CN109982082A - 一种基于局部纹理特性的hevc多失真准则率失真优化方法 - Google Patents

一种基于局部纹理特性的hevc多失真准则率失真优化方法 Download PDF

Info

Publication number
CN109982082A
CN109982082A CN201910367892.1A CN201910367892A CN109982082A CN 109982082 A CN109982082 A CN 109982082A CN 201910367892 A CN201910367892 A CN 201910367892A CN 109982082 A CN109982082 A CN 109982082A
Authority
CN
China
Prior art keywords
distortion
lcu
rate
texture
ssim
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910367892.1A
Other languages
English (en)
Other versions
CN109982082B (zh
Inventor
元辉
王群
刘祺
刘昊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University
Original Assignee
Shenzhen Research Institute Of Shandong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Research Institute Of Shandong University filed Critical Shenzhen Research Institute Of Shandong University
Priority to CN201910367892.1A priority Critical patent/CN109982082B/zh
Publication of CN109982082A publication Critical patent/CN109982082A/zh
Application granted granted Critical
Publication of CN109982082B publication Critical patent/CN109982082B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/136—Incoming video signal characteristics or properties
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/146—Data rate or code amount at the encoder output
    • H04N19/147—Data rate or code amount at the encoder output according to rate distortion criteria
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/154—Measured or subjectively estimated visual quality after decoding, e.g. measurement of distortion
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/189—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the adaptation method, adaptation tool or adaptation type used for the adaptive coding
    • H04N19/19—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the adaptation method, adaptation tool or adaptation type used for the adaptive coding using optimisation based on Lagrange multipliers

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明涉及一种基于局部纹理特性的HEVC多失真准则率失真优化方法，包括步骤如下：(1)基于最大编码单元LCU的局部纹理特征分析：求取每个最大编码单元的纹理强度、结构强度，并分析每个最大编码单元的纹理特性，即判断该每个最大编码单元属于纹理简单区域，纹理复杂区域，规则区域中的哪一种；(2)率失真优化：采用本发明基于局部纹理特性的HEVC多失真准则率失真优化方法进行视频编码后，不仅重建视频的主观质量得到了提高，而且，当用PSNR衡量重建视频的失真时，率失真性能只有很小的下降。

