HEVC中的感知视频编码：基于JND模型

"这篇论文《基于JND模型的感知视频编码》发表在2018年的《计算机与通信》期刊上，作者Qingming Yi、Wenhui Fan和Min Shi来自广州大学信息技术学院。该研究关注高效视频编码（HEVC）标准在处理人类视觉系统特性方面的不足，并提出了一种新的基于恰到好处的失真（JND）模型的视频编码算法，旨在消除更多视觉冗余，同时保持与标准的兼容性。" 在当前的高效视频编码标准中，尽管已经实现了较高的压缩效率，但并未充分考虑人类视觉系统的感知特性。人类视觉系统对于某些微小的图像失真是不敏感的，这种现象被称为“刚刚察觉的失真”（Just Noticeable Distortion, JND）。论文中，研究人员分别构建了基于像素域和变换域的JND模型，以更准确地模拟人眼对图像失真的感知。 像素域的JND模型允许直观地在像素级别设置阈值，以确定哪些变化是人眼无法察觉的。而变换域的JND模型则引入了对比度敏感函数，使模型能更精确地估计出在不同对比度下的JND阈值，这对于高对比度区域尤其重要。 为了将这些JND模型应用到HEVC编码框架中，作者们针对两种不同的编码模式进行了调整：变换跳过模式（Transform Skip Mode, TSM）和非变换跳过模式（non-TSM）。在TSM中，他们采用非线性累加模型（Nonlinear Accumulation Model, NAMM）结合像素域的JND模型，优化编码过程；在non-TSM中，利用变换域的JND模型进一步减少视觉冗余，以在保持主观视觉质量的同时，降低码率需求。 通过仿真测试，研究证明了这种方法在保持视频主观质量不变的情况下，能够有效地节省比特率，从而提高了编码效率。这表明，结合人类视觉特性的感知编码策略有潜力改进现有的视频编码标准，实现更高效、更人性化的视频压缩技术。 总结来说，这篇论文的核心贡献在于提出了一种基于JND模型的感知视频编码算法，通过结合像素域和变换域的模型，以及在HEVC编码流程中的具体应用，成功地减少了视觉冗余，提升了视频编码的效率，为未来视频编码技术的发展提供了新的思路。