CN103379326A - 基于roi和jnd的视频编码方法及装置 - Google Patents
基于roi和jnd的视频编码方法及装置 Download PDFInfo
- Publication number
- CN103379326A CN103379326A CN2012101183316A CN201210118331A CN103379326A CN 103379326 A CN103379326 A CN 103379326A CN 2012101183316 A CN2012101183316 A CN 2012101183316A CN 201210118331 A CN201210118331 A CN 201210118331A CN 103379326 A CN103379326 A CN 103379326A
- Authority
- CN
- China
- Prior art keywords
- jnd
- roi
- current macro
- value
- domain jnd
- 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
Links
Images
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明公开基于ROI和JND的视频编码方法及装置,该方法包括以下步骤:判断帧图像处理的当前宏块是否属于ROI区域;若不属于感兴趣区域ROI区域,则建立当前宏块的变换域最小可察觉失真JND模型,并基于所述变换域JND模型对所述当前宏块进行预测残差自适应调整。本发明通过将帧图像中的ROI区域与非ROI区域进行分开处理,对于属于ROI区域的宏块采用常规编码处理,而属于非ROI区域的宏块则采用变换域JND进行预测残差自适应调整的编码方式进行编码处理,从而既保证了编码的主观质量,又降低了编码码率。
Description
技术领域
本发明涉及视频编解码领域,尤其涉及一种基于ROI和JND的视频编码方法及装置。
背景技术
随着各种压缩编码技术的日趋完善和成熟,压缩效率已达到较高水平,压缩比很难有较大的提高。视频编码中单纯依靠增大量化参数来降低码率的方法,必然会影响编码的主观质量。如何在保证编码主观效果的前提下,尽可能的节省码率,这是目前国内外研究的热点。
近年来,国内外学者逐渐将人眼视觉特性应用到视频编码算法中,将最小可察觉失真(Just-noticeable difference,JND)模型引入到视频编码框架中,利用人眼感知存在视觉冗余的原理,直接舍弃JND阈值内的残差,从而达到节省码率的目的。虽然采用JND模型进行残差滤波能够降低码率,但是其没有考虑编码图像的ROI(Region Of Interest,感兴趣区域)属性,ROI区域内JND值较大的部分比如眼睛,鼻子,嘴巴等恰恰是视频的重要细节信息,如果直接舍弃该重要细节的信息,将会在一定程度上降低编码的主观质量。
发明内容
本发明的主要目的是提供一种基于ROI和JND的视频编码方法,旨在保证编码的主观质量的同时降低编码码率。
本发明提供了一种基于ROI和JND的视频编码方法,包括以下步骤:
判断帧图像处理的当前宏块是否属于ROI区域;
若不属于ROI区域,则建立当前宏块的变换域JND模型,并基于所述变换域JND模型对所述当前宏块进行预测残差自适应调整。
优选地,所述判断帧图像处理的当前宏块是否属于ROI区域的步骤具体为:
根据肤色条件及高斯模型,再结合轮廓判断,对当前宏块进行ROI检测。
优选地,所述建立当前宏块的变换域JND模型,并基于所述变换域JND模型对所述当前宏块进行预测残差自适应调整的步骤之前还包括:
建立当前宏块的像素域JND模型,基于所述像素域JND模型对当前宏块进行预测残差自适应调整。
优选地,所述建立当前宏块的像素域JND模型,并基于所述像素域JND模型对当前宏块进行初步预测残差自适应调整的步骤具体为:
计算当前宏块的像素域JND值,将所述像素域JND值与像素残差进行比较后,舍弃小于所述像素域JND值的像素残差,将大于或等于所述像素域JND值的像素残差的绝对值减去所述像素域JND值。
优选地,所述建立当前宏块的像素域JND模型,并基于所述像素域JND模型对当前宏块进行初步预测残差自适应调整的步骤具体为:
