[发明专利]一种基于EDCNN的HEVC环路滤波方法

说明书

本发明公开了一种基于EDCNN的HEVC环路滤波方法，具体包括如下步骤：S1：通过权重归一化方法对输入样本进行处理；S2：根据卷积层和所述权重归一化方法处理后的输入样本，构建特征信息融合块，所述特征信息融合块包括有右分支和左分支，所述右分支由一个子分支组成，所述左分支由N‑1个子分支组成；S3：由M个所述特征信息融合块共同组建EDCNN网络模型，根据所述EDCNN网络模型对原始图像进行重建。本发明的HEVC环路滤波方法主要由高效的归一化方法、特征融合块和精确的损失函数组成，从而可以保留更多的特征信息，帮助重建高清晰度的视频序列，且与传统的环路滤波方法相比，本发明具有更好的限制失真的能力。

技术领域

本发明涉及信号处理中的音视频编解码技术领域，尤其涉及一种基于EDCNN的HEVC环路滤波方法。

背景技术

最新的视频编码标准，高效视频编码(High Efficiency Video Coding，HEVC)极大地压缩了视频的数据量。然而，HEVC中使用的基于块的混合编码将在压缩视频中产生大量失真，这会严重影响视频质量。为了解决这个问题，在HEVC中使用环路滤波方法来消除失真，但是目前的性能还有待提升。

HEVC中使用了基于块的混合编码，已编码的视频会产生压缩失真，例如块失真，振铃失真，颜色偏移等。为了解决这些失真现象，HEVC采用环路滤波技术，可以显著减少这些失真效应，增强重建的视频质量。如图1所示，HEVC中的环路滤波模块由两步滤波组成：去方块滤波(DF)和样本自适应采样(SAO)。去方块滤波(DF)的目的是通过对不同的边界类型执行自适应滤波器来减少块失真情况。通过这种方法，在相同的视频质量下可以节省约2.3％的BD-rate。SAO的主要目的是通过为相应类别的每个重建样本添加偏移以此减少振铃失真，SAO可以实现约3.5％的BD-rate节省。

此外，图2给出了不同滤波的表现。没有经过滤波的图像PSNR值最小，在主观上存在着许多失真的情况，例如马的图像块上存在块失真，在人的图像块上存在振铃失真。对于DF后的压缩图像，块失真现象被减弱了。在图2的(d)中可以看到振铃失真现象已经被SAO减弱。从图2的(e)中可以得出，结合SAO滤波与DF滤波，可以得到最佳的失真消除结果。虽然从图2的(c)到图2的(e)中可以看出失真效应得到一定的消除，但是消除的结果并不是非常显著，此外，除了块效应与振铃效应外，压缩视频中仍存有其他类型的失真效应。

在视频图像去失真方面，目前已经提出了很多环路滤波方法以抑制失真效应。Yang等人提出了一种样点自适应采样(Sample Adaptive Offset，SAO)优化方法，将人类视觉特性引入SAO优化过程。为了克服基于局部图像相关性的环路滤波方法的局限性，Ma等人利用非局部相似性来提高编码性能。Tsai等人利用基于维纳滤波的自适应滤波来消除失真。Zhang等人提出了一种新的去失真方法，其中重叠块变换系数是从非局部块估计的，结合量化噪声模型和块相似性先验模型，以减少压缩失真。Zhang等人提出了一种基于相似块中变换系数和非局部变换系数融合的新型变换域自适应环路滤波方法。Zhang等人利用基于低秩约束的图像非局部先验知识来减少失真。虽然这些方法可以减弱失真效应，但是受限于环路滤波的技术瓶颈，滤波性能有限。