Description

一种基于局部纹理特性的HEVC多失真准则率失真优化方法
技术领域
本发明涉及一种基于局部纹理特性的HEVC多失真准则率失真优化方法，属于视频编码技术领域。
背景技术
高效视频编码(High Efficiency Video Coding,H.265/HEVC)是由ITU-T视频编码专家组(Video Coding Experts Group,VCEG)与ISO/IEC运动图像专家组(MovingPicture Experts Group,MPEG)于2013年1月联合发布的视频编码标准。与H.264/AVC相比，H.265/HEVC的压缩性能有了显著的提高。近几年，越来越多的研究人员致力于优化编码器的性能，以提高重建视频的质量。率失真优化是提高编码性能的主要方法之一。率失真优化的主要研究内容是在编码码率与重建视频的失真之间进行平衡，以此确定最优的块划分方式、最优的预测模式、变换矩阵、量化步长等，实现最优的编码性能。率失真优化可以表述为在不超过限定码率R的条件下，使得重建视频的失真D最小。
H.265/HEVC中传统的率失真优化过程采用误差平方和(sum of square error,SSE)作为失真准则(对应的重建视频质量用PSNR来衡量)。SSE失真可以用来衡量视频的保真度，但是SSE失真与人类视觉***的感知并不一致。然而，结构相似性指标(structuralsimilarity index,SSIM)与人眼感知相一致。近年来，已经有很多研究者将SSIM作为失真准则加入了率失真优化过程中，以提高视频的主观质量。Tianzhi Zhu等人依据H.265/HEVC的编码树单元(Coding Tree Unit,CTU)设计了基于SSIM失真的率失真优化方法。提高视频的主观质量固然重要，但是保真度也同样重要。现有的基于SSIM的率失真优化方法，一帧图像内所有区域都使用SSIM作为失真准则，虽然可以提高视频的主观质量，但是当SSE作为失真准则时重建视频的性能大幅度下降。同时这些方法也没有考虑到视频序列的纹理特性。
近几年，有关率失真优化更多的关注如何去提高重建视频的主观质量，而忽略了当SSE作为失真准则时的率失真性能。
1、率失真优化：
率失真优化是视频编码中的关键技术，影响着编码器的性能。该问题可以描述为：在某一码率约束的条件下，使重建视频的失真尽可能的小，如公式①所示。
其中D和R表示失真和码率，x表示编码参数(块划分方式，预测模式、变换矩阵、量化步长等)。
将上述有约束问题转换为无约束问题进行求解，通过拉格朗日乘数法即可求得最优的编码参数，如公式②所示。
其中，λ是拉格朗日乘数，J是率失真代价函数。编码器通过最小化率失真代价函数找到最优的编码参数。
2、基于SSIM的失真准则：
传统的率失真优化过程中采用SSE失真，但是这种失真准则并不符合人眼的视觉特性。SSIM与人眼的视觉特性相一致，近年来已经被很多研究者作为视频的失真准则加入到了率失真优化过程中。SSIM的计算如公式③所示。
其中，x和y分别表示两幅待比较图像；μx和μy分别表示x和y的均值；和分别表示x和y的方差；σxy表示x和y的协方差。C1和C2是两个常数，为了避免和接近0时产生的不稳定现象。为了得到鲁棒的质量评价结果，取C1＝(K1L)2，C2＝(K2L)2。其中L是图像中像素的动态范围，L＝2bit_depth-1(对于8位灰度图像，L＝255)，K1＝0.01，K2＝0.03。
对于一个编码单元，SSIM失真可由公式④计算。
其中N是4×4无重叠滑动窗的个数，c是一个比例因子，用来将求得的SSIM失真进行放大，取c＝1000。
3、基于SSIM的拉格朗日乘子λ：
Tianzhi Zhu等人提出了基于量化器推导的码率-量化步长(R-Δ)模型和基于统计分析的失真-量化参数(DSSIM-QP)模型，用于求取基于SSIM失真的拉格朗日乘子。因此，基于SSIM失真的拉格朗日乘子λ可由公式⑤计算。
其中，ω和γ是两个常数，ω＝0.2373,γ＝0.0135。QP是量化参数，λ是R-D曲线斜率的绝对值。
4、自由能量引导的局部纹理特征分析：
自由能量原理声称人类视觉***(human visual system,HVS)对不规则信号的刺激不敏感，即对不规则区域的失真不敏感。在图像中，不规则区域和规则区域可以通过它们的纹理复杂性和结构信息来区分。我们可以得出结论，人类通常更关注规则区域和纹理简单区域，而对纹理复杂区域不感兴趣。
