[發明專利]基于JND模型的CU分割預測和模式決策紋理編碼方法

有效

• 申請號: 202010046667.0
• 申請日: 2020-01-16
• 公開（公告）號: CN111246218B
• 公開（公告）日: 2023-07-14
• 發明（設計）人: 張秋聞;趙進超;黃立勛;王祎菡;趙永博;王兆博;吳慶崗;常化文;蔣斌;王曉;張偉偉;崔騰耀;陳明;孫麗君;錢曉亮
• 申請（專利權）人: 鄭州輕工業大學
• 主分類號: H04N19/597
• 分類號: H04N19/597;H04N19/96;H04N19/176;H04N19/107
• 代理公司: 鄭州優盾知識產權代理有限公司 41125
• 代理人: 張真真

本發明提出了一種基于JND模型的CU分割預測和模式決策紋理編碼方法，其步驟為：首先，啟動模式決策，通過亮度JND模型、空間JND模型和時間JND模型構建紋理視頻的多視圖紋理JND模型；其次，根據紋理視頻的內容設置多視圖紋理JND模型的閾值，并根據閾值將紋理視頻的樹塊分為三種類型；再根據當前樹塊所屬類型對當前樹塊進行自適應CU分割；最后，根據當前樹塊所屬的類型對自適應CU分割的樹塊進行快速模式決策的預測，確定樹塊的最佳編碼模式。本發明利用JND模型分析紋理圖像的樹塊特征，在早期階段跳過紋理視頻的一些樹塊，可顯著降低3D?HEVC的編碼復雜度，同時視頻的RD性能的損失可以忽略不計。

技術領域

本發明涉及圖像處理技術領域，特別是指一種基于JND模型的CU分割預測和模式決策紋理編碼方法。

背景技術

在過去的幾年中，隨著3D電視(3DTV)、FTV、3D游戲和3D電影等立體顯示和相關應用程序的發展，3D視頻變得越來越流行。為了提高多紋理視頻的編碼效率，最新的視頻標準HEVC已經開發了3D-HEVC，利用組件之間的相關性設計了其他編碼工具來有效地壓縮紋理視頻數據。官方的3D-HEVC參考軟件比3D視頻內容的HEVC可節省46％的比特率，除了傳統的視頻編碼器HEVC以外，還可以通過幾種編碼工具獲得顯著的壓縮改進，其中編碼工具包括：“相鄰塊視差矢量(NBDV)”、“視圖間運動預測(IMP)”和“視圖綜合預測(VSP)”。這些編碼工具實現了最高的編碼效率，同時復雜性比較大。

目前，已經進行了關于降低3D-HEVC的紋理編碼復雜度的研究。N.Zhang等人提出基于早期的CU分割和合并模式終止的快速編碼方法，該方法利用紋理多視圖視頻的視圖間相關性來加速計算。L.Shen等人開發了一種快速的方法來加速3D-HEVC的編碼過程，該方法使用相鄰CU深度級別之間的預測模式相關性和多視圖紋理視頻與深度圖的相關性，自適應地調整紋理視頻和深度視頻的模式決策過程。Y.Song等人引入了用于基于視圖間編碼模式之間的相關性的3D-HEVC的快速紋理編碼。H.R.Tohidypour等人利用了一種基于在線學習的復雜度降低方法來加快3D-HEVC編碼器中的紋理視圖編碼，此外，該方法還可以自適應地調整運動搜索的范圍，并降低紋理編碼中預測模式搜索的復雜度。L.Shen等人設計了一種有效的CU處理方法，以節省3D-HEVC實時應用程序的編碼時間。Q.Zhang等人提出了一種使用梯度信息的快速模式決策方法，以節省3D-HEVC的編碼時間。上述方法是針對3D-HEVC紋理視頻壓縮而精心設計的，可以減少編碼時間。但是，這些方法沒有充分利用人類視覺系統(HVS)的感知特性，3D-HEVC紋理編碼的復雜性還很大。

為了利用HVS的感知特性，JND模型是基于心理學和生理學的高效模型。在視頻壓縮應用中使用JND模型是降低編碼器復雜性的一種有前景的方法。在最近的一些研究中，JND模型已經用于快速HEVC編碼。J.Kim等人提出了一種基于JND的HEVC兼容方案，以通過HVS的感知特性來減少HEVC的編碼運行時間。P.Lee等人設計了一種快速的CU大小決定方法，以根據JND模型分配HEVC的計算復雜度，它可以在HEVC編碼過程中選擇性地省略不必要的模式。J.Kim等人提出了一種快速SKIP模式決策方法的發展，以基于感知失真度量來加快HEVC的編碼時間。但是目前缺少基于JND定理的3D-HEVC紋理視頻壓縮的方法。

發明內容

針對上述背景技術中存在的不足，本發明提出了一種基于JND模型的CU分割預測和模式決策紋理編碼方法，解決了現有編碼技術沒有將JND模型和HVS的感知特性相結合，造成編碼復雜度高的技術問題。

本發明的技術方案是這樣實現的：

一種基于JND模型的CU分割預測和模式決策紋理編碼方法，其步驟如下：

S1、啟動模式決策，通過亮度JND模型、空間JND模型和時間JND模型構建紋理視頻的多視圖紋理JND模型；