数据驱动的AVS3像素域最小可觉差预测模型

AVS3作为中国第三代国家数字音视频编码技术标准,在消除视频时域/空域冗余信息方面发挥了重要的作用,但在消除感知冗余方面仍存在进一步优化的空间。本文提出一种数据驱动的AVS3像素域最小可觉差(Just noticeable distortion,JND)预测模型,在尽量保证视觉主观质量的前提下,对AVS3视频编码器进行优化。首先基于主流的大型JND主观数据库,获取符合人眼视觉特性的像素域JND阈值;然后基于深度神经网络构建像素域JND预测模型;最后通过预测的像素域JND阈值建立残差滤波器,消除AVS3的感知冗余,降低编码比特率。实验结果表明,与AVS3的标准测试模型HPM5.0相比,在人眼主观感知质量几乎无损的情况下,所提出的像素域JND模型最高可节省21.52%的码率,平均可节省5.11%的码率。

基于视觉显著模型的图像质量评价算法

为了获得符合人眼感知的图像质量,提出一种基于视觉显著模型的全参考图像质量评价方法。视觉显著模型分为2层:最小可觉差(JND)模型提取的梯度感知图和超像素分割算法提取的权重感知图。在2层感知图融合的基础上,度量参考图像和失真图像在感知图上的特征差异。利用支持向量回归(SVR)的方法,获得客观质量分数。实验结果表明:提出的方法在图像质量上的客观评价表现优于当前的主流算法,对不同失真类型和不同数据库均与人眼主观评价相一致。