计算经过DCT变换后的当前宏块的变换域JND值,将所述变换域JND值与DCT变换系数进行比较后,舍弃小于所述变换域JND值的DCT变换系数,将大于或等于所述变换JND值的DCT变换系数的绝对值减去所述变换域JND值。
本发明还提供了一种基于ROI和JND的视频编码装置,包括:
ROI区域判断模块,用于判断帧图像处理的当前宏块是否属于ROI区域;
残差自适应调整模块,用于在当前宏块不属于ROI区域时,建立当前宏块的变换域JND模型,并基于所述变换域JND模型对所述当前宏块进行预测残差自适应调整。
优选地,所述ROI区域判断模块具体用于:根据肤色条件及高斯模型,再结合轮廓判断,对当前宏块进行ROI检测。
优选地,所述残差自适应调整模块还用于:
建立当前宏块的像素域JND模型,基于所述像素域JND模型对当前宏块进行预测残差自适应调整。
优选地,所述残差自适应调整模块具体用于:
计算当前宏块的像素域JND值,将所述像素域JND值与像素残差进行比较后,舍弃小于所述像素域JND值的像素残差,将大于或等于所述像素域JND值的像素残差的绝对值减去所述像素域JND值。
优选地,所述残差自适应调整模块具体用于:
计算经过DCT变换后的当前宏块的变换域JND值,将所述变换域JND值与DCT变换系数进行比较后,舍弃小于所述变换域JND值的DCT变换系数,将大于或等于所述变换JND值的DCT变换系数的绝对值减去所述变换域JND值。
本发明通过将帧图像中的ROI区域与非ROI区域进行分开处理,对于属于ROI区域的宏块采用常规编码处理,而属于非ROI区域的宏块则采用变换域JND进行预测残差自适应调整的编码方式进行编码处理,从而既保证了编码的主观质量,又降低了编码码率。
本发明还通过像素域JND对当前宏块进行第一次预测残差自适应调整,然后再通过变换域JND对当前宏块进行第二次预测残差自适应调整,进一步降低了编码码率。
附图说明
图1是本发明基于ROI和JND的视频编码方法一实施例的流程示意图;
图2是本发明基于ROI和JND的视频编码方法另一实施例的流程示意图;
图3是采用H.264编码后和本发明采用像素域JND与变换域JND结合进行预测残差调整的方式编码后图片的主观质量对比示意图;
图4是本发明基于ROI和JND的视频编码装置一实施例的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
以下结合说明书附图及具体实施例进一步说明本发明的技术方案。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1是本发明基于ROI和JND的视频编码方法一实施例的流程示意图。参照图1,该基于ROI和JND的视频编码方法包括以下步骤:
步骤S101、判断帧图像处理的当前宏块是否属于ROI区域;是则执行步骤S102;否则执行步骤S103;
由于图像中存在ROI(Region Of Interest,感兴趣区域),例如,以桌面视频、视频通话等应用场景为例,其中的图像中ROI主要为人脸区域。本发明一实施方式中,可以先计算当前宏块中的ROI属性,再根据计算结果判断该当前宏块是否属于ROI区域。本发明另一实施方式中,可以提取整个图像中的ROI属性,再对每个宏块进行ROI属性的匹配,若匹配成功,则判断该宏块属于ROI区域。在这里需要说明的是,只要当前宏块存在ROI属性,就判断该宏块属于ROI区域。
步骤S102、进行DCT变换,并对当前宏块进行量化;
若当前宏块属于ROI区域,则对当前宏块进行DCT变换,并对其进行量化等后续程序。
步骤S103、建立当前宏块的变换域JND模型,并基于所述变换域JND模型对所述当前宏块进行预测残差自适应调整。
若当前宏块不属于ROI区域,则对使用变换域JND对当前宏块进行预测残差自适应调整。
本发明基于ROI和JND的视频编码方法通过将帧图像中的ROI区域与非ROI区域进行分开处理,对于属于ROI区域的宏块采用常规编码处理,而属于非ROI区域的宏块则采用变换域JND进行预测残差自适应调整的编码方式进行编码处理,从而既保证了编码的主观质量,又降低了编码码率。
上述步骤S101具体为:根据肤色条件及高斯模型,再结合轮廓判断,对当前宏块进行ROI检测。
以桌面视频、视频通话等应用场景为例,该ROI区域主要是人脸区域。所以可以根据肤色条件及高斯模型,并且结合轮廓判断对当前宏块进行检测,并对其进行标记。而且,标记后可以再进行后处理(例如,滤波),以修正检测结果。当然也可以通过别的检测方法实现ROI区域的检测。
