面向数字驱动近眼显示器的位平面压缩技术

为提升用户体验,近眼显示设备应轻量化且具备高分辨率和高刷新率,传统视频压缩方案难以满足需求。针对这一问题,本文将运动估计应用于位平面压缩,将恰可察失真映射至位平面以指导运动估计的匹配准则。同时,从虚拟现实领域中数字驱动微显示器的应用场景出发,使运动估计的搜索范围根据刷新率自适应。最后,结合人眼临界频率与位平面的关系,设定匹配阈值进一步消除冗余。本文提出了一种基于位平面运动估计的视频压缩方案,以此设计数字驱动微显示器控制器并搭建系统验证设计。实验结果表明,该方案平均压缩比为9.3288,压缩效率较高。解码后的图片平均峰值信噪比为22.8103 dB,结构相似度为0.9466,恰可察失真到位平面的映射有效,图片质量和渲染效果良好,符合人眼的直观感受。

面向视频压缩的显著性协同检测JND模型

为了更好的将人眼感知特性用于视频压缩系统,提出了一种改进的基于显著性协同检测的恰可察觉失真模型(Just Noticeable Distortion,JND).该模型通过像素域和变换域下联合建模计算得到的最优JND模型,基于上下文感知的显著性算法得到相应的显著图,并将检测结果用于JND模型权值分配.提出的JND残差滤波器可以嵌入到HEVC视频编码框架中.实验结果表明:在全I帧配置下,提出的算法编码结果与HM16相比,在视觉主观感知质量一致的情况下,平均码率可节省10.7%.