基于視覺選擇性注意模型的圖像質(zhì)量評價和視頻編碼技術(shù)研究.pdf

1、人眼視覺系統(tǒng)中存在的選擇性注意機(jī)制是一種引導(dǎo)我們目光注視到場景中感興趣物體的機(jī)制，可使人眼視覺系統(tǒng)能以有限的系統(tǒng)資源獲取盡可能有用的信息。視覺選擇性注意模型已成為圖像處理領(lǐng)域的熱點(diǎn)研究內(nèi)容之一。本文研究工作圍繞視覺選擇性注意模型展開，首先研究自下而上的視覺選擇性注意計算模型，并提出一種結(jié)合圖像位置信息的視覺選擇性注意計算模型；然后提出了一種基于視覺選擇性注意模型的圖像質(zhì)量評價方法；接著提出了一種結(jié)合亮度差和色度差的運(yùn)動目標(biāo)檢測算法；最后

2、將視覺選擇性注意模型和運(yùn)動目標(biāo)檢測算法應(yīng)用到H.264編碼器中。 在已有的自下而上的視覺選擇性注意模型中，主要是利用了圖像的顏色、紋理和邊緣方向等特征來計算出各個像素點(diǎn)的顯著度。研究表明，人眼對圖像中的不同位置區(qū)域具有不同的敏感度。本文根據(jù)像素點(diǎn)在圖像中的位置信息，對自下而上的視覺選擇性注意模型計算出的顯著度進(jìn)行二次計算，最終得到圖像的顯著度圖。實(shí)驗(yàn)結(jié)果表明，這種結(jié)合圖像位置信息的視覺選擇性注意計算模型更加符合人眼視覺特性。

3、 在圖像質(zhì)量評價中，傳統(tǒng)的峰值信噪比(PSNR)是用得最多的評價方法。但是在很多情況下，PSNR的值高并不等于圖像的主觀質(zhì)量好。本文在視覺選擇性注意計算模型提取出的顯著度圖的基礎(chǔ)上，提出了一種基于視覺興趣的圖像質(zhì)量評價方法。實(shí)驗(yàn)結(jié)果表明，對不同質(zhì)量等級的圖像，使用本文提出的圖像質(zhì)量評價方法得到的結(jié)果比PSNR的計算結(jié)果更符合人眼主觀評價的結(jié)果。 運(yùn)動目標(biāo)檢測是與視頻編碼應(yīng)用密切相關(guān)的一項(xiàng)關(guān)鍵技術(shù)。例如在智能視頻監(jiān)控中，運(yùn)動目

4、標(biāo)所在的區(qū)域就是“最感興趣”的區(qū)域，需要較高的編碼質(zhì)量。本文提出一種結(jié)合亮度差和色度差的運(yùn)動目標(biāo)檢測算法。在背景幀提取中，通過對各通道色度值的統(tǒng)計分析，解決了視頻幀數(shù)少、前景運(yùn)動緩慢時，背景幀上易留下前景運(yùn)動物體軌跡的問題。在確定運(yùn)動目標(biāo)時，利用高斯模型計算亮度偏差的閾值，解決了以往由人工來確定不同視頻序列的亮度偏差閾值的問題。實(shí)驗(yàn)結(jié)果表明，與已有的算法相比，本文提出的算法可以在視頻幀數(shù)少、前景運(yùn)動較慢的情況下，準(zhǔn)確地提取出不含前景信息

5、的背景幀；能夠根據(jù)不同視頻序列的特點(diǎn)，計算出用來確定前景物體的亮度差閾值；并可準(zhǔn)確地檢測出視頻序列中的運(yùn)動目標(biāo)。在此基礎(chǔ)上，結(jié)合經(jīng)視覺選擇性注意模型提取出的顯著度圖，本文探討了一種基于視覺選擇性注意模型和運(yùn)動目標(biāo)檢測的視頻編碼方法。以最優(yōu)化視頻的主觀視覺質(zhì)量為目標(biāo)，考慮到人眼對視頻中感興趣區(qū)域和其他區(qū)域的誤差敏感度不同，本文提出了基于選擇性注意模型和運(yùn)動目標(biāo)檢測的空間區(qū)域碼率分配的視頻編碼方法。在所有的碼率控制機(jī)制中，對單個宏塊設(shè)定量化