基于智能目标检测的HEVC感兴趣区域编码方法

论文摘要

现有的感兴趣区域编码方法主要是利用运动信息等低级视觉特征检测感兴趣区域(ROI),易受图像噪声干扰、复杂场景下的检测效果不佳并且没有检测具体内容的能力.为了能够利用高级视觉特征指导视频编码,本文提出了一种基于智能目标检测的HEVC感兴趣区域编码方法.首先利用深度卷积神经网络检测用户感兴趣的目标对象,然后根据检测结果确定以编码树单元(CTU)为基本单位的ROI区域和非ROI区域,再通过分析视频图像中每个像素的方向属性,进而判别CTU是否为平坦纹理、结构化纹理和随机纹理,并生成纹理感知图,最后对非ROI区域的CTU按纹理感知权重值进行DCT频率系数分级压制,以减少非ROI区域的码率消耗,对ROI区域的CTU按纹理感知权重下调编码量化参数(QP),以保证ROI区域的图像质量,从而实现智能视频编码.实验结果表明,与HEVC参考方法相比,本文方法在定QP条件下平均降低5. 67%左右的码率;在定码率条件下,ROI区域的PSNR平均提高0. 61dB,并且主观图像质量明显提升.

论文目录

• 1 引言
• 2 HVS的感知机制分析
• 3 基于智能目标检测的感兴趣区域编码方法
•   3.1 智能目标检测
•   3.2 纹理复杂度分析
•   3.3频率系数压制矩阵
•   3.4 基于ROI的编码策略
• 4 实验与分析
•   4.1 实验环境及配置
•   4.2 检测模型训练及结果
•   4.3 实验结果与分析
• 5 结论

文章来源

类型: 期刊论文

作者: 朱威,王东洋,欧全林,郑雅羽

关键词: 深度卷积神经网络,纹理感知图,感兴趣区域

来源: 小型微型计算机系统 2019年12期

年度: 2019

分类: 信息科技

专业: 电信技术

单位: 浙江工业大学信息工程学院,浙江省嵌入式系统联合重点实验室

基金: 浙江省自然科学基金项目(LY17F010013)资助,国家自然科学基金项目(61401398)资助

分类号: TN919.81

页码: 2691-2697

总页数: 7

文件大小: 1651K

下载量: 117