纹理越复杂的图像块梯度越大，因此Long Xu等人提出了纹理强度(texturalstrength,TS)的计算方法。
基于图像块的纹理强度可由公式⑥计算。
其中，F表示一个图像块，q表示图像块中的一个像素，分别表示水平方向，垂直方向，时间方向的偏导数。
TSm的值越小，图像块的纹理越简单。但是公式⑥不能区分纹理复杂区域与规则区域，因此可由结构强度(structure strength,SS)区分纹理复杂区域与规则区域。
基于图像块的结构强度可由公式⑦计算。
公式⑥与公式⑦的区别在于求和与计算绝对值的顺序。规则区域的梯度方向(“+”or“-”)通常是一致的，而纹理复杂区域的梯度方向是随机的。因此SSm的值越大，说明图像块更有可能是规则区域。
发明内容
针对现有的基于SSIM的率失真优化方法的不足，本发明提出一种基于视频的局部纹理特征的率失真优化方法。
本发明的目的是在提高重建视频的主观质量的同时，还要保证当SSE作为失真准则时的编码器性能下降的很小，即保证视频的保真度。
本发明的技术方案为：
一种基于局部纹理特性的HEVC多失真准则率失真优化方法，包括步骤如下：
(1)基于最大编码单元LCU(Large Coding Unit,LCU)的局部纹理特征分析：求取每个最大编码单元的纹理强度TSLCU、结构强度SSLCU，并分析每个最大编码单元的纹理特性，即判断该每个最大编码单元属于纹理简单区域、纹理复杂区域、规则区域中的哪一种；
(2)率失真优化：在视频编码器中，有很多编码工具、编码模式、编码参数可以选择。为了得到最好的编码性能，视频编码器需要对所有的编码工具、编码模式、编码参数进行遍历，进而从中选择出最优的编码工具、编码模式和编码参数。在选择过程中，需要采用综合考虑率失真代价，分别对纹理简单区域和纹理复杂区域设置不同的率失真代价函数，采用多失真准则的失真函数与率失真代价函数的计算方法，选择最优的编码工具、编码模式和编码参数。
自由能量原理声称人类视觉***(human visual system,HVS)对不规则信号的刺激不敏感，即对不规则区域的失真不敏感。在图像中，不规则区域和规则区域可以通过它们的纹理复杂性和结构信息来区分。可以得出结论，人类通常更关注规则区域和纹理简单区域，而对纹理复杂区域不感兴趣。因此，本发明对不同纹理特性的区域在率失真优化过程中进行的不同处理。
根据本发明优选的，分别通过公式(Ⅰ)、(Ⅱ)求出每个最大编码单元的纹理强度TSLCU、结构强度SSLCU：
式(Ⅰ)、(Ⅱ)中，FLCU是输入的LCU，q表示一个像素，分别表示水平方向，垂直方向，时间方向的偏导数。
根据本发明优选的，由于现有技术并没有给出纹理简单区域，纹理复杂区域，规则区域一个确定的界限，因此，本发明根据每帧图像TSLCU的最大值TSmax与最小值TSmin，以及SSLCU的最大值SSmax与最小值SSmin，将TSLCU与SSLCU进行线性归一化处理，如公式(Ⅲ)、公式(Ⅳ)所示：
当TSnorm＜0.5时，此LCU为纹理简单区域；
当SSnorm＞0.6时，此LCU为规则区域；
当SSnorm≤0.6时，此LCU为纹理复杂区域；
式(Ⅲ)、公式(Ⅳ)中，TSnorm表示归一化纹理强度、SSnorm表示归一化结构强度。
根据本发明优选的，根据自由能量原理，人类视觉***对规则区域与纹理简单区域比较敏感，稍有失真便可以被人眼感受到；而对于纹理复杂区域，人眼则不那么敏感。一帧图像可以被划分成多个LCU，每个LCU都具有不同的纹理特征。为了提高视频的主观质量，同时保证视频的保真度，本发明根据LCU纹理特征的不同，在率失真优化过程中采用的失真函数如公式(Ⅴ)所示：
Doverall＝θ·DSSE+(1-θ)·DSSIM (Ⅴ)
式(Ⅴ)中，DSSE表示SSE失真，DSSIM表示SSIM失真，θ∈[0,1]，是由LCU的纹理特性决定的权重参数；Dov3rall是指表示率失真优化过程中的总失真。
根据本发明优选的，率失真优化过程中的率失真代价函数如公式(Ⅵ)所示：
J＝θ(DSSE+λSSE·R)+(1-θ)(DSSIM+λSSIM·R) (Ⅵ)
式(Ⅵ)中，λSSE与λSSIM分别表示SSE失真与SSIM失真对应的拉格朗日乘子，J表示率失真代价，R表示编码码率；
对于纹理复杂区域，θ＝0.75；对于规则区域或纹理简单区域，θ＝0.25。因此，当前LCU是规则区域或纹理简单区域，本发明会提高SSIM失真的权重以保证重建视频的主观质量；当前LCU是纹理复杂区域，本发明会提高SSE失真的权重以保证重建视频的保真度。
