论文部分内容阅读
随着网络的发展与视频应用的普及,用户对视频质量的要求越来越高,高质量的视频需要大量数据描述画面细节,导致视频数据量激增。高性能视频编码(High Efficiency Video Coding,HEVC)是面向高分辨率视频的新一代编码标准,其核心目标是在H.264/AVC High Profile的基础上,将视频压缩效率提高一倍。但压缩效率提高的同时也带来了较高的计算复杂度与较长的编码时间,严重影响了HEVC的推广与应用。在视频中,物体的纹理通过局部区域像素的排列与变化来表现,通常呈缓慢或周期性变化,具有一定的规律性。HEVC以编码单元(Coding Unit,CU)为基本单位对图像进行编码,将纹理简单区域划分为低深度级别的大尺寸CU,将纹理复杂区域划分为高深度级别的小尺寸CU,对纹理相似的区域CU深度划分相近。但CU划分算法计算复杂度高,成为制约HEVC性能的主要因素之一。所以,在HEVC中考虑视频的纹理特性可以预测CU划分深度,降低编码计算复杂度,有效减少编码时间。另一方面,眼睛是各种视频信号的最终受体,视频质量也可以说是人眼对视频感知的主观质量。人类视觉系统并非平等地关注视频中所有区域,在视频编码中根据视觉对图像区域关注度的不同调整码率资源分配,可有效去除视觉冗余,提升压缩性能。因此,基于纹理特性与视觉关注度的HEVC优化研究能够有效提高HEVC编码性能,具有重要的理论意义和广阔的应用价值。首先在深入研究CU划分原理的基础上,提出一种基于Canny算子的CU快速划分算法,使CU提前进入子划分,降低编码复杂度,加快编码过程。然后根据人眼感知特性建立视觉关注度模型,计算当前最大编码单元(Largest Coding Unit,LCU)关注度,调节不同关注度区域的码率资源分配,实现自适应编码压缩,提高整体压缩比。本文的主要研究内容包括以下三个方面:(1)研究CU初始深度预测算法,优化CU划分。首先研究CU划分深度与其邻域及参考帧相同位置CU深度的相关性,推导出CU初始深度与纹理分布的数学关系;然后利用Canny分割算子边缘定位精度高、连续性良好等优点,分割关键帧的纹理区域,并判断纹理在当前CU与邻域中分布关系;最后根据纹理分布情况预测CU初始深度,简化CU划分递归过程,降低编码复杂度,加快编码过程。(2)模拟人类视觉系统的选择性注意机制建立关注度模型。根据视觉感知特性引入运动性因子、纹理复杂度因子、对比度因子与亮度因子建立视觉关注度模型。为保证编码效率,采用计算复杂度低、鲁棒性强的灰度投影法计算运动性因子,基于亮度分布情况计算纹理复杂度因子,采用像素四近邻算法计算对比度因子,采用编码单元四近邻算法计算亮度因子。(3)根据CU关注度的不同,调整码率资源分配,实现自适应编码压缩。根据人眼更加关注结构性失真而非像素点失真的特点,对高关注度LCU使用构建的结构相似性失真优化算法而非传统的误差平方和算法,对低关注度LCU利用关注度修正拉格朗日因子,实现对低关注度区域粗量化,达到提高压缩比,减少码率的效果。