上述步骤S103具体为:对当前宏块进行DCT变换,并建立当前宏块的变换域JND模型,基于所述变化域JND模型对当前宏块进行预测残差自适应调整。
具体地,首先对当前宏块进行DCT变换,然后再建立经典的时/空DCT域JND模型,该模型由空域对比敏感度(CSF)模型、背景亮度模型、对比度掩膜因子,以及时域调制因子四部分组成,表达式如下:
JNDs=Tbasic(n,i,j)×Flum(n)×Fcontrast(n,i,j)×FT(n,i,j) (a)
其中,Tbasic代表基本阈值,Flum代表亮度敏感性因子,Fcontrast代表纹理敏感性因子,FT代表时域调制因子。
其次,基于DCT域JND模型,将经典DCT域JND转换为整数变换域JND。由于上述建立的DCT域JND模型中JND值只适用于经典的DCT域,所以需要将JND模型引入含有整数变换模块的混合编码体系结构中,即将DCT域转换为整数变换域。本发明实施例以H.264为例对其转换过程具体说明,其他编码标准可以参照实施。在当前的H.264标准中4x4DCT正变换所用的整数变换矩阵为:
H.264标准所规定的正变换的过程为:
其中N=4,X为残差矩阵,Z为整数变换系数矩阵。
经典DCT变换的过程为:
其中N=4,X为残差矩阵,Y为DCT变换系数矩阵。
整数变换和经典DCT变换的关系可表示为:
其中S为缩放矩阵,代表矩阵之间的对应元素相乘,其余符号与上文所述内容一致。因此只要找出整数变换和经典DCT变换的缩放关系矩阵S,就能进一步的将JND模型引入H.264编码体系中。经计算,我们得到最终的用于4x4变换的缩放矩阵为:
因此,经典DCT域的JND矩阵和H.264整数变换域的JND矩阵之间的转换关系为:
于是,最终的整数变换域JND的整体表达式为:
JNDICT=Tbasic(n,i,j)×Flum(n)×Fcontrast(n,i,j)×FT(n,i,j)/S(i,j) (f)
最后,将所述变换域JND值与DCT变换系数进行比较,若DCT变换系数的绝对值小于变换域JND值,则直接舍弃相应的DCT变换系数;若DCT变换系数的绝对值大于或等于变换域JND值时,则将DCT变换系数的绝对值减去变换域JND值。
图2是本发明基于ROI和JND的视频编码方法另一实施例的流程示意图。参照图2,与上述实施例的区别在于,在上述步骤S103之前还包括步骤S104:建立当前宏块的像素域JND模型,基于所述像素域JND模型对当前宏块进行预测残差自适应调整。
本发明实施例先通过像素域JND对当前宏块进行第一次预测残差自适应调整,然后再通过变换域JND对当前宏块进行第二次预测残差自适应调整,进一步降低了编码码率。
具体地,首先建立当前宏块的像素域JND模型,计算当前宏块的像素域JND值。本发明实施例采用经典的基于Weber原则的背景亮度模型和空间掩膜模型计算JND,总表达式如下:
JND(x,y)=max{fbg(x,y),f1(bg(x,y),mg(x,y))} (g)
其中bg(x,y)为背景平均亮度,mg(x,y)为背景亮度变化方向最大的加权平均值,背景亮度bg(n,x,y)和人眼敏感度fbg(n,x,y)的函数关系,空间掩膜f1(bg(x,y),mg(x,y))和背景亮度、背景亮度变化关系分别如公式(h)(i)所示:
f1(bg(x,y),mg(x,y))=mg(x,y)×α(bg(x,y))+β(bg(x,y)) (i)
其次,将所述像素域JND值与像素残差进行比较。因为像素域JND值代表人眼容忍的失真限度,在该限度内的残差可认为是不可见的,所以我们将像素JND值和像素残差对比,若像素残差小于JND值,则直接舍弃像素残差;若像素残差的绝对值大于像素域JND值,则将像素残差的绝对值减去像素域JND值,从而可以达到降低码率的目的。
以H.264编码框架为例,将采用H.264的编码方式、采用像素域JND或采用变换域JND进行预测残差调整的编码方式、采用像素域JND与变换域JND的结合进行预测残差调整的编码方式进行比较,并做了一系列对比实验。对不同测试序列,分别取不同QP,比较编码码率和主观效果。
