一种基于恰可觉察失真模型的快速自适应环路滤波算法，包括建立JND模型、利用所述JND模型将图像帧划分为感兴趣区域ROI和非感兴趣区域RONI，利用Canny算子将RONI划分为感兴趣平滑区域RONISR和感兴趣纹理区域RONITR，利用Canny算子将ROI划分为感兴趣平滑区域ROISR和感兴趣纹理区域ROITR：自适应滤波步骤。本发明专利技术针对HEVC编码结构，结合像素域JND模型和Canny算子，对ALF方法进行优化，去除视频中的感知冗余，提高编码效率；它可以快速找出不要ALF处理的区域，在不影响质量的情况下，大大降低自适应环路滤波器算法的复杂度。
【技术实现步骤摘要】
本专利技术设及一种快速自适应环路滤波方法，尤其设及一种基于恰可觉察失真模型 的快速自适应环路滤波方法，属于视频编码
技术介绍
社会在不断发展的同时也伴随着向人类传递大量的信息，而人类对信息的提取大 约有70%来自于视觉。因此，人们对视频质量的要求当仁不让将处于第一位，因为视频的 最终目的是为人眼服务。然而，现有的网络带宽不能满足高清视频信号的实时传输，因此， 视频编码压缩技术对视频通信的发展有着重大的影响。为了得到更高的压缩效率和支持高 清/超高清的视频压缩，两大国际标准化组织IS0/IEC和口U-T成立了视频联合开发小组 (JointColl油orativeTeamonVideoCoding,JCT-VC)，并制定了高效的视频压缩标准 (Hi曲EfficiencyVideoCoding,肥VC)。与先进的视频压缩标准H.264/AVC相比，肥VC在 达到H. 264/AVC相同视频质量的基础上，节省了一半的比特率。与2D视频相比，3D视频能 提供更加逼真和自然的视觉感受，但是，巨大的视频数据量阻碍了 3D视频的广泛应用，使 其不能很好地应用到人们的日常生活当中。为了更好的支持立体3D视频的应用，IS0/IEC 和口U-T两组织又制定了基于肥VC的新3D视频压缩标准3D-HEVC，同时提供了 3D-HEVC的 参考软件（肥VC-BasedTestModel，HTM)。 阳00引肥VC跟H. 264/AVC-样，都是采用基于块的预测、变换和量化的混合编码方案。因 此，在H. 264/AVC视频中出现的块状效应、振铃效应、色彩溢出和模糊效应等，在肥VC视频 标准中依然存在。然而，视频最终显示的图像质量的好坏与环路滤波算法的性能有着紧密 的联系。因此，为了降低上述效应对视频质量的影响，HTM采用了 =种环路滤波技术：去块 滤波值eblockingFilter,DF)、自适应义样值补偿（SampleAdaptiveOffset,SA0)和自 适应环路滤波（AdaptiveLoopFilter,ALF)。去块滤波主要用来解决方块效应对视频质 量的影响，它的核屯、思想就是对块边界进行判断来决定是否需要去块滤波处理，即判断当 前边界是真实边界，还是块效应造成的伪边界。如果需要去块滤波处理，还需要判断是采用 强滤波模式还是弱滤波模式。SAO主要用来解决肥VC视频标准中的振铃效率，它的核屯、思 想就是对采样点进行分类，然后根据率失真代价为每种类型选择最佳的补偿值，最后对每 个采样点增加相对应的补偿值来提高视频的主观和客观质量。ALF滤波器主要用来进一步 提高视频的编码效率，降低上述效应对视频质量的影响，它的核屯、思想就是根据维纳-霍 夫方程使得原始帖和重构帖之间的均方误差最小。 阳004] 恰可察觉失真（JND--化StNotice油IeDistcxrtion)模型是指由于人类视觉系 统（HVS--HumanVisualSystem)存在的各种视觉屏蔽效应，使得人眼只能察觉到超过 某一阔值的噪声，该阔值即为最小察觉失真。从JND模型的定义可知，JND模型表示视频质 量发生改变时，人眼不能察觉的最大视频失真。传统的基于最大编码单元化CU)的ALF算 法对每个LCU都采用相同的处理步骤，首先计算维纳滤波参数，然后判断当前LCU是否需要 ALF处理，因此，它没有考虑到每个LCU的特性和人类的主观感受。而人类在观看视频和图 像时，并不是对视频和图像的所有内容都感兴趣，而且不同区域的感兴趣程度也不一样。因 此，不感兴趣区域的视频失真对视频质量影响不大。当前，在国内外对自适应环路滤波的研 究是视频编码的一个热点，但是很少有学者在降低滤波器复杂度的时候考虑到人眼视觉特 性，因而该专利技术无疑具有重要意义。