本发明的有益效果为：
1、采用本发明基于局部纹理特性的HEVC多失真准则率失真优化方法进行视频编码后，不仅重建视频的主观质量得到了提高，而且，当用PSNR衡量重建视频的失真时，率失真性能只有很小的下降。在编码码率相同的条件下，本发明方法得到的重建视频的客观质量PSNR仅下降-0.1168dB，而的码率仅增加3.27％，而Long Xu等人的方法的PSNR下降-1.1108dB。
2、本发明依据人眼的视觉特点，对视频图像中的纹理简单区域和纹理复杂区域进行有效划分。可以有效的提升纹理简单区域的主观质量，并保持纹理复杂区域的主观质量。
附图说明
图1(a)是本发明和HM16.14的序列“BQTerrace”的SSIM-码率(Rate)曲线对比示意图；
图1(b)是本发明和HM16.14的序列“ChinaSpeed”的SSIM-码率(Rate)曲线示对比意图；
图2(a)是原始图片一示意图；
图2(b)是采用HM16.14方法对原始图片一重建后得到的图片示意图；
图2(c)是采用Long Xu等人的方法对原始图片一重建后得到的图片示意图；
图2(d)是采用本发明方法对原始图片一重建后得到的图片示意图；
图3(a)是原始图片二示意图；
图3(b)是采用HM16.14方法对原始图片二重建后得到的图片示意图；
图3(c)是采用Long Xu等人的方法对原始图片二重建后得到的图片示意图；
图3(d)是采用本发明方法对原始图片二重建后得到的图片示意图；
图4(a)是原始图片三示意图；
图4(b)是采用HM16.14方法对原始图片三重建后得到的图片示意图；
图4(c)是采用Long Xu等人的方法对原始图片三重建后得到的图片示意图；
图4(d)是采用本发明方法对原始图片三重建后得到的图片示意图；
具体实施方式
下面结合说明书附图和实施例对本发明作进一步限定，但不限于此。
实施例1
一种基于局部纹理特性的HEVC多失真准则率失真优化方法，包括步骤如下：
(1)基于最大编码单元LCU(Large Coding Unit,LCU)的局部纹理特征分析：求取每个最大编码单元的纹理强度TSLCU、结构强度SSLCU，并分析每个最大编码单元的纹理特性，即判断该每个最大编码单元属于纹理简单区域、纹理复杂区域、规则区域中的哪一种；
分别通过公式(Ⅰ)、(Ⅱ)求出每个最大编码单元的纹理强度TSLCU、结构强度SSLCU：
式(Ⅰ)、(Ⅱ)中，FLCU是输入的LCU，q表示一个像素，分别表示水平方向，垂直方向，时间方向的偏导数。
由于现有技术并没有给出纹理简单区域，纹理复杂区域，规则区域一个确定的界限，因此，本发明根据每帧图像TSLCU的最大值TSmax与最小值TSmin，以及SSLCU的最大值SSmax与最小值SSmin，将TSLCU与SSLCU进行线性归一化处理，如公式(Ⅲ)、公式(Ⅳ)所示：
当TSnorm＜0.5时，此LCU为纹理简单区域；
当SSnorm＞0.6时，此LCU为规则区域；
当SSnorm≤0.6时，此LCU为纹理复杂区域；
式(Ⅲ)、公式(Ⅳ)中，TSnorm表示归一化纹理强度、SSnorm表示归一化结构强度。
纹理特性分析：纹理简单区域具有较小的梯度，因此，TSLCU的值较小时，说明当前LCU是纹理简单区域。但是，公式(Ⅰ)不能区分纹理复杂与规则区域。公式(Ⅰ)与公式(Ⅱ)的区别在于求和与计算绝对值的顺序。规则区域的梯度方向(“+”or“-”)通常是一致的，而纹理复杂区域的梯度方向是随机的。因此SSm的值越大，说明LCU更有可能是规则区域。
(2)率失真优化：在视频编码器中，有很多编码工具、编码模式、编码参数可以选择。为了得到最好的编码性能，视频编码器需要对所有的编码工具、编码模式、编码参数进行遍历，进而从中选择出最优的编码工具、编码模式和编码参数。在选择过程中，需要采用综合考虑率失真代价，分别对纹理简单区域和纹理复杂区域设置不同的率失真代价函数，选择最优的编码工具、编码模式和编码参数。
自由能量原理声称人类视觉***(human visual system,HVS)对不规则信号的刺激不敏感，即对不规则区域的失真不敏感。在图像中，不规则区域和规则区域可以通过它们的纹理复杂性和结构信息来区分。可以得出结论，人类通常更关注规则区域和纹理简单区域，而对纹理复杂区域不感兴趣。因此，本发明对不同纹理特性的区域在率失真优化过程中进行的不同处理。