测试条件为:基于H.264的视频编码参考框架,固定参数QP,其他编码参数使用默认值。实验选取的序列为:标准测试序列:Foreman(CIF)序列200帧、Silent(CIF)序列200帧、Paris(CIF)序列200帧,通过摄像头采集的序列:Little_Boy(VGA)序列200帧。如表1所示,表1是H.264、采用像素域JND进行预测残差调整、采用变换域JND进行预测残差调整以及采用像素域JND与变换域JND的结合进行预测残差调整的编码码率对比结果。由表1可知,QP参数一定时,采用变换域JND进行预测残差调整的编码码率比采用H.264的编码码率要少;QP参数一定时,采用像素域JND进行预测残差调整的编码码率比采用H.264的编码码率要少;QP参数一定时,采用像素域JND与变换域JND的结合进行预测残差调整的编码码率比采用H.264的编码码率少很多。在这里需要说明的是,表1中采用像素域JND进行预测残差调整、采用变换域JND进行预测残差调整以及采用像素域JND与变换域JND的结合进行预测残差调整均为上述方法中判断宏块是否属于ROI区域后,对属于ROI区域的宏块进行调整。
表1
参照图3,图3是采用H.264编码后和采用像素域JND与变换域JND结合进行预测残差调整后的图片的主观质量对比示意图。图3的(a),(c),(e),(g)分别是Foreman,Paris,Silent,Little_Boy序列在QP=28的条件下采用H.264编码后的主观效果,图2的(b),(d),(f),(h)分别是Foreman,Paris,Silent,Little_Boy序列在QP=28的条件下采用本发明编码方法后的主观效果。
通过对比表1的码率大小和图3所示的主观质量,我们可以看出,固定QP(分别选取16,20,24,28)时,采用本发明的结合ROI属性,考虑整数变换域特性求解JND,同时使用像素域JND和变换域JND进行预测残差自适应调整的编码方式,和现有技术的H.264编码方案相比,在保留ROI区域重要信息的前提下,可以节省5%到28%不等的码率,且其视频整体主观质量和原始的H.264进行编码后的视频整体主观质量几乎没有差别。
图4是本发明基于ROI和JND的视频编码装置一实施例的结构示意图。参照图4,该基于ROI和JND的视频编码装置包括:
ROI区域判断模块10,用于判断帧图像处理的当前宏块是否属于ROI区域;
残差自适应调整模块20,用于在当前宏块不属于ROI区域时,建立当前宏块的变换域JND模型,并基于所述变换域JND模型对所述当前宏块进行预测残差自适应调整。
由于图像中存在ROI,以桌面视频、视频通话等应用场景为例,其中的图像中ROI主要为人脸区域。本发明一实施方式中,可以先计算当前宏块中的ROI属性,再根据计算结果判断该当前宏块是否属于ROI区域。本发明另一实施方式中,可以提取整个图像中的ROI属性,再对每个宏块进行ROI属性的匹配,若匹配成功,则判断该宏块属于ROI区域。在这里需要说明的是,只要当前宏块存在ROI属性,就判断该宏块属于ROI区域。
若当前宏块不属于ROI区域,则残差自适应调整模块20使用变换域JND对当前宏块进行预测残差自适应调整。
本发明基于ROI和JND的视频编码方法通过将帧图像中的ROI区域与非ROI区域进行分开处理,从而既保证了编码的主观质量,又降低了编码码率。
上述ROI区域判断模块10具体用于:根据肤色条件及高斯模型,再结合轮廓判断,对当前宏块进行ROI检测。
以桌面视频、视频通话等应用场景为例,该ROI区域主要是人脸区域。所以可以根据肤色条件及高斯模型,并且结合轮廓判断对当前宏块进行检测,并对其进行标记。而且,标记后可以再进行后处理(例如,滤波),以修正检测结果。当然也可以通过别的检测方法实现ROI区域的检测。
上述残差自适应调整模块20具体用于:计算经过DCT变换后的当前宏块的变换域JND值,将所述变换域JND值与DCT变换系数进行比较,若DCT变换系数的绝对值小于变换域JND值,则直接舍弃相应的DCT变换系数;若DCT变换系数的绝对值大于或等于变换域JND值时,则将DCT变换系数的绝对值减去变换域JND值。使用变换域JND进行残差调整的具体过程可参照前面方法实施例所述,在此就不再赘述。
上述残差自适应调整模块20还用于:
建立当前宏块的像素域JND模型,基于所述像素域JND模型对当前宏块进行预测残差自适应调整。
具体地,残差自适应调整模块20计算当前宏块的像素域JND值,将像素JND值和像素残差对比,若像素残差小于JND值,则直接舍弃像素残差;若像素残差的绝对值大于像素域JND值,则将像素残差的绝对值减去像素域JND值。使用像素域JND进行残差调整的过具体程可参照前面方法实施例所述,在此就不再赘述。
本发明实施例先通过像素域JND对当前宏块进行第一次预测残差自适应调整,然后再通过变换域JND对当前宏块进行第二次预测残差自适应调整,进一步降低了编码码率。
