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，由于人們對逼真的視覺體驗需求逐漸增強，3D電視技術的發(fā)展十分迅速。由不同視角的多臺攝像機捕獲同一個場景所產生的多視點視頻，可以給用戶帶來更生動的視覺體驗。然而，隨著攝像機數(shù)量的增多，立體視頻的存儲空間和傳輸帶寬會成倍的增加。因此，在視頻處理領域如何進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注。
　　在

2、本文中，通過對H.264和多視點視頻編碼（MVC）的深入研究，描述了多種恰可察覺誤差模型（JND）的建模和估計算法，并且將此類模型應用于圖像、視頻編碼，剖析了各自的優(yōu)點和對應的缺點。通過視差與人類視覺敏感度的關系首先提出了一個改進的基于視差的恰可察覺誤差模型的估計算法；其次，提出了一個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、視頻的感知質量。
　　本文深入討論了JND模型的算法改進以及與視頻編碼的結合，主要從以下幾個方面開展了工作：
　　1.提出了一個基于視差的JND模型?；趫D像分割的立體匹配得到邊緣更加準確的視差信息，利用視差和人類視覺敏感度改進了傳統(tǒng)的時間和空間JND模型，并用于立體視頻編碼。實驗結果證明，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.提出了一個基于人類色度

4、感知的色度域JND模型。根據視錐細胞在視網膜上的分布，利用高斯分布來建模，并且應用到MVC編碼中。實驗結果顯示，本方法在保證了色度感知質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的結合，提出了一個基于DOF的JND模型。利用視差信息將前景和背景有效的分離，分別對不同區(qū)域使用不同的量化參數(shù)，并且對亮度JND模型加入了高斯濾波器實現(xiàn)DOF效應，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量的