根据自由能量原理，人类视觉***对规则区域与纹理简单区域比较敏感，稍有失真便可以被人眼感受到；而对于纹理复杂区域，人眼则不那么敏感，只有在失真比较大的时候，人眼才能感受到。一帧图像可以被划分成多个LCU，每个LCU都具有不同的纹理特征。为了提高视频的主观质量，同时保证视频的保真度，本发明根据LCU纹理特征的不同，在率失真优化过程中采用的失真函数如公式(Ⅴ)所示：
Doverall＝θ·DSSE+(1-θ)·DSSIM (Ⅴ)
式(Ⅴ)中，DSSE表示SSE失真，DSSIM表示SSIM失真，θ∈[0,1]，是由LCU的纹理特性决定的权重参数；Doverall是指表示率失真优化过程中的总失真。
率失真优化过程中的率失真代价函数如公式(Ⅵ)所示：
J＝θ(DSSE+λSSE·R)+(1-θ)(DSSIM+λSSIM·R) (Ⅵ)
式(Ⅵ)中，λSSE与λSSIM分别表示SSE失真与SSIM失真对应的拉格朗日乘子，J表示率失真代价，R表示编码码率；
对于纹理复杂区域，θ＝0.75；对于规则区域或纹理简单区域，θ＝0.25。因此，当前LCU是规则区域或纹理简单区域，本发明会提高SSIM失真的权重以保证重建视频的主观质量；当前LCU是纹理复杂区域，本发明会提高SSE失真的权重以保证重建视频的保真度。
采用本发明进行视频编码后，不仅重建视频的主观质量得到了提高，而且当用PSNR衡量重建视频的失真时，率失真性能只有很小的下降。
图1(a)是本发明和HM16.14的序列“BQTerrace”的SSIM-码率(Rate)曲线对比示意图；
图1(b)是本发明和HM16.14的序列“ChinaSpeed”的SSIM-码率(Rate)曲线示对比意图；
图2(a)是原始图片一示意图；
图2(b)是采用HM16.14方法对原始图片一重建后得到的图片示意图；
图2(c)是采用Long Xu等人的方法对原始图片一重建后得到的图片示意图；
图2(d)是采用本发明方法对原始图片一重建后得到的图片示意图；
图3(a)是原始图片二示意图；
图3(b)是采用HM16.14方法对原始图片二重建后得到的图片示意图；
图3(c)是采用Long Xu等人的方法对原始图片二重建后得到的图片示意图；
图3(d)是采用本发明方法对原始图片二重建后得到的图片示意图；
图4(a)是原始图片三示意图；
图4(b)是采用HM16.14方法对原始图片三重建后得到的图片示意图；
图4(c)是采用Long Xu等人的方法对原始图片三重建后得到的图片示意图；
图4(d)是采用本发明方法对原始图片三重建后得到的图片示意图；
本发明的效果可以通过实验进一步说明。图1(a)是本发明和HM16.14的序列“BQTerrace”的SSIM-码率(Rate)曲线对比示意图；图1(b)是本发明和HM16.14的序列“ChinaSpeed”的SSIM-码率(Rate)曲线示对比意图；从图1(a)、图1(b)可以看出，SSIM作为失真准则时，本发明的率失真性能有所提高。这是因为在率失真优化过程中本发明考虑到了SSIM失真。
图2(a)是原始图片一示意图；图2(b)是采用HM16.14方法对原始图片一重建后得到的图片示意图；图2(c)是采用Long Xu等人的方法对原始图片一重建后得到的图片示意图；图2(d)是采用本发明方法对原始图片一重建后得到的图片示意图；图3(a)是原始图片二示意图；图3(b)是采用HM16.14方法对原始图片二重建后得到的图片示意图；图3(c)是采用Long Xu等人的方法对原始图片二重建后得到的图片示意图；图3(d)是采用本发明方法对原始图片二重建后得到的图片示意图；图4(a)是原始图片三示意图；图4(b)是采用HM16.14方法对原始图片；三重建后得到的图片示意图；图4(c)是采用Long Xu等人的方法对原始图片三重建后得到的图片示意图；图4(d)是采用本发明方法对原始图片三重建后得到的图片示意图；从上图还可以看出，本发明重建视频的主观质量和Long Xu等人的方法的性能差不多表1定量地比较了本发明和Long Xu等人的方法的性能。
表1
由表1可知，BD PSNR表示编码比特相同时，PSNR的平均增益；而基于PSNR的BD BR表示在相同的重建质量的条件下(用PSNR衡量)，平均码率的降低。在相同重建质量(用PSNR衡量)的条件下，与HM16.14相比，本发明的码率仅增加3.27％；但是Long Xu等人的方法的码率增加了37.75％。

