CN108521572B - 一种基于像素域jnd模型的残差滤波方法 - Google Patents

一种基于像素域jnd模型的残差滤波方法 Download PDF

Info

Publication number
CN108521572B
CN108521572B CN201810239738.1A CN201810239738A CN108521572B CN 108521572 B CN108521572 B CN 108521572B CN 201810239738 A CN201810239738 A CN 201810239738A CN 108521572 B CN108521572 B CN 108521572B
Authority
CN
China
Prior art keywords
pixel
jnd
jnd threshold
transformation unit
current
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.)
Active
Application number
CN201810239738.1A
Other languages
English (en)
Other versions
CN108521572A (zh
Inventor
何小海
张斐然
卿粼波
熊淑华
苏姗
吴小强
陶青川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan University
Original Assignee
Sichuan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan University filed Critical Sichuan University
Priority to CN201810239738.1A priority Critical patent/CN108521572B/zh
Publication of CN108521572A publication Critical patent/CN108521572A/zh
Application granted granted Critical
Publication of CN108521572B publication Critical patent/CN108521572B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • H04N19/61—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding in combination with predictive coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/107—Selection of coding mode or of prediction mode between spatial and temporal predictive coding, e.g. picture refresh
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/117—Filters, e.g. for pre-processing or post-processing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/146—Data rate or code amount at the encoder output
    • H04N19/149—Data rate or code amount at the encoder output by estimating the code amount by means of a model, e.g. mathematical model or statistical model
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/59—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving spatial sub-sampling or interpolation, e.g. alteration of picture size or resolution
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/80—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation
    • H04N19/82—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation involving filtering within a prediction loop

Abstract

本发明提出了一种基于像素域JND模型的残差滤波方法。首先在像素域建模得到每个像素的JND阈值，然后在变换单元中挖掘每个像素JND阈值与其周围邻近像素JND阈值之间的相关性，并利用Sobel边缘检测算子对变换单元进行块分类，以得到其权重因子。最后结合上述所得像素JND阈值的空间相关性和变换单元的权重因子对残差进行滤波。提出的方法模型可以嵌入到HEVC视频编码框架。实验结果表明，在人眼主观感知质量没有明显下降的情况下，能够容忍更多的实际失真，降低一定的码率。

