一种基于显著性加权的率失真优化方法及装置制造方法及图纸

本发明专利技术公开了一种基于显著性加权的率失真优化方法及装置，该方法包括：获取视频中各CU块的显著值，计算感知优先失真度；将所述感知优先失真度，加入传统的率失真计算方法，获取最终的优化目标。该方法将当前块的显著性特征纳入传统的率失真计算方法，从而达到感知优先的目的；可提高显著性区域的压缩质量，同时降低码率，编码效率较高，也降低了计算复杂度。

【技术实现步骤摘要】
一种基于显著性加权的率失真优化方法及装置
本专利技术涉及视频
，更具体的说是涉及一种基于显著性加权的率失真优化方法及装置。
技术介绍
目前，随着视频压缩技术的不断发展、高品质、高实时性视频已成为发展趋势，这也促进了高清、超高清视频应用的迅速发展。目前，新一代视频编码标准HEVC(HighEfficiencyVideoCoding)在保留了传统视频编码的框架基础上，采纳近年来视频压缩技术研究的新成果，使其编码性能基本可以达到H.264/AVC标准的2倍。然而，这种压缩性能的提高也带来了巨大的编码复杂度，仍需要进行进一步的研究和改进。同时，随着视频分辨率和质量的提高，现代社会对视频高清度的要求也越来越高，由最初的QCIF发展至4K(分辨率为3840×2160)，乃至不久后发展为8K(分辨率为7680×4320)的超高清视频，这样对视频的压缩、存储和传输都提出了更高的要求。在高清视频应用越来越普及的情况下，因为带宽受限而出现的问题给视频压缩技术带来了巨大的挑战，如何保证高质量的高清视频传输、提升人眼的主观视觉感受质量己经成为刻不容缓需要解决的问题，尤其是如何能够提高压缩效率，使人眼所关注部分的画质更加清晰、真实等至关重要。视频压缩的编码效率是通过减少统计冗余和感知冗余来实现的。在标准的视频压缩方法中，去除统计冗余作为核心技术，包括帧内预测，帧间预测，熵编码等等，去除感知冗余的技术主要包括量化矩阵中衰减高频分量，色度亚采样，去块滤波等。然而，对于人类视觉系统(HVS)的研究发现，人类通常只能清楚地看到视角2-5°内的小区域，并且当我们在观察图像时，由于对一幅图像的各个区域的理解不同，人们会把视线集中在一些比较特殊的地方(ROI，即人眼视觉的感兴趣区域)，因此眼睛的注意力并不是平均分布的，而是对ROI区域的图像失真较为敏锐，如果将视频编码方法和人类视觉系统(HumanVisualSystem，HVS)有机结合，将可以去除更多的主观视觉感知冗余，同时提升人眼的主观视觉感知质量，并进一步提升视频压缩效果。因此,降低视频的感知冗余从而得到较好的压缩效果是目前视频发展的新方向，需要以注意力机制为基础的视频显著性算法和感知优先的视频压缩算法这两个方面对HEVC进行改进和强化。因此，在感知优先的视频压缩算法方面，还有待进一步提升。
技术实现思路
有鉴于此，本专利技术提供了一种基于显著性加权的率失真优化方法及装置，该方法可以将当前块的显著性特征纳入传统的率失真计算方法，从而达到感知优先的目的；提高显著性区域的压缩质量，同时降低码率。为了实现上述目的，本专利技术采用如下技术方案：第一方面，本专利技术提供一种基于显著性加权的率失真优化方法，包括：获取视频中各CU块的显著值，计算感知优先失真度；将所述感知优先失真度，加入传统的率失真计算方法，获取最终的优化目标。进一步地，计算感知优先失真度的公式如下：Ds＝D×(1+SF×SD)(1)上述(1)式中，D为HM标准的失真度计算方法计算所得的失真；SF表示需要配置文件指定的感知优化参数；SD表示当前编码块的显著性偏差；所述SD计算公式如下：上述(2)式中，SD取值范围为(-1，1)；Scu表示当前块的显著性值；Savg表示当前帧所有CU块的平均显著性值。进一步地，将所述感知优先失真度，加入传统的率失真计算方法，获取最终的优化目标，包括：类比传统的率失真优化算法，拉格朗日算法改进后的目标可表示为：min{Ds+λR}(3)上述(3)式中，Ds为公式(1)，表示当前块显著性的感知失真度；λ表示拉格朗日乘子；R表示编码比特率。第二方面，本专利技术还提供一种基于显著性加权的率失真优化装置，包括：获取计算模块，用于获取视频中各CU块的显著值，计算感知优先失真度；优化模块，用于将所述感知优先失真度，加入传统的率失真计算方法，获取最终的优化目标。进一步地，所述获取计算模块中，计算感知优先失真度的公式如下：Ds＝D×(1+SF×SD)(1)上述(1)式中，D为HM标准的失真度计算方法计算所得的失真；SF表示需要配置文件指定的感知优化参数；SD表示当前编码块的显著性偏差；所述SD计算公式如下：上述(2)式中，SD取值范围为(-1，1)；Scu表示当前块的显著性值；Savg表示当前帧所有CU块的平均显著性值。进一步地，所述优化模块，具体用于类比传统的率失真优化算法，拉格朗日算法改进后的目标可表示为：min{Ds+λR}(3)上述(3)式中，Ds为公式(1)，表示当前块显著性的感知失真度；λ表示拉格朗日乘子；R表示编码比特率。经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种基于显著性加权的率失真优化方法，将当前块的显著性特征纳入传统的率失真计算方法，从而达到感知优先的目的；可提高显著性区域的压缩质量，同时降低码率，编码效率较高，也降低了计算复杂度。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1附图为本专利技术提供的基于显著性加权的率失真优化方法的流程图。图2附图为本专利技术提供的视频时空显著性检测及针对高清视频的感知压缩过程的整体实现框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。在计算了视频视觉显著性后，给予这些显著区域(统计意义上人们更倾向于关注的区域)更好的压缩质量，并且在不出现过分失真的前提下可以适当降低非显著区域的压缩质量以便降低视频码率。因此，从率失真优化的核心思想出发，本专利技术提出了显著性加权的率失真优化方法。本专利技术实施例公开了一种基于显著性加权的率失真优化方法,参照图1所示，包括S101～S102；S101、获取视频中各CU块的显著值，计算感知优先失真度；S102、将所述感知优先失真度，加入传统的率失真计算方法，获取最终的优化目标。其中，步骤S101中，获取视频中各CU块的显著值，整体实现框图如图2所示，是利用卷积神经网络对输入视频帧进行空域显著性检测，同时根据HEVC压缩过程中帧间预测过程得到的运动矢量，生成时域部分的运动显著性结果，采用熵不确定度的方法对时空域显著性进行融合，从而得到针对视频的时空域显著性结果。在视频编码部分，本专利技术对HEVC标准算法进行优化，结合所得到的显著性结果实现了一种基于显著性加权的率失真优化算法，能够有效提高显著性区域的压缩质量，同时降低码率。另外，本专利技术对获取视频中各CU块的显著值的其他方式不做限定。本实施例中，本专利技术对压缩部分的改进目标是结合所提出的时空显著性优化压缩后视频的感知质量，即在获得了视频视觉显著性后，给予这些显著区域(统计意义上人们更倾向于关注的区域)更好的压缩质量，并且在不出现过分失真的前提下可以适当降低非显著区域的压缩质量以便降低视频码率。从率失真优化的核心思想出发，本专利技术提出了基于显著性加权的率失真优本文档来自技高网...

【技术保护点】
1.一种基于显著性加权的率失真优化方法，其特征在于，包括：获取视频中各CU块的显著值，计算感知优先失真度；将所述感知优先失真度，加入传统的率失真计算方法，获取最终的优化目标。

【技术特征摘要】
1.一种基于显著性加权的率失真优化方法，其特征在于，包括：获取视频中各CU块的显著值，计算感知优先失真度；将所述感知优先失真度，加入传统的率失真计算方法，获取最终的优化目标。2.根据权利要求1所述的一种基于显著性加权的率失真优化方法，其特征在于，计算感知优先失真度的公式如下：Ds＝D×(1+SF×SD)(1)上述(1)式中，D为HM标准的失真度计算方法计算所得到的失真；SF表示需要配置文件指定的感知优化参数；SD表示当前编码块的显著性偏差；所述SD计算公式如下：上述(2)式中，SD取值范围为(-1，1)；Scu表示当前块的显著性值；Savg表示当前帧所有CU块的平均显著性值。3.根据权利要求2所述的一种基于显著性加权的率失真优化方法，其特征在于，将所述感知优先失真度，加入传统的率失真计算方法，获取最终的优化目标，包括：类比传统的率失真优化算法，拉格朗日算法改进后的目标可表示为：min{Ds+λR}(3)上述(3)式中，Ds为公式(1)，表示当前块显著性的感知失真度；λ表示拉格朗日乘子；R表示编码比特率...

【专利技术属性】
技术研发人员：祝世平，刘畅，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11