Claims (7)

1.一种基于局部纹理特性的HEVC多失真准则率失真优化方法，其特征在于，包括步骤如下：
(1)基于最大编码单元LCU的局部纹理特征分析：求取每个最大编码单元的纹理强度TSLCU、结构强度SSLCU，并分析每个最大编码单元的纹理特性，即判断该每个最大编码单元属于纹理简单区域、纹理复杂区域、规则区域中的哪一种；
(2)率失真优化：采用多失真准则的失真函数与率失真代价函数的计算方法，选择最优的编码工具、编码模式和编码参数。
2.根据权利要求1所述的一种基于局部纹理特性的HEVC多失真准则率失真优化方法，其特征在于，分别通过公式(I)、(II)求出每个最大编码单元的纹理强度TSLCU、结构强度SSLCU：
式(I)、(II)中，FLCU是输入的LCU，q表示一个像素，分别表示水平方向，垂直方向，时间方向的偏导数。
3.根据权利要求1所述的一种基于局部纹理特性的HEVC多失真准则率失真优化方法，其特征在于，根据每帧图像TSLCU的最大值TSmax与最小值TSmin，以及SSLCU的最大值SSmax与最小值SSmin，将TSLCU与SSLCU进行线性归一化处理，如公式(III)、公式(IV)所示：
当TSnorm＜0.5时，此LCU为纹理简单区域；
当SSnorm＞0.6时，此LCU为规则区域；
当SSnorm≤0.6时，此LCU为纹理复杂区域；
式(III)、公式(IV)中，TSnorm表示归一化纹理强度、SSnorm表示归一化结构强度。
4.根据权利要求1所述的一种基于局部纹理特性的HEVC多失真准则率失真优化方法，其特征在于，根据LCU纹理特征的不同，在率失真优化过程中采用的失真函数如公式(V)所示：
Doverall＝θ·DSSE+(1-θ)·DSSIM (V)
式(V)中，DSSE表示SSE失真，DSSIM表示SSIM失真，θ∈[0，1]，是由LCU的纹理特性决定的权重参数；Doverall是指表示率失真优化过程中的总失真。
5.根据权利要求1-4任一所述的一种基于局部纹理特性的HEVC多失真准则率失真优化方法，其特征在于，率失真优化过程中的率失真代价函数如公式(VI)所示：
J＝θ(DSSE+λSSE·R)+(1-θ)(DSSIM+λSSIM·R) (VI)
式(VI)中，λSSE与λSSIM分别表示SSE失真与SSIM失真对应的拉格朗日乘子，J表示率失真代价，R表示编码码率。
6.根据权利要求5所述的一种基于局部纹理特性的HEVC多失真准则率失真优化方法，其特征在于，对于纹理复杂区域，θ＝0.75。
7.根据权利要求5所述的一种基于局部纹理特性的HEVC多失真准则率失真优化方法，其特征在于，对于规则区域或纹理简单区域，θ＝0.25。
CN201910367892.1A 2019-05-05 2019-05-05 一种基于局部纹理特性的hevc多失真准则率失真优化方法 Active CN109982082B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910367892.1A CN109982082B (zh) 2019-05-05 2019-05-05 一种基于局部纹理特性的hevc多失真准则率失真优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910367892.1A CN109982082B (zh) 2019-05-05 2019-05-05 一种基于局部纹理特性的hevc多失真准则率失真优化方法

Publications (2)

Publication Number Publication Date
CN109982082A true CN109982082A (zh) 2019-07-05
CN109982082B CN109982082B (zh) 2022-11-15

Family

ID=67072744

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910367892.1A Active CN109982082B (zh) 2019-05-05 2019-05-05 一种基于局部纹理特性的hevc多失真准则率失真优化方法

Country Status (1)

Country Link
CN (1) CN109982082B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110602495A (zh) * 2019-08-20 2019-12-20 深圳市盛世生物医疗科技有限公司 一种医学图像编码方法及装置
CN112291564A (zh) * 2020-11-20 2021-01-29 西安邮电大学 优化监控视频感知质量的hevc帧内码率控制方法
WO2022021422A1 (zh) * 2020-07-31 2022-02-03 Oppo广东移动通信有限公司 视频编码方法、编码器、***以及计算机存储介质
CN115988201A (zh) * 2023-03-14 2023-04-18 杭州微帧信息科技有限公司 一种编码胶片颗粒的方法、装置、电子设备和存储介质
WO2023103715A1 (zh) * 2021-12-10 2023-06-15 华为技术有限公司 图像处理方法、装置及电子设备
CN118233638A (zh) * 2024-05-24 2024-06-21 宁波康达凯能医疗科技有限公司 一种面向机器视觉的帧间图像编码率失真优化方法与***

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6167162A (en) * 1998-10-23 2000-12-26 Lucent Technologies Inc. Rate-distortion optimized coding mode selection for video coders
WO2004064414A2 (en) * 2003-01-08 2004-07-29 Apple Computer, Inc. Method and apparatus for improved coding mode selection
CN101945275A (zh) * 2010-08-18 2011-01-12 镇江唐桥微电子有限公司 一种基于感兴趣区域的视频编码方法
US20110081093A1 (en) * 2008-06-05 2011-04-07 Fabien Racape Image coding method with texture synthesis
CN105120292A (zh) * 2015-09-09 2015-12-02 厦门大学 一种基于图像纹理特征的视频编码帧内预测方法
CN106688232A (zh) * 2014-09-11 2017-05-17 欧几里得发现有限责任公司 基于模型的视频编码的感知优化

