性算法为最优JND模型分配权值，同样在主观感知质量没有明显降低的情况下消除了一定的视觉冗余，节省了比特率。

发明内容

针对H.265/HEVC编码标准码率较高、数据冗余过多的问题。本发明提出了一种基于像素域JND模型的残差滤波方法，利用当前像素JND阈值与其周围相邻像素JND阈值之间的相关性、变换单元所属的块类型信息，调整残差数据量。实验表明，在人眼主观感知质量没有明显下降的情况下，降低了视频传输所需的码率。