低复杂度的基于结构相似(SSIM)的率失真编码算法.pdfVIP

信号与信息处理 l M)的率失真编码算法 低复杂度的基于结构相似(ss 赵平华，刘延伟，慈松 高性能网络实验室 摘要： 最近的研究表明基于结构相似(Structural 很好的提高视频的视觉编码性能。其中，率失真编码过程中的Lagrange优化因子的选择是编 码性能提升的关键。本文中，我们提出了一种低复杂度的基于SSIM的Lagrange优化因子的 选择算法。首先，在帧一级利用对传统的基于SSE的率失真优化因子进行缩放的方法得到当 前帧的基于SSIM的Lagrange优化因子。进一步，在宏块一级利用预测的当前宏块在整帧中 的视觉重要性对当前宏块的优化因子进行相应调整。实验表明，我们提出的算法能够达到与 当前最先进的基于SSIM的率失真优化算法相近的性能，但复杂度有了很大降低。 关键词： 结构相似， 率失真优化， 低复杂度，Lagrange优化因子。 1前言 为了提高视频的压缩效率，视频编码标准H．264／AVC中针对每个编码宏块提供 不同质量和编码比特数的视频码流。在实际应用中，研究者们提出了利用Lagrange 率失真优化来为每个宏块选择最优的编码模式，如式1所示。 J=D+2R (1) m…in{J}，where 其中，刃代表视频编码失真，斤代表编码比特数，五为Lagrange优化因子，，为 Lagrange编码代价，脚为最优的编码模式。 of 传统的Lagrange率失真优化中所采用的视频失真计算方法通常是SSE(Sum ofAbsolute SquaredError)或者SAD(Sum Difference)，它们具有较明确的物 理意义且计算简单，但最近的研究表明SSE或者SAD描述的视频失真并不能总是很 好的与人眼感知到的视频失真相符合[1]。为了更好地度量人眼所感知的视频失真 的大小，研究者们提出了很多新的失真描述方式，其中结构相似度(Structural SIMi larity，(SSIM))被广泛认为能够很好的刻画视频失真情况并且具有实现简 单的特点。鉴于SSIM在视频失真评价上的优势，最近很多研究[2～4]将基于SSIM 的视频失真度量方法引入到了Lagrange率失真优化中来，以提高视频的视觉编码 性能。虽然这些工作能够在一定程度上提高基于SSIM率失真编码性能，但是他们 相比于传统的基于SSE的率失真优化引入了较多的计算复杂度。 在本文中，我们提出了一种低复杂度的基于SSIM的率失真优化算法以提高 ．．587．． 史．围型堂院虚堂盟塞所纪念建历50周年暨第五届学术交流会 H．264／AVC的视觉编码性能，提出的算法仅仅将基于SSIM的视频失真计算引入到 了编码过程中，并没有引入其他额外的计算复杂度。 l 2基于SS M的低复杂度Lagrange优化因子调整方法 2．1基于ssIM的视频失真度量方法 SSIM是基于人眼对观看视频区域的结构信息非常敏感而提出的，为了客观的描 述原始视频图像与具有失真的视频图像之间的结构相似度，Wangetc．[1]提出了 利用SSIM指数来计算的方法。给定两个图像块爿和乃它们之间的SSIM指数定义 为： SSIM(x，2老筹将器 ㈣ 其中，以、吒和仃。分别表示两个图像块像素值的均值，标准差，以及互相关系数。 C；和c2用来保证在均值和标准差趋近于0的情况下计算式的稳定性。因为SSIM指 数刻画了两个图像块之间的结构相似度程度，并且两个图像块越相像，它们之