Description

一种基于像素域JND模型的残差滤波方法
技术领域
本发明涉及图像通信领域中的视频编码技术问题，尤其是涉及一种基于像素域JND模型的残差滤波优化降码率方法。
背景技术
近年来，随着高清、超清视频应用逐步走进人们的视野，在不断给人带来更好的视觉感观的同时，视频数据量也在飞速的增长，因此，视频压缩技术受到了巨大的挑战。此外，各式各样的视频应用也随着网络和存储技术的发展不断涌现。如今，数字视频广播、移动无线视频、远程监测、医学成像等，都已经走进了人们的生活。但是在有限传输带宽和一定存储容量的限制下，视频应用的多样化和高清化趋势对视频的压缩性能提出了更高的要求。H.265/HEVC作为新一代视频编码标准，虽然具有不错的视频压缩性能，但是经过H.265/HEVC编码标准压缩后的视频，其数据量仍然很大，冗余信息较多。因此，如何在H.265/HEVC编码标准的基础上进一步提高视频的压缩效率，去除冗余信息是有待解决的一个重要问题。
H.265/HEVC视频编码技术框架主要是针对空间冗余、时间冗余进行压缩编码，压缩性能提升具有一定的局限性。由于人眼是视频的最终接收端，能够直接感受视频的质量好坏，因此，将人类视觉系统(Human Visual System，HVS)引入H.265/HEVC视频编码框架，在计算复杂度可控的前提下，着重挖掘人眼的主观感知状态和人类视觉选择性注意机制来消除人眼不敏感区域的视觉冗余，以进一步提升H.265/HEVC视频编码框架的压缩效率。
目前人眼视觉系统的模型有恰可察失真模型(Just Noticeable Distortion，JND)以及视觉注意机制模型等。已有的JND模型可以分成两类：像素域JND模型和变换域JND模型。像素域JND模型直接利用像素域中的像素值计算每一位置像素的JND阈值。Chou C H分别计算亮度自适应因子和纹理掩蔽因子，然后将两个因子的最大值作为像素域的JND阈值。Yang X K提出了一种新JND模型——非线性叠加掩蔽模型(Nonlinear AdditivelyMasking Model，NAMM)，该模型利用亮度自适应因子和纹理掩蔽因子的非线性叠加来减少两者的重叠效应。Uzair M在现有的基于像素域JND模型的基础上加入了对比度敏感函数(Contrast Sensitivity Function，CSF)、中央凹视觉效应、眼球运动等因素，以更符合人眼主观感知特性。
Wang H提出了一种结合视觉注意模型与视觉敏感度模型的显著性JND模型，在显著性区域增加JND阈值，在非显著性区域减少JND阈值，以保证在几乎相同的人眼主观感知质量下，降低传输所需的码率。李承欣分别计算像素域和变换域的JND阈值，取两者之间的最大值作为最优JND模型，再结合基于上下文感知的显著性算法为最优JND模型分配权值，同样在主观感知质量没有明显降低的情况下消除了一定的视觉冗余，节省了比特率。
发明内容
针对H.265/HEVC编码标准码率较高、数据冗余过多的问题。本发明提出了一种基于像素域JND模型的残差滤波方法，利用当前像素JND阈值与其周围相邻像素JND阈值之间的相关性、变换单元所属的块类型信息，调整残差数据量。实验表明，在人眼主观感知质量没有明显下降的情况下，降低了视频传输所需的码率。
本发明提出的基于像素域JND模型的残差滤波方法，首先在视频每一帧中的像素域建模以获得每个像素对应的JND阈值，再利用当前像素JND阈值与其周围相邻像素JND阈值之间的相关性，得到当前像素相对于其周围相邻像素的视觉冗余程度，再使用Sobel边缘检测算子对变换单元的边缘像素进行检测，以对变换单元进行块分类，判断其是属于纹理块、边缘块或者平坦块，从而获得其权重因子，最后结合像素JND阈值的相关性和变换单元对应块类型的权重因子，为人眼敏感和非敏感区域合理分配残差比特，从而达到降低码率的目的。
本发明提出的基于像素域JND模型的残差滤波方法，包括以下过程步骤:
(1)在对残差滤波之前，在视频每一帧中的像素域建模，以获得对应位置像素的JND阈值；
(2)对步骤(1)获得的像素JND阈值，计算当前像素JND阈值与其周围邻近像素JND阈值之间的相关性；
(3)使用Sobel边缘检测算子对变换单元进行块分类，并根据变换单元所属块类型，获得其权重因子；
(4)结合步骤(2)、步骤(3)所获得的相邻像素JND阈值之间的相关性以及当前变换单元所属块类型的权重因子，对变换单元中像素的残差信息进行调整。
在本发明的上述技术方案中，所述基于像素域JND模型的残差滤波方法，在像素域建模计算像素JND阈值，该JND阈值能充分反映单个像素视觉冗余程度。
在本发明的上述技术方案中，所述基于像素域JND模型的残差滤波方法，其中计算当前像素JND阈值占周围邻近像素JND阈值总和的百分比，以得到当前像素JND阈值与其周围相邻像素JND阈值之间的相关性，该相关性充分考虑了人眼视觉系统特性，用来衡量当前像素相对于周围邻近像素的视觉冗余程度。
在本发明的上述技术方案，所述基于像素域JND模型的残差滤波方法，使用Sobel边缘检测算子对变换单元进行块分类，若变换单元所属的块类型为纹理块，说明人眼对当前变换单元所能容忍的视觉失真较大，若变换单元所属的块类型为边缘块或者平坦块，说明人眼对当前变换单元所能容忍的视觉失真较小。
在本发明的上述技术方案中，所述基于像素域JND模型的残差滤波方法，结合像素JND阈值与其周围邻近像素JND阈值的相关性，以及变换单元所属块类型的权重因子，调整变换单元中像素的残差信息，解码后的视频序列在人眼感知质量没有明显下降的情况下，降低了码率。