以上所述仅为本发明的优选实施例,并非因此限制其专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于ROI和JND的视频编码方法,其特征在于,包括以下步骤:
判断帧图像处理的当前宏块是否属于ROI区域;
若不属于感兴趣区域ROI区域,则建立当前宏块的变换域最小可察觉失真JND模型,并基于所述变换域JND模型对所述当前宏块进行预测残差自适应调整。
2.根据权利要求1所述的基于ROI和JND的视频编码方法,其特征在于,所述判断帧图像处理的当前宏块是否属于ROI区域的步骤具体为:
根据肤色条件及高斯模型,再结合轮廓判断,对当前宏块进行ROI检测。
3.根据权利要求1所述的基于ROI和JND的视频编码方法,其特征在于,所述建立当前宏块的变换域JND模型,并基于所述变换域JND模型对所述当前宏块进行预测残差自适应调整的步骤之前还包括:
建立当前宏块的像素域JND模型,基于所述像素域JND模型对当前宏块进行预测残差自适应调整。
4.根据权利要求3所述的基于ROI和JND的视频编码方法,其特征在于,所述建立当前宏块的像素域JND模型,并基于所述像素域JND模型对当前宏块进行初步预测残差自适应调整的步骤具体为:
计算当前宏块的像素域JND值,将所述像素域JND值与像素残差进行比较后,舍弃小于所述像素域JND值的像素残差,将大于或等于所述像素域JND值的像素残差的绝对值减去所述像素域JND值。
5.根据权利要求1所述的基于ROI和JND的视频编码方法,其特征在于,所述建立当前宏块的像素域JND模型,并基于所述像素域JND模型对当前宏块进行初步预测残差自适应调整的步骤具体为:
计算经过DCT变换后的当前宏块的变换域JND值,将所述变换域JND值与DCT变换系数进行比较后,舍弃小于所述变换域JND值的DCT变换系数,将大于或等于所述变换JND值的DCT变换系数的绝对值减去所述变换域JND值。
6.一种基于ROI和JND的视频编码装置,其特征在于,包括:
ROI区域判断模块,用于判断帧图像处理的当前宏块是否属于ROI区域;
残差自适应调整模块,用于在当前宏块不属于ROI区域时,建立当前宏块的变换域JND模型,并基于所述变换域JND模型对所述当前宏块进行预测残差自适应调整。
7.根据权利要求6所述的基于ROI和JND的视频编码装置,其特征在于,所述ROI区域判断模块具体用于:根据肤色条件及高斯模型,再结合轮廓判断,对当前宏块进行ROI检测。
8.根据权利要求6所述的基于ROI和JND的视频编码装置,其特征在于,所述残差自适应调整模块还用于:
建立当前宏块的像素域JND模型,基于所述像素域JND模型对当前宏块进行预测残差自适应调整。
9.根据权利要求8所述的基于ROI和JND的视频编码装置,其特征在于,所述残差自适应调整模块具体用于:
计算当前宏块的像素域JND值,将所述像素域JND值与像素残差进行比较后,舍弃小于所述像素域JND值的像素残差,将大于或等于所述像素域JND值的像素残差的绝对值减去所述像素域JND值。
10.根据权利要求6所述的基于ROI和JND的视频编码装置,其特征在于,所述残差自适应调整模块具体用于:
计算经过DCT变换后的当前宏块的变换域JND值,将所述变换域JND值与DCT变换系数进行比较后,舍弃小于所述变换域JND值的DCT变换系数,将大于或等于所述变换JND值的DCT变换系数的绝对值减去所述变换域JND值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210118331.6A CN103379326B (zh) | 2012-04-19 | 2012-04-19 | 基于roi和jnd的视频编码方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210118331.6A CN103379326B (zh) | 2012-04-19 | 2012-04-19 | 基于roi和jnd的视频编码方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103379326A true CN103379326A (zh) | 2013-10-30 |
CN103379326B CN103379326B (zh) | 2018-06-01 |
