JVET-H0047

JVET-H0047：Perceptually optimized QP adaptation and associated distortion measure. Sebastian Bosse, Christian Helmrich, Heiko Schwarz, Detlev Marpe, Thomas Wiegand（Fraunhofer HHI）

内容简介

该提案提出了一种CTU级别的Adaptive QP和感知加权评估标准WPSNR。通过高通滤波，得到CTU级别的权重，基于该权重的Adaptive QP。同时提出了基于该权重的perceptually weighted PSNR(WPSNR)，并引入到率失真优化中，平均性能提升10%。提案指出WPSNR比PSNR更贴合主观评估。

主要内容总结

1.计算主观感知权重W
研究表明使用相同QP下，在低频平坦区域区域感知到的质量降低要比高频区域更明显。基于此结论，引入权重W，主要考虑的是图像空域变化的剧烈程度，使用拉普拉斯算子表示。

对于像素(x,y)，拉普拉斯算子公式如下：

h(x,y)绝对值越大，表明变化越剧烈，高频信息越多。

对于块Bk，其图像变化剧烈程度表示如下：

其中B∗k是Bk去掉边缘行列的块内部区域，|B∗k|是B∗k中的像素数。

对于一幅图像或视频序列，其图像变化剧烈程度表示为其包含的所有块的ak的均值：

则块级别的主观感知权重W为：

其中β通过测试得到。wk的取值范围应在1左右，变化剧烈的地方，权重W较小，会小于1，平坦的地方，权重W较大，会大于1。

2.感知加权评估标准WPSNR
用原始SSE表示块Bk和一幅图像的失真公式如下：

现在引入主观感知加权W，则失真公式变为：

这样在失真中可以考虑到主观因素：对于平坦的地方，失真对于主观体验影响相对较大，因此权重较大；对于变化剧烈的地方，失真对于主观体验影响相对较小，因此权重较小。

PSNR公式如下：

使用wSSE替代原始SSE，得到WPSNR：

3.将感知权重W引入率失真优化
原始的率失真优化公式如下：

将wSSE引入，由DwSSEk=wk∗DSSEk可以得到：

等价于：

这样率失真优化中只需要对应每个CTU修改lambda。

4.基于感知权重W的Adaptive QP
这里和基于ERP特性的自适应QP的基本思路是相同的，不再赘述，详见：
http://blog.csdn.net/lin453701006/article/details/78676523
最终QP的修正公式如下：

对于平坦区域，wk大于1，此时希望用bit换取更少失真，因此要使QP变小，得到的QPk小于QP；对于高频区域相反，wk小于1，得到的QPk大于QP。

补充

该提案存在以下问题：
1.噪声会影响权重。
2.权重主要考虑的是图像空域变化情况，没有考虑帧间情况。