技术实现思路
阳〇化]本专利技术提供一种基于恰可觉察失真模型的快速自适应环路滤波方法。 为达到上述目的，本专利技术所采用的技术方案是： 一种基于恰可觉察失真模型的快速自适应环路滤波方法，包括W下步骤： 阳00引步骤1 :建立JND模型： 阳009] JND(x,y)=Ti(x, y)+Tt(x, y)-Ci,t?min{Ti(x, y), Tt(x, y)} (I) (I)式中，Tl(x，y)表示像素I(x，y)所在区域的亮度掩盖效应产生的最小可觉察 阔值，其计算方法为：ifl{x,y)<\21 W"] U) Ifl(X^y) >127 阳〇1引 似式中，如，)')表示像素I(x，y)周围5巧窗口的平均背景亮度值，其计算方法为：柳1引 （3) (3)式中，B (i?如为5巧的低通滤波器： Illlf1 2: 2: 2:I 阳 01引 公〇?J)=1 2 0 2 1 ('斗> 1 :2 2 2 1 1 1111 (1)式中，Tt(x，y)表示像素I(x，y)所在区域的对比度掩盖效应产生的最小可觉 察阔值，其计算方法为： Tt(x, y) = n *G(x, y) ? We (x, y) (5) (5)式中，We(x，y)表示边缘区域与纹理区域的加权值，n表示对比度掩盖效应 加权系数；G(x，y)表示对像素I(x，y)进行四个不同方向边缘检测后的最大值，其计算方法 为：C(.W)=，叩{1巧."4' >.)1} (6 )巧) '_1 III 1] 「1 I. IIr I. IIII 12 2 2 1 (?,化j〇二 II 0 iI，（?2(/J)= I2 0 2 I 1 2 2 2 1 I么么么1 -11. 1. 1, IJLi 1. '1. 1 1 Iiii r11111 阳0。] 馬裝/>= 1; 2估2 1 1么么么11 1 1 1 _1 1 1 1 1 ：2 ：2 ：2 I GjOV/)= 1 2 0 2 1 ^8) 1 2 2 2 1 1 1 1 1 1 步骤2 :利用所述JND模型将图像帖划分为感兴趣区域ROI和非感兴趣区域RONI: (JM)",, z'〇y居化)/ i 巧） ND其中，JN町C。表示LCU中所有像素的JND值之和，所述JND值利用所述JND模型计 算得到；JNDff。。。表示图像帖中所有像素的JND值之和的平均值，其计算方法为：(10) 其中，N表示所述图像帖中LCU的个数； 步骤3 :利用Canny算子将RONI划分为感兴趣平滑区域RONISR和感兴趣纹理区 域ROWTR: \Cannv,,,,,<k民ONI'r二民ONiS民 (11)： >/f民ONl;;民〇N!m 其中，k表示RONISR与RONITR的划分阔值，Canny胃康示属于非感兴趣区域的LCU 中边界像素所占的比例，其计算方法为：Canny脚NI=Xedge/M(12) 阳0巧其中，Xcdg读示LCU中边界像素的个数，M表示LCU里像素的个数； 阳03引步骤4 :利用Canny算子将ROI划分为感兴趣平滑区域ROISR和感兴趣纹理区域ROITR： Ccwnv…<m民OIi云RO-fS民 阳的4] "''W (13) 化乂> …巧（)/ 臣巧()/7，A) 其中，m表示ROISR与RCHTR的划分阔值，Canny^康示属于非感兴趣区域的LCU 中边界像素所占的比本文档来自技高网...
