JND模型及其在視頻編碼中的應(yīng)用.pdf

1、傳統(tǒng)視頻編碼主要是基于統(tǒng)計相關(guān)性去除空間、時間冗余，以達到盡可能高地壓縮效果。然而作為視頻最終的接受者，人類視覺系統(tǒng)(HVS)由于自身的一些特性，存在著感知冗余。為了得到這種感知冗余，研究者們已經(jīng)做了大量的工作。其中廣泛接受的是最小可覺察誤差模型(Just-Noticeable-Distortion model, JND model)，該模型模擬了人類視覺系統(tǒng)的兩大特性，即亮度對比度和時空域掩藏效應(yīng)，得到一個閾值。當變化值低于閾值時，人

2、眼將不會感知到這個變化。將JND模型應(yīng)用到視頻編碼中，對于JND閾值大的區(qū)域，由于敏感性低，可以壓縮得大些，反之，壓縮得小些，最終在碼率基本不變的前提下，達到更好的主觀感受。
　　隨著3D電影《阿凡達》的熱播，全世界產(chǎn)生了3D熱。3D效果是由多個視點的視頻合成的，包含了大量的數(shù)據(jù)，由于帶寬的限制，如何對多視點視頻高效地壓縮顯得至關(guān)重要了。傳統(tǒng)的多視點編碼考慮了幀內(nèi)、幀間、視間的統(tǒng)計冗余，然而如同單視點編碼，可以發(fā)掘基于多視或立體視

3、的JND模型，然而將其應(yīng)用于多視點或立體視編碼中，將可以達到更大的編碼效果。
　　本文首先提出了一個多視JND模型(MJND)，不僅考慮了時空域的掩藏效應(yīng)，同時還考慮了深度圖上的視覺冗余，通過主觀實驗與未考慮深度信息的其他JND模型相比，MJND模型能夠更好地吻合視覺感知冗余。然后，將MJND模型應(yīng)用于傳統(tǒng)多視點編碼(MVC)中，自適應(yīng)量化步長和改進 RD決策最優(yōu)化。通過與傳統(tǒng)編碼框架進行對比時，在碼率近似相同的情況了，MJND修

4、改的MVC將得到更好的主觀質(zhì)量。
　　為了具體應(yīng)用于立體視中，本文針對左右兩個視點的立體視頻，提出了一個雙視JND模型(NBJND)，通過仔細觀察，左右視點合成的立體場景由三部分構(gòu)成：邊緣區(qū)域、立體區(qū)域、共有區(qū)域。由于邊緣和立體區(qū)域的獨有性，NBJND模型采用傳統(tǒng)的JND模型，而對于共有區(qū)域，本文通過主觀實驗得到一個視間JND模型(IJND model)，來描述其存在的視間掩藏效應(yīng)。通過與其他模型的對比，NBJND模型能夠更好地吻