JVET-H0047
来源:互联网 发布:霍华德站立摸高数据 编辑:程序博客网 时间:2024/06/03 15:45
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
其中
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
则块级别的主观感知权重W为:
其中β通过测试得到。
2.感知加权评估标准WPSNR
用原始SSE表示块
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
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,
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。
- JVET-H0047
- 安装JVET
- JVET-E0008
- JVET-E0021
- JVET-E会议提案追踪
- overview of JVET- Meeting A
- JVET-A1001 JEM平台算法相关简介
- JVET-A1002 工作计划:调研编码测试序列
- JVET-代码分析之 片的编码 TEncSlice::compressSlice
- 如何查找JVET-H.266提案和下载参考软件
- JVET encmain()主函数代码分析之(1):TEncTop::encode函数
- JVET专家组下360Lib全景视频投影格式测试平台
- 如何真正的删除node及npm所有指令
- Aras Innovator: 如何在Form中放入图片
- 牛客练习赛8 A约数个数的和 【数论水题】
- 在Centos6.8环境下安装tomcat并成功启动后无法进入首页界面的解决办法
- input 的value属性值,页面显示与html结构中不一致的问题
- JVET-H0047
- -bash: ssh: command not found
- [springBoot系列]--springBoot注解大全
- javascript刷新父页面的各种方法汇总
- Error:android.app.ServiceConnectionLeaked:就是leaked ServiceConnection的错误
- vmware vsphere创建和管理虚拟机
- 数据结构-线性顺序表操作
- Html-如何正确给table加边框
- Java IO