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6167162A (en) * 1998-10-23 2000-12-26 Lucent Technologies Inc. Rate-distortion optimized coding mode selection for video coders
WO2004064414A2 (en) * 2003-01-08 2004-07-29 Apple Computer, Inc. Method and apparatus for improved coding mode selection
US20110081093A1 (en) * 2008-06-05 2011-04-07 Fabien Racape Image coding method with texture synthesis
CN101945275A (zh) * 2010-08-18 2011-01-12 镇江唐桥微电子有限公司 一种基于感兴趣区域的视频编码方法
CN106688232A (zh) * 2014-09-11 2017-05-17 欧几里得发现有限责任公司 基于模型的视频编码的感知优化
CN105120292A (zh) * 2015-09-09 2015-12-02 厦门大学 一种基于图像纹理特征的视频编码帧内预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨春玲 等: "基于SSE和SSIM的H.264帧内预测模式选择改进算法", 《电子与信息学报》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110602495A (zh) * 2019-08-20 2019-12-20 深圳市盛世生物医疗科技有限公司 一种医学图像编码方法及装置
WO2022021422A1 (zh) * 2020-07-31 2022-02-03 Oppo广东移动通信有限公司 视频编码方法、编码器、***以及计算机存储介质
CN115428451A (zh) * 2020-07-31 2022-12-02 Oppo广东移动通信有限公司 视频编码方法、编码器、***以及计算机存储介质
CN112291564A (zh) * 2020-11-20 2021-01-29 西安邮电大学 优化监控视频感知质量的hevc帧内码率控制方法
CN112291564B (zh) * 2020-11-20 2021-09-14 西安邮电大学 优化监控视频感知质量的hevc帧内码率控制方法
WO2023103715A1 (zh) * 2021-12-10 2023-06-15 华为技术有限公司 图像处理方法、装置及电子设备
CN115988201A (zh) * 2023-03-14 2023-04-18 杭州微帧信息科技有限公司 一种编码胶片颗粒的方法、装置、电子设备和存储介质
CN118233638A (zh) * 2024-05-24 2024-06-21 宁波康达凯能医疗科技有限公司 一种面向机器视觉的帧间图像编码率失真优化方法与***

Also Published As

Publication number Publication date
CN109982082B (zh) 2022-11-15

Similar Documents

Publication Publication Date Title
CN109982082A (zh) 一种基于局部纹理特性的hevc多失真准则率失真优化方法
Cui et al. Convolutional neural networks based intra prediction for HEVC
CN108184115B (zh) Hevc帧内cu划分和pu预测模式选择方法及***
US6229917B1 (en) Digital image coding system having self-adjusting selection criteria for selecting a transform function
Ma et al. Reduced-reference image quality assessment in reorganized DCT domain
CN103024383B (zh) 一种基于hevc框架的帧内无损压缩编码方法
CN104754357B (zh) 基于卷积神经网络的帧内编码优化方法及装置
US20100290521A1 (en) Method and Device For Selecting Best Mode Of Intra Predictive Coding For Video Coding
CN104796694B (zh) 基于视频纹理信息的优化帧内视频编码方法
EP2131594B1 (en) Method and device for image compression
CN103051901B (zh) 视频数据编码装置和视频数据编码方法
CN105141948A (zh) 一种改进的hevc样点自适应补偿方法
JP2014527778A (ja) ビデオコンテンツシステムの制御
El-Said Image quantization using improved artificial fish swarm algorithm
CN106303521B (zh) 一种基于感知敏感度的hevc率失真优化方法
Hamout et al. Fast depth map intra coding for 3D video compression-based tensor feature extraction and data analysis
Chen et al. Improving video coding quality by perceptual rate-distortion optimization
CN106791876B (zh) 一种基于3d-hevc的深度图快速帧内预测方法
CN102035997B (zh) 一种基于模式预测和方向排序的图像锐化方法
CN116896638A (zh) 一种面向输电运检场景的数据压缩编码技术
Ma et al. An adaptive lagrange multiplier determination method for dynamic texture in HEVC
Moellenhoff et al. DCT transform coding of stereo images for multimedia applications
JPH0638189A (ja) 画像符号化方法
CN110930370B (zh) 一种全景图像质量评估方法
CN111492657B (zh) 基于脸部区域检测的光场视频压缩

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20221026

Address after: No. 27, mountain Dana Road, Ji'nan City, Shandong, Shandong

Applicant after: SHANDONG University

Address before: 518057 A301, Virtual University Park, 19 Gaoxin South 4th Road, Nanshan District, Shenzhen City, Guangdong Province

Applicant before: SHENZHEN RESEARCH INSTITUTE OF SHANDONG University

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant