一种结合非局部低秩和自适应量化约束的HEVC后处理方法技术

本发明专利技术提出了一种结合非局部低秩和自适应量化约束的HEVC后处理方法。首先构造在最大后验概率框架下的优化问题，然后利用解码后的压缩视频和量化参数QP获取非局部低秩和自适应量化约束先验信息，最后利用split

【技术实现步骤摘要】
一种结合非局部低秩和自适应量化约束的HEVC后处理方法


[0001]本专利技术涉及图像通信领域中的视频编码技术，最主要的是压缩视频质量提升问题，尤其是涉及一种结合非局部低秩和自适应量化约束的HEVC后处理方法。

技术介绍

[0002]高清视频的快速增长带来了越来越多的视觉体验，但同时也对海量视频数据的传输和存储提出了挑战。HEVC标准为了满足传输码率限制，采用基于块的变换编码和粗量化技术，视频在编码过程中会出现压缩效应，导致其出现压缩伪影，方块效应等现象。因此探究基于HEVC压缩视频的后处理方法成为了视频编码技术的研究方向之一。
[0003]为了抑制压缩效应，目前有基于恢复的方法。基于恢复的方法将图像及视频恢复问题看作病态逆问题，充分利用图像及视频的先验信息来恢复其质量。由于先验信息对图像及视频的质量恢复起着至关重要的作用，设计有效的正则化项来反映更准确的先验信息成为图像及视频质量恢复的关键。其中，非局部先验利用相似块聚类获得图像及视频的空域非局部相似性，在图像及视频质量恢复算法中取得了较好的结果。Zhang J等提出利用相似块组作为稀疏表示的基本单元去除图像方块效应的算法。Zhang X等提出利用相似块聚类的非局部相似性构建低秩模型的算法。但仅仅利用基于块聚类的稀疏表示或者低秩模型得到的非局部先验信息还不够，这些算法从含噪图像或视频上获取先验信息。在低码率情况下，经HEVC压缩后的视频受压缩效应的严重影响，纹理结构变得模糊不清，可提供的先验信息随着压缩程度，量化参数QP的增大而越来越小，导致算法性能不能达到更优。针对此问题，目前有研究不仅利用非局部先验，还引入量化约束先验，联合非局部先验和量化约束先验，得到了更可靠的重建估计。Zhao C等提出同时利用非局部结构性稀疏先验和量化约束先验去除图像的压缩效应。Zhang J等联合利用非凸低秩模型和量化约束先验去除图像的方块效应。但这些算法采用传统的量化约束方法，没有进一步利用QP的约束特性及视频内容对量化约束空间进行动态自适应的收缩，因此不能更进一步地保证重建视频的可靠性和鲁棒性。

技术实现思路

[0004]针对经高性能视频压缩编码标准HEVC压缩后的视频有明显压缩效应的问题，本专利技术在不改变HEVC编解码器并充分利用压缩过程相关信息的基础上，采用基于恢复的方法，提出一种结合非局部低秩和自适应量化约束的HEVC后处理方法，来尽可能地提高重建视频质量。
[0005]本专利技术的基本思想是构造在最大后验概率框架下联合非局部低秩先验和自适应量化约束先验的优化问题。针对非局部低秩先验，通过对视频帧分块聚类得到的相似块组进行奇异值分解建立非局部低秩模型，获得视频帧的非局部低秩先验信息；针对自适应量化约束先验，通过分析量化约束在不同量化参数QP下的约束特性和以及视频的DCT频域系数块活动性，获得自适应量化约束先验，以保证重建视频的可靠性和鲁棒性。最后通过
split-Bregman迭代来解决所提的优化问题，从而有效去除压缩效应，获得重建视频。具体主要包括以下过程步骤：
[0006](1)将视频去压缩效应的过程看作是一个逆问题，并基于最大后验概率框架来构建优化问题；
[0007](2)采取线性模型表征噪声标准差，利用码流中的量化步长进行量化噪声估计；
[0008](3)对视频帧分块聚类得到的相似块组进行奇异值分解建立非局部低秩模型，获得非局部低秩先验；
[0009](4)利用量化约束在不同量化参数QP下的约束特性和以及视频的DCT频域系数块活动性，收缩量化约束解空间大小，获得自适应量化约束先验；
[0010](5)联合量化噪声估计，非局部低秩先验以及自适应量化约束先验，构造在最大后验概率框架下的优化问题，并利用split-Bregman迭代更新中间估计结果，迭代完成后，获得最终的重建估计帧。
[0011]在本专利技术的上述技术方案中，步骤(4)中所述的不同量化参数QP下的约束特性通过分析约束特征系数α的统计分布特性确定，α用于衡量视频帧和y
t
在频域的DCT系数差值αQ
step
，针对HEVC采用的标量量化方法，其差值绝对值不超过0.5Q
step
，因此α的真实值在
±
0.5之间；经统计分析，α的真实分布特性近似标准正态分布，与量化参数QP相关，QP值越大，相应的约束特征系数分布就越集中，由α确定的置信概率为90％的置信区间上下限和α越接近0，从而量化约束误差范围[-0.5Q
step
,0.5Q
step
]被收缩为
[0012]在本专利技术的上述技术方案中，步骤(4)中所述的视频的DCT频域系数块活动性大小由缩放系数η表示，通过统计8
×
8大小DCT频域系数块的周边块活动性，来预测当前块的对应缩放系数η；定义K(i,j)为周围4个相邻块中相同位置的DCT低频系数落在量化约束误差范围中的块数，i和j分别代表周边块位置的横坐标和纵坐标。缩放系数η和K(i,j)的关系可以表示为：
[0013][0014]相邻块的活动性越大，K(i,j)越小，对应的缩放系数η∈[0.5,1]就越大，表明当前块为纹理细节丰富区域，不需要再进一步限制量化约束误差范围；而相邻块的活动性越小，对应的缩放系数η就较小，说明当前块为较平坦区域，可以进一步限制当前块对应的量化约束误差范围。
[0015]在本专利技术的上述技术方案中，步骤(4)中所述的量化约束解空间大小由约束特征系数α的分布特性和缩放系数η共同确定，定义y
t,D[k,l]为经HEVC压缩后的视频帧y
t
经变换后对应位置的DCT系数值，其中1≤k≤H,1≤l≤W，那么，将自适应量化约束范围的上下限矩阵和由公式表示为：
[0016][0017][0018]定义将重建估计视频帧经变换后对应位置的DCT系数值，应该被限制约束在该上下限矩阵规定的量化约束范围内，并将量化约束解空间表示为：
[0019][0020]在本专利技术的上述技术方案中，步骤(5)中所述的在最大后验概率框架下的优化问题同时结合了基于相似块聚类的非局部低秩先验和自适应量化约束先验，并在使用split-Bregman迭代求解过程中，将自适应量化约束加入到每一次迭代中，以保障更可靠更鲁棒性的重建估计。
[0021]根据本专利技术的上述方法可以编制执行上述结合非局部低秩和自适应量化约束的HEVC后处理方法。
[0022]本专利技术是基于以下思路分析而完成的：
[0023]构造基于最大后验概率框架的优化问题：
[0024][0025]其中，第一项表示数据保真度，描述的是压缩视频帧y
t
和原始视频帧x
t
之间的关系。从本质上来讲对应了量化噪声模型：
[0026][0027]选择线性模型，并利用码流中的量化步长进行量化噪声估计：
[0028][0029]第二项则代表视频帧先验信息，联合基于非局部低秩先验p
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合非局部低秩和自适应量化约束的HEVC后处理方法，其特征在于：(1)将视频去压缩效应的过程看作是一个逆问题，并基于最大后验概率框架来构建优化问题；(2)采取线性模型表征噪声标准差，利用码流中的量化步长进行量化噪声估计；(3)对视频帧分块聚类得到的相似块组进行奇异值分解建立非局部低秩模型，获得非局部低秩先验；(4)利用量化约束在不同量化参数QP下的约束特性和以及视频的DCT频域系数块活动性，收缩量化约束解空间大小，获得自适应量化约束先验；(5)联合量化噪声估计，非局部低秩先验以及自适应量化约束先验，构造在最大后验概率框架下的优化问题，并利用split-Bregman迭代更新中间估计结果，迭代完成后，获得最终的重建估计帧。2.如权利要求1所述的不同量化参数QP下的约束特性通过分析约束特征系数α的统计分布特性确定，经统计分析，α的真实分布特性近似标准正态分布，与量化参数QP相关，QP值越大，相应的约束特征系数分布就越集中，由α确定的置信概率为90％的置信区间上下限和α越接近0，从而量化约束误差范围[-0.5Q
step
,0.5Q
step
]被收缩为3.如权利要求1所述的视频的DCT频域系数块活动性大小由缩放系数η表示，通过统计8
×
8...

【专利技术属性】
技术研发人员：何小海，徐艺菲，熊淑华，孙伟恒，陈洪刚，卿粼波，滕奇志，
申请(专利权)人：四川大学，
类型：发明
国别省市：