根据本发明的上述方法可以编制执行上述一种基于像素域JND模型的残差滤波方法。
本发明是基于以下思路分析而完成的：
在对残差变换量化之前，先在像素域建立JND模型，计算每个像素JND阈值。在不考虑周围相邻像素对当前像素的影响，当该位置像素的变化低于其对应JND阈值时，直接将该位置像素的残差数据量置为零，则相对于其周围相邻像素，可能会产生较为明显的视觉失真。因此，计算当前像素JND阈值占其周围邻近像素JND阈值总和的百分比，若百分比较大，则该像素相对于周围邻近像素的视觉冗余程度较小，反之，则该像素相对于周围邻近像素的视觉冗余程度较大。
人眼对于纹理复杂的区域所能容忍的视觉失真较大，对边缘区域和平坦区域所能容忍的视觉失真较小。使用Sobel边缘检测算子对变换单元进行块分类，每个变换单元属于纹理块、边缘块、平坦块中的一种，并获得其对应的权重因子。在此基础上，结合当前像素JND阈值占其周围邻近像素JND阈值总和的百分比(当前像素相对于其周围邻近像素的视觉冗余程度)，调整当前变换单元中像素的残差数据量，经过滤波后的残差再进行变换、量化。
附图说明
图1基于像素域JND模型的残差滤波方法流程框图；
具体实施方式
下面结合实施例对本发明作进一步的详细说明，有必要指出的是，以下的实施例只用于对本发明做进一步的说明，不能理解为对本发明保护范围的限制，所属领域技术熟悉人员根据上述发明内容，对本发明做出一些非本质的改进和调整进行具体实施，应仍属于本发明的保护范围。
本发明的基于像素域JND模型的残差滤波方法，与H.265/HEVC标准测试模型HM16.0的编码方法比较过程如下：
1.同时打开嵌入了本发明方法的H.265/HEVC测试模型与H.265/HEVC标准测试模型，将配置文件设置为encoder_intra_main.cfg，编码帧数为100帧，其中两个测试模型的量化参数(QP)同时设置为21、26、31、36；
2.压缩编码的对象为标准测试视频序列：BasketballDrive_1920x1080、Cactus_1920x1080、BQTerrace_1920x1080、ParkScene_1920x1080、PeopleOnStreet_2560x1600；
3.在嵌入了本发明方法的H.265/HEVC测试模型中，先在像素域中建立JND模型，然后根据所建立的JND模型，计算视频序列每一帧中像素的JND阈值；
4.利用第3步所获得的像素JND阈值，根据公式(1)计算当前像素JND阈值占其周围邻近像素JND阈值总和的百分比，该百分比表示当前像素JND阈值与其周围相邻像素JND阈值之间的相关性。当百分比较大，则该像素相对于周围邻近像素的视觉冗余程度较小，反之，则该像素相对于周围邻近像素的视觉冗余程度较大。因此，该百分比能够反映当前像素相对于周围相邻像素的视觉失真。
Figure BDA0001604884030000051
其中，公式(1)中的p表示当前像素JND占其周围邻近像素JND阈值总和的百分比，JND(x,y)、JNDδ(x,y)分别表示当前像素JND阈值大小和当前像素其周围邻近像素JND阈值大小；
5.由于人眼视觉系统对纹理特别复杂的区域所能容忍的失真较大，对边缘区域以及平坦区域所能容忍的失真较小。因此，利用Sobel边缘检测算子对变换单元进行块分类，首先计算H.265/HEVC中4×4、8×8、16×16、32×32四种大小变换单元中的边缘像素，再根据边缘像素密度将变换单元分成纹理块、边缘块或者平坦块，计算公式如(2)、(3)所示：
ρedge＝∑edge/N2 (2)
Figure BDA0001604884030000052
上述式子中ρedge表示变换单元的边缘像素密度，∑edge表示变换单元中边缘像素的个数，N表示变换单元的尺寸大小，其中
Figure BDA0001604884030000054
β＝0.25；
6.结合第4步与第5步所获得的像素JND阈值的相关性和变换单元所属的块类型，对变换、量化之前的变换单元中像素的残差进行滤波，滤波公式如下：
Figure BDA0001604884030000053
其中w、v分别是变换单元为纹理块、平坦块或者边缘块时的权重因子，D(x,y)、D'(x,y)分别表示原始残差数据、滤波后的残差数据，在实验中，w＝0.4，v＝0.32。在对残差滤波之后，再对残差进行变换、量化、熵编码，形成H.265/HEVC格式码流；
7.对嵌入了本发明算法的H.265/HEVC格式码流解码，得到解码视频、编码结束后的码率、PSNR；
8.打开H.265/HEVC标准测试模型，对标准测试序列进行编码，得到解码视频、编码结束后的码率、PSNR；
9.采用双刺激连续质量标度主观评价方法对测试序列的主观质量进行评估，分别把解码获得的视频序列与原视频序列进行主观质量上的比较。视频的显示顺序:视频序列1，显示3秒后灰屏，视频序列2，显示3秒后灰屏，每个视频组重复播放2次，原始视频序列和改进后的视频序列之间的播放顺序是随机的。主观测试中10位观察者使用平均主观意见打分方法:优(4～5分)、良(3～4分)、尚可(2～3分)、差(1～2分)、很差(0～1分)；
10.根据第7步、第8步、第9步获得的码率、PSNR、观察者主观意见打分分数，进行统计显示，上述3个质量指标结果如表1、表2所示。实验结果表明，在人眼主观感知质量没有明显下降的情况下，本发明方法能容忍更多的实际数据失真，达到降低传输码率的目的。
Figure BDA0001604884030000061
Figure BDA0001604884030000071

