《基於視覺最佳化的HEVC編碼相關技術研究》是依託上海電力大學，由駱政屹擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於視覺最佳化的HEVC編碼相關技術研究
- 項目類別：青年科學基金項目
- 項目負責人：駱政屹
- 依託單位：上海電力大學
項目摘要,結題摘要,
項目摘要
由於人眼經常是視頻的最終接收者，在視頻編碼相關技術中考慮視覺特性往往具有重要的意義。目前，雖然已有許多考慮視覺特性的視頻編碼相關的研究成果，但隨著新近的視頻編碼標準HEVC的推出，與之相適應的基於視覺特性的視頻編碼相關技術仍有重要的研究價值。本項目即探討基於視覺特性的HEVC編碼相關的各項技術，研究圍繞以下幾個方面展開：1）在經典編碼方面，充分利用各種工具，在HEVC編碼時考慮視覺特性，提高HEVC視頻碼流的主觀質量；2）在全局最佳化編碼方面，基於HEVC標準的各種編碼選項，提高HEVC前瞻編碼的全局視覺編碼效果；3）在碼率控制方面，針對HEVC多機並行編碼環境，提高碼率控制的性能和視覺效果。本項目旨在探索適用於HEVC標準的主觀特性編碼方法，適用於HEVC前瞻編碼的全局視覺最佳化編碼方法，以及適用於HEVC多機並行編碼的主觀特性碼率控制方法。項目的成功實施將有助於促進HEVC標準的廣泛套用。
結題摘要
研究基於視覺最佳化的HEVC編碼相關技術，其主要成果包括：（1）基於VMAF指標的視覺最佳化編碼方法，針對VMAF指標沒有解析表達式的特點，通過擬合VMAF指標與SSE指標之間的映射關係，成功實現了VMAF指標下編碼性能的提高。（2）基於HEVC編碼的全局最佳化編碼方法，通過建立更準確的失真模型，能夠綜合考慮多個相鄰幀的失真和碼率，選擇出更好的編碼模式。（3）基於高動態範圍（HDR）編碼的碼率控制算法，能夠根據HDR視頻的亮度分布特性，以較少的碼率波動，獲得更好的視覺效果。（4）基於x265並行編碼器的編碼參數最佳化選擇方法法，針對其較為複雜的編碼參數，利用蒙特卡羅算法來最佳化參數選擇，最終可以得到編碼時間和編碼性能較為折衷的參數組合。（5）利用機器學習的分像素插值算法，通過模擬編碼時的量化失真，訓練神經網路預測高解析度圖像的高頻細節，獲得了一定量的編碼增益。（6）基於GPU平台的幀插值加速方法，針對下一代編碼中較為複雜的插值運算，通過將插值操作分解為適合於GPU運算的並行子模組，明顯減少了插值運算的時間。