Family
ID=49463821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210118331.6A Active CN103379326B (zh) | 2012-04-19 | 2012-04-19 | 基于roi和jnd的视频编码方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103379326B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107241607A (zh) * | 2017-07-18 | 2017-10-10 | 厦门大学 | 一种基于多域jnd模型的视觉感知编码方法 |
CN107770525A (zh) * | 2016-08-15 | 2018-03-06 | 华为技术有限公司 | 一种图像编码的方法及装置 |
CN110012291A (zh) * | 2019-03-13 | 2019-07-12 | 佛山市顺德区中山大学研究院 | 用于美颜的视频编码算法 |
CN110062234A (zh) * | 2019-04-29 | 2019-07-26 | 同济大学 | 一种基于区域恰可察觉失真的感知视频编码方法 |
CN110139112A (zh) * | 2019-04-29 | 2019-08-16 | 暨南大学 | 一种基于jnd模型的视频编码方法 |
CN111491167A (zh) * | 2019-10-28 | 2020-08-04 | 华为技术有限公司 | 图像编码方法、转码方法、装置、设备以及存储介质 |
CN112738533A (zh) * | 2020-12-28 | 2021-04-30 | 中国南方电网有限责任公司超高压输电公司 | 一种机巡图像分区域压缩方法 |
CN113115034A (zh) * | 2021-03-25 | 2021-07-13 | 北京金山云网络技术有限公司 | 一种视频处理方法、装置、电子设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101710995A (zh) * | 2009-12-10 | 2010-05-19 | 武汉大学 | 基于视觉特性的视频编码系统 |
CN102420988A (zh) * | 2011-12-02 | 2012-04-18 | 上海大学 | 一种利用视觉特性的多视点视频编码系统 |
-
2012
- 2012-04-19 CN CN201210118331.6A patent/CN103379326B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101710995A (zh) * | 2009-12-10 | 2010-05-19 | 武汉大学 | 基于视觉特性的视频编码系统 |
CN102420988A (zh) * | 2011-12-02 | 2012-04-18 | 上海大学 | 一种利用视觉特性的多视点视频编码系统 |
Non-Patent Citations (1)
Title |
---|
EN-LENG ET AL.: "Perceptually Tuned Subband Coder with Region of Interest", 《SCHOOL OF ELECTRICAL AND ELECTRONIC ENGINEERING NANYANG TECHONLOGICAL UNIVERSITY》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107770525A (zh) * | 2016-08-15 | 2018-03-06 | 华为技术有限公司 | 一种图像编码的方法及装置 |
CN107770525B (zh) * | 2016-08-15 | 2020-07-24 | 华为技术有限公司 | 一种图像编码的方法及装置 |
CN107241607A (zh) * | 2017-07-18 | 2017-10-10 | 厦门大学 | 一种基于多域jnd模型的视觉感知编码方法 |
CN107241607B (zh) * | 2017-07-18 | 2020-06-16 | 厦门大学 | 一种基于多域jnd模型的视觉感知编码方法 |