【技术保护点】
一种基于恰可觉察失真模型的快速自适应环路滤波方法，其特征在于：包括以下步骤：步骤1：建立JND模型：JND(x,y)＝Tl(x,y)+Tt(x,y)‑Cl,t·min{Tl(x,y),Tt(x,y)} (1)(1)式中，Tl(x,y)表示像素I(x,y)所在区域的亮度掩盖效应产生的最小可觉察阈值，其计算方法为：Tl(x,y)=17×(1-I‾(x,y)127)+3,if I‾(x,y)≤1273128×(I‾(x,y)-127)+3,if I‾(x,y)>127---(2)]]>(2)式中，表示像素I(x,y)周围5x5窗口的平均背景亮度值，其计算方法为：I‾(x,y)=132Σi=15Σj=15I(x-3+i,y-3+j)·B(i·j)---(3)]]>(3)式中，B(i·j)为5x5的低通滤波器：B(i,j)=1111112221120211222111111---(4)]]>(1)式中，Tt(x,y)表示像素I(x,y)所在区域的对比度掩盖效应产生的最小可觉察阈值，其计算方法为：Tt(x,y)＝η·G(x,y)·We(x,y) (5)(5)式中，We(x,y)表示边缘区域与纹理区域的加权值；η表示对比度掩盖效应加权系数；G(x,y)表示对像素I(x,y)进行四个不同方向边缘检测后的最大值，其计算方法为：G(x,y)=maxk=1,2,3,4{|gradk(x,y)|}---(6)]]>gradk(x,y)=116Σi=15Σj=15I(x-3+i,y-3+j)×Gk(i,j)---(7)]]>G1(i,j)=1111112221120211222111111,G2(i,j)=1111112221120211222111111]]>G3(i,j)=1111112221120211222111111G4(i,j)=1111112221120211222111111---(8)]]>步骤2：利用所述JND模型将图像帧划分为感兴趣区域ROI和非感兴趣区域RONI：JNDLCU≤JNDframeLCU∈ROIJNDLCU>JNDframeLCU∈RONI---(9)]]>其中，JNDLCU表示LCU中所有像素的JND值之和，所述JND值利用所述JND模型计算得到；JNDframe表示图像帧中所有像素的JND值之和的平均值，其计算方法为：JNDframe=1NΣi=1NJNDLCU(i)---(10)]]>其中，N表示所述图像帧中LCU的个数；步骤3：利用Canny算子将RONI划分为感兴趣平滑区域RONISR和感兴趣纹理区域RONITR：CannyRONI<kRONI∈RONISRCannyRONI≥kRONI∈RONITR---(11)]]>其中，k表示RONISR与RONITR的划分阈值，CannyRONI表示属于非感兴趣区域的LCU中边界像素所占的比例，其计算方法为：CannyRONI＝Σedge/M (12)其中，Σedge表示LCU中边界像素的个数，M表示LCU里像素的个数；步骤4：利用Canny算子将ROI划分为感兴趣平滑区域ROISR和感兴趣纹理区域ROITR：CannyROI<mROI∈ROISRCannyROI≥mROI∈ROITR---(13)]]>其中，m表示ROISR与ROITR的划分阈值，CannyROI表示属于非感兴趣区域的LCU中边界像素所占的比例，其计算方法与CannyRONI的计算方法相同；步骤5：自适应环路滤波处理：对所述图像帧亮度分量的RONITR和ROITR中的LCU进行环路滤波；对所述图像帧每个GOP里第0层的色度分量的RONITR和ROITR中的LCU进行环路滤波。...
【技术特征摘要】
【专利技术属性】
技术研发人员：王永芳，王宇兵，石亚文，罗丽冬，张兆杨，
申请(专利权)人：上海大学，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。