基于JND模型的感知视频编码研究论文

简介：
本研究论文探索了基于JND（Just Noticeable Distortion）模型的感知视频编码技术，旨在优化视频压缩效率同时确保视觉质量。通过深入分析人类视觉系统特性，提出改进算法以减少数据量并保持观感上的无损体验。 鉴于现有的高效视频编码标准未能充分考虑人类视觉系统的特性，本段落提出了一种基于恰到好处的失真模型（JND）的感知视频编码算法。调整后的JND模型被整合进HEVC的变换量化过程中，旨在消除更多的视觉冗余同时保持与现有技术的兼容性。 具体而言，在像素域和变换域分别设计了两种不同的JND模型：在像素域中直观地为每个像素提供了失真阈值；而在变换域中的对比度敏感函数被引入到模型之中以提高阈值估计的准确性。此外，本段落将新提出的JND模型融入到了HEVC视频编码框架内。 对于HEVC中的转换跳过模式（TSM），我们采用了已有的非线性累加模型（NAMM）；而对于非转换跳过的场景，则使用了变换域内的JND模型以进一步减少视觉冗余。实验结果显示，在保持同等的主观视觉质量的前提下，该算法能够有效降低比特率消耗。