《基於全局視覺冗餘分析的高效視頻編碼研究》是依託武漢大學，由陳震中擔任項目負責人的面上項目。
基本介紹
- 中文名：基於全局視覺冗餘分析的高效視頻編碼研究
- 項目類別：面上項目
- 項目負責人：陳震中
- 依託單位：武漢大學
項目摘要,結題摘要,
項目摘要
隨著最新一代的視頻編解碼國際標準HEVC/H.265的制定，如何通過探索新的編碼技術進一步提高視頻壓縮的效率受到了極大的關注。我們的前期工作發現，在研究人的視覺注意空間分布不均勻的特性上，能夠在視頻編碼上通過空間非均勻碼率分配在同等視覺質量的情況下較大程度的減少編碼碼率以提高編碼效率。本項目將對此問題進行系統的研究，內容包括：(1) 基於視網膜中央凹視覺導致的視覺敏感度的空間分布不均勻的特性建立中央凹視覺的最小可覺察差異理論模型以量化全局視覺冗餘；(2)基於低層次和高層次信息混合的視覺注意模型與中央凹視覺的最小可覺察差異理論模型的有機結合建立視覺感知模型；(3)基於視覺感知模型的HEVC/H.265編碼算法的研究。本項目的研究將為高效視頻編碼理論做出重要的補充，同時為HEVC/H.265視頻壓縮的視覺最佳化提供更深入的認識。
結題摘要
隨著移動網際網路的發展以及視頻服務的普及，如何通過新的編碼技術進一步提高視頻壓縮的效率受到了極大的關注。本項目的目標是：（1）基於視網膜中央凹視覺導致的視覺敏感度的空間分布不均勻的特性建立中央凹視覺的最小可覺察差異理論模型以量化全局視覺冗餘；（2）基於低層次和高層次信息混合的視覺注意模型與中央凹視覺的最小可覺察差異理論模型的有機結合建立視覺感知模型；（3）基於視覺感知模型的HEVC/H.265 編碼最佳化方法的研究。本項目旨在為高效視頻編碼視覺最佳化提供新思路和新方法。 在項目中，主要研究內容包括：（1）中央凹視覺的最小可覺察差異理論模型的研究建模及其編碼最佳化套用；（2）圖像視頻視覺注意模型研究；（3）基於視覺最佳化的高效視頻編碼HEVC/H.265算法研究；（4）360度視頻編碼最佳化以及質量評價的拓展研究。 本項目取得的主要成果包括：（1）針對視覺注意建模分析、高效編碼視覺最佳化、全景視頻套用最佳化等核心問題，在理論與技術方法等方面取得一定突破，代表性工作獲得國際同行的認可；（2）在相關領域國際期刊上發表論文15篇，其中包括圖像視頻領域頂級期刊IEEE TIP/TMM/TCSVT等。在圖像視頻處理以及人工智慧領域發表包括ICME/ICIP/CVPR/IJCAI在內的會議論文22篇；（3）申請並獲批專利4項、軟體著作權1項；（4）課題組2015年至2018年提交中國標準AVS提案27項，其中12項被採納；提交國際標準VVC提案7項，其中2項被採納；向VQEG提交報告4份；（5）此外，依託本項目的成果，課題組在2017年ICME salient360!挑戰賽上獲得Best Head Movement Prediction Student Prize，在2018年CVPR圖像壓縮挑戰賽(CLIC)獲得峰值信噪比(PSNR)第一名，在2018 ICME salient360!挑戰賽上獲得圖像任務大獎(Grand Winner Prize on Images)以及兩項單項任務第一名。（6）項目共培養博士研究生5名，碩士研究生4名，另有3名本科生參與了本項目的科研工作並取得了一定成績。