Claims (4)

1.一种基于像素域JND模型的残差滤波方法，其所包含的框架流程如下：
(1)在对残差滤波之前，在视频每一帧中的像素域建模，以获得对应位置像素的JND阈值；
(2)对步骤(1)获得的像素JND阈值，计算当前像素JND阈值所占其周围邻近像素JND阈值总和的百分比，该百分比表示当前像素JND阈值与周围临近像素JND阈值之间的相关性，当百分比越大，则该像素相对于周围临近像素的视觉冗余程度越小，反之，则该像素相对于周围邻近像素的视觉冗余程度越大；
(3)使用Sobel边缘检测算子对变换单元进行块分类，并根据变换单元所属块类型，获得其权重因子；
(4)将步骤(2)中获得的所占临近像素JND阈值总和的百分比与步骤(3)中得到的当前变换单元所属块类型的权重因子之和乘以变换单元中像素的残差信息值对变换单元中像素的残差信息进行调整。
2.如权利要求1所述基于像素域JND模型的残差滤波方法，其特征在于在像素域建模计算像素JND阈值，该JND阈值能充分反映单个像素视觉冗余程度。
3.如权利要求1所述基于像素域JND模型的残差滤波方法，其特征在于计算当前像素JND阈值占周围邻近像素JND阈值总和的百分比，以得到当前像素JND阈值与其周围相邻像素JND阈值之间的相关性，该相关性充分考虑了人眼视觉系统特性，用来衡量当前像素相对于周围邻近像素的视觉冗余程度。
4.如权利要求1所述基于像素域JND模型的残差滤波方法，其特征在于使用Sobel边缘检测算子对变换单元进行块分类，若变换单元所属的块类型为纹理块，说明人眼对当前变换单元所能容忍的视觉失真较大，若变换单元所属的块类型为边缘块或者平坦块，说明人眼对当前变换单元所能容忍的视觉失真较小。
CN201810239738.1A 2018-03-22 2018-03-22 一种基于像素域jnd模型的残差滤波方法 Active CN108521572B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810239738.1A CN108521572B (zh) 2018-03-22 2018-03-22 一种基于像素域jnd模型的残差滤波方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810239738.1A CN108521572B (zh) 2018-03-22 2018-03-22 一种基于像素域jnd模型的残差滤波方法

Publications (2)

Publication Number Publication Date
CN108521572A CN108521572A (zh) 2018-09-11
CN108521572B true CN108521572B (zh) 2021-07-16

Family

ID=63433952

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810239738.1A Active CN108521572B (zh) 2018-03-22 2018-03-22 一种基于像素域jnd模型的残差滤波方法

Country Status (1)

Country Link
CN (1) CN108521572B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111986116B (zh) * 2020-08-25 2023-10-13 Oppo广东移动通信有限公司 视频降噪方法和装置、电子设备、计算机可读存储介质
CN112261407B (zh) * 2020-09-21 2022-06-17 苏州唐古光电科技有限公司 一种图像压缩方法、装置、设备及计算机存储介质
CN112634278B (zh) * 2020-10-30 2022-06-14 上海大学 基于超像素的恰可察觉失真方法
CN112738515B (zh) 2020-12-28 2023-03-24 北京百度网讯科技有限公司 用于自适应量化的量化参数调整方法和装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101835048A (zh) * 2010-03-30 2010-09-15 香港应用科技研究院有限公司 通过基于abt的最小可觉差模型进行视频编码的方法和装置
CN101841723A (zh) * 2010-05-25 2010-09-22 东南大学 基于jnd和ar模型的感知视频压缩方法
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
CN103596006A (zh) * 2013-12-04 2014-02-19 西安电子科技大学 基于视觉冗余度量的图像压缩方法
CN103607589A (zh) * 2013-11-14 2014-02-26 同济大学 像素域内基于层次选择性视觉注意力机制的图像jnd阈值计算方法
CN105306954A (zh) * 2014-05-30 2016-02-03 西安电子科技大学 一种基于视差最小可察觉误差模型的感知立体视频编码
CN106331707A (zh) * 2016-08-30 2017-01-11 上海大学 基于恰可觉察失真模型的非对称感知视频编码系统及方法
CN107040776A (zh) * 2017-03-29 2017-08-11 华南理工大学 一种基于高动态范围的视频质量评估方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100086063A1 (en) * 2008-10-02 2010-04-08 Apple Inc. Quality metrics for coded video using just noticeable difference models
KR20150095591A (ko) * 2014-02-13 2015-08-21 한국과학기술원 시각적 인지 특성을 이용한 ｐｖｃ 방법

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101835048A (zh) * 2010-03-30 2010-09-15 香港应用科技研究院有限公司 通过基于abt的最小可觉差模型进行视频编码的方法和装置
CN101841723A (zh) * 2010-05-25 2010-09-22 东南大学 基于jnd和ar模型的感知视频压缩方法
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
CN103607589A (zh) * 2013-11-14 2014-02-26 同济大学 像素域内基于层次选择性视觉注意力机制的图像jnd阈值计算方法
CN103596006A (zh) * 2013-12-04 2014-02-19 西安电子科技大学 基于视觉冗余度量的图像压缩方法
CN105306954A (zh) * 2014-05-30 2016-02-03 西安电子科技大学 一种基于视差最小可察觉误差模型的感知立体视频编码
CN106331707A (zh) * 2016-08-30 2017-01-11 上海大学 基于恰可觉察失真模型的非对称感知视频编码系统及方法
CN107040776A (zh) * 2017-03-29 2017-08-11 华南理工大学 一种基于高动态范围的视频质量评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
INTER MODE DECISION BASED ON JUST NOTICEABLE DIFFERENCE PROFILE;Huan Wang等;《2010 IEEE International Conference on Image Processing》;20100929;全文 *

Also Published As

Publication number Publication date
CN108521572A (zh) 2018-09-11

Similar Documents

Publication Publication Date Title
CN108521572B (zh) 一种基于像素域jnd模型的残差滤波方法
CN102420988B (zh) 一种利用视觉特性的多视点视频编码系统
CN108063944B (zh) 一种基于视觉显著性的感知码率控制方法
CN108924554B (zh) 一种球形加权结构相似度的全景视频编码率失真优化方法
US20050094003A1 (en) Methods of processing digital image and/or video data including luminance filtering based on chrominance data and related systems and computer program products
CN110139112B (zh) 一种基于jnd模型的视频编码方法
CN104994382B (zh) 一种感知率失真的优化方法
CN109451310B (zh) 一种基于显著性加权的率失真优化方法及装置
CN109451316B (zh) 一种基于cu显著性的qp选择算法
EP3328083A1 (en) Method and apparatus for encoding a video applying adaptive quantisation
CN114071189A (zh) 视频处理装置及视频串流的处理方法
CN108810530A (zh) 一种基于人眼视觉系统的avc码率控制方法
CN116708789A (zh) 一种基于人工智能的视频分析编码系统
CN106331707B (zh) 基于恰可觉察失真模型的非对称感知视频编码系统及方法
CN102685491B (zh) 一种实现视频编码的方法和系统
CN112001854A (zh) 一种编码图像的修复方法及相关系统和装置
Farias Video quality metrics
CN105141967A (zh) 基于恰可觉察失真模型的快速自适应环路滤波算法
CN113259662B (zh) 基于三维小波视频编码的码率控制方法
JP4688279B2 (ja) 動画像の空間解像度自動設定方法及び装置
CN107547895B (zh) 一种图像处理方法及其装置
US20140198845A1 (en) Video Compression Technique
Chao et al. Perceptual HEVC/H. 265 system with local just-noticeable-difference model
CN112422967B (zh) 视频的编码方法及装置、存储介质、电子设备
Ren et al. No-reference quality assessment for UHD videos based on HEVC encoded bitstream

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant