[發明專利]面向智慧法院場景的多層次感知視頻編碼算法優化方法

有效

• 申請號: 202110384146.0
• 申請日: 2021-04-09
• 公開（公告）號: CN113099226B
• 公開（公告）日: 2023-01-20
• 發明（設計）人: 殷海兵;周華健
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: H04N19/124
• 分類號: H04N19/124;H04N19/147;H04N19/176;H04N19/625
• 代理公司: 杭州浙科專利事務所(普通合伙) 33213
• 代理人: 楊小凡

1.面向智慧法院場景的多層次感知視頻編碼算法優化方法，其特征在于包括如下步驟：

S1，構建多層次感知編碼框架，通過結合內容自適應比特分配、時域感知量化控制和空域感知量化控制，實現感知碼率控制，通過心理視覺率失真優化，實現有效幀內和幀間預測的模式決策，通過系數級心理視覺率失真優化量化，實現系數級感知量化；

所述內容自適應比特分配，通過結合基于滑動窗口的lookahead預分析和幀級感知復雜度測量實現，幀級感知復雜度測量是通過測量感知比特分配的感知模糊復雜度，采用感知復雜度量化模型，獲得幀級量化參數Qp_frm；

所述時域感知量化控制，通過時域量化參數Qp級聯，分析內容自適應比特分配，基于lookahead預分析的視頻內容分析，獲得用于時域精細量化控制的自適應調整Qp的ΔQp_Temp；

所述空域感知量化控制，利用空間掩蔽效應，通過內容自適應比特分配，量化調整參數ΔQp_VAQ，自適應調整Qp進行空域細粒度量化控制；

得到最終量化參數ΔQp_final：

ΔQp_final＝Qp_frm+ΔQp_Temp+ΔQp_VAQ (1)

所述心理視覺率失真優化，通過改進的感知失真度量D_RDO代替傳統的MSE；心理視覺率失真優化，將J'₁＝D_RDO+λ₁×R₁取代傳統的RDO編碼J₁＝D₁+λ₁×R₁，λ₁表示心理視覺率失真優化的拉格朗日因子，R₁表示心理視覺率失真優化的編碼比特數；

在Psyrdo算法中，SSD被感知失真D_RDO所代替，計算如下：

D_RDO＝SSD+λ_{psy_rdo}×psyrdo×psycost (7)

其中，λ_{psy_rdo}是與量化參數相關的控制參數，psyrdo是心理視覺率失真優化的控制強度參數，psycost是原始塊與重建塊之間的能量差，定義如下：

其中，SATD、SAD用于度量塊復雜度失真，下標rec和ori分別表示重構塊和原始塊；

所述心理視覺率失真優化量化，通過感知失真度量D_quant代替傳統的MSE；心理視覺率失真優化量化，將J’₂＝D_quant+λ₂×R₂取代傳統的RDO編碼J₂＝D₂+λ₂×R₂，λ₂表示心理視覺率失真優化量化的拉格朗日因子，R₂表示心理視覺率失真優化量化的編碼比特數；

基于RDOQ的感知失真D_quant計算如下：

D_quant＝diff×diff-psyrdoq×|t_rec| (9)

其中，diff×diff是標準的SSD，psyrdoq×|t_rec|是心理視覺率失真優化量化的控制強度和DCT反變換后得到重構系數的乘積；

S2，模塊間相關性分析，度量模塊間相關性的定量參數，評估兩個算法模塊之間的影響程度，通過選擇關鍵控制參數，將復雜的多模塊優化轉化為連續的單模塊優化，確定多個可定制模塊的算法決策順序；所述模塊間相關性分析，基于內容自適應比特分配、時域感知量化控制、空域感知量化控制、心理視覺率失真優化和心理視覺率失真優化量化的算法模塊，通過算法模塊的關鍵參數，定量測試算法模塊之間的相互影響；

對于取值連續的參數，通過設置離散步長，將取值范圍離散化為多個參數取值，兩個算法模塊修改導致的RD性能改變量分別為ν_i和ν_j，ν_i或ν_j是模塊i或j開啟時相對于所有感知編碼工具都關閉時的平均BD-VMAF差值，ν是模塊i和j共同開啟時相對于所有感知編碼工具都關閉時的平均BD-VMAF差值，定義兩個算法模塊之間的模塊間相關性為：

φ_ij＝ν-(ν_i+ν_j) (11)

在獲得每個算法模塊的不同φ_ij之后，定義單個模塊的模塊間相關性級別為：

根據θ_i的大小來確定各算法模塊決策的優先級別，按照優先級別從大到小來依次優化每個模塊的相關參數；

S3，構建在線自適應參數模型，利用模塊間的內在關聯性構建內容自適應的參數計算模型。