CN110012291A (zh) * | 2019-03-13 | 2019-07-12 | 佛山市顺德区中山大学研究院 | 用于美颜的视频编码算法 |
CN110062234A (zh) * | 2019-04-29 | 2019-07-26 | 同济大学 | 一种基于区域恰可察觉失真的感知视频编码方法 |
CN110139112A (zh) * | 2019-04-29 | 2019-08-16 | 暨南大学 | 一种基于jnd模型的视频编码方法 |
CN110139112B (zh) * | 2019-04-29 | 2022-04-05 | 暨南大学 | 一种基于jnd模型的视频编码方法 |
CN111491167A (zh) * | 2019-10-28 | 2020-08-04 | 华为技术有限公司 | 图像编码方法、转码方法、装置、设备以及存储介质 |
CN111491167B (zh) * | 2019-10-28 | 2022-08-26 | 华为技术有限公司 | 图像编码方法、转码方法、装置、设备以及存储介质 |
CN112738533A (zh) * | 2020-12-28 | 2021-04-30 | 中国南方电网有限责任公司超高压输电公司 | 一种机巡图像分区域压缩方法 |
CN113115034A (zh) * | 2021-03-25 | 2021-07-13 | 北京金山云网络技术有限公司 | 一种视频处理方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103379326B (zh) | 2018-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103379326A (zh) | 基于roi和jnd的视频编码方法及装置 | |
CN102970536B (zh) | 一种改进的带有预测残差调整的视频编码方法 | |
CN102420988B (zh) | 一种利用视觉特性的多视点视频编码系统 | |
CN104219525B (zh) | 基于显著性和最小可察觉失真的感知视频编码方法 | |
CN101184221A (zh) | 基于视觉关注度的视频编码方法 | |
CN104469386B (zh) | 一种基于dof的恰可察觉误差模型的感知立体视频编码方法 | |
CN104994382B (zh) | 一种感知率失真的优化方法 | |
CN102137258B (zh) | 一种立体视频码率控制方法 | |
CN101567964A (zh) | 一种低码率视频应用中的预处理降噪去块效应方法 | |
CN110139112B (zh) | 一种基于jnd模型的视频编码方法 | |
CN105812805A (zh) | 一种用于视频图像的编码方法和装置 | |
CN101262608A (zh) | 一种监控视频压缩的码率降低方法 | |
CN106358040A (zh) | 一种基于显著性的码率控制比特分配方法 | |
CN105635743A (zh) | 基于显著性检测和全变分的最小可察觉失真方法及系统 | |
CN107241607A (zh) | 一种基于多域jnd模型的视觉感知编码方法 | |
CN104378636A (zh) | 一种视频图像编码方法及装置 | |
CN101540898B (zh) | 基于非负矩阵分解的avs视频数字水印方法 | |
CN103634601A (zh) | 基于结构相似度的高效视频编码感知码率控制优化方法 | |
CN108521572B (zh) | 一种基于像素域jnd模型的残差滤波方法 | |
CN101854555B (zh) | 基于预测残差自适应调整的视频编码系统 | |
CN102685491B (zh) | 一种实现视频编码的方法和系统 | |
CN110246093A (zh) | 一种解码图像增强方法 | |
CN106210717B (zh) | 一种基于视频显著性的hevc解码复杂度控制方法 | |
CN102821280B (zh) | 一种率失真优化方法 | |
CN104023236B (zh) | 一种色度均衡量化参数调整方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |