基于視差的恰可察覺誤差模型的立體視頻編碼研究.pdf

1、近年來，由于人們對(duì)逼真的視覺體驗(yàn)需求逐漸增強(qiáng)，3D電視技術(shù)的發(fā)展十分迅速。由不同視角的多臺(tái)攝像機(jī)捕獲同一個(gè)場(chǎng)景所產(chǎn)生的多視點(diǎn)視頻，可以給用戶帶來更生動(dòng)的視覺體驗(yàn)。然而，隨著攝像機(jī)數(shù)量的增多，立體視頻的存儲(chǔ)空間和傳輸帶寬會(huì)成倍的增加。因此，在視頻處理領(lǐng)域如何進(jìn)行有效的立體視頻壓縮尤為重要。由于通常情況下視頻信號(hào)的最終接收者是人類視覺系統(tǒng)（HVS），所以由人類視覺感知因子和視頻編碼的融合形成的感知立體視頻編碼受到了極大的關(guān)注。
　　在

2、本文中，通過對(duì)H.264和多視點(diǎn)視頻編碼（MVC）的深入研究，描述了多種恰可察覺誤差模型（JND）的建模和估計(jì)算法，并且將此類模型應(yīng)用于圖像、視頻編碼，剖析了各自的優(yōu)點(diǎn)和對(duì)應(yīng)的缺點(diǎn)。通過視差與人類視覺敏感度的關(guān)系首先提出了一個(gè)改進(jìn)的基于視差的恰可察覺誤差模型的估計(jì)算法；其次，提出了一個(gè)基于人類色度感知的色度域JND模型；然后，考慮到深度注意模糊理論(DOF)與人類視覺的特性，優(yōu)化了基于視差的JND模型；最后，將這些模型用于立體視頻編碼，

3、不僅有效的壓縮了碼率并且改善了圖片、視頻的感知質(zhì)量。
　　本文深入討論了JND模型的算法改進(jìn)以及與視頻編碼的結(jié)合，主要從以下幾個(gè)方面開展了工作：
　　1.提出了一個(gè)基于視差的JND模型。基于圖像分割的立體匹配得到邊緣更加準(zhǔn)確的視差信息，利用視差和人類視覺敏感度改進(jìn)了傳統(tǒng)的時(shí)間和空間JND模型，并用于立體視頻編碼。實(shí)驗(yàn)結(jié)果證明，改善后的方法有效的減少了雙目立體視頻的視間冗余，并降低了碼率。
　　2.提出了一個(gè)基于人類色度

4、感知的色度域JND模型。根據(jù)視錐細(xì)胞在視網(wǎng)膜上的分布，利用高斯分布來建模，并且應(yīng)用到MVC編碼中。實(shí)驗(yàn)結(jié)果顯示，本方法在保證了色度感知質(zhì)量的前提下成功的消除了色度冗余，節(jié)省了碼率。
　　3.通過深度模糊理論和JND的結(jié)合，提出了一個(gè)基于DOF的JND模型。利用視差信息將前景和背景有效的分離，分別對(duì)不同區(qū)域使用不同的量化參數(shù)，并且對(duì)亮度JND模型加入了高斯濾波器實(shí)現(xiàn)DOF效應(yīng)，有效的將需要模糊化的背景區(qū)域的碼率分配給了需要提高質(zhì)量的