HVS的应用
利用HVS的特性,并调整HVS模型的参数,可以在视觉质量损失和视频数据压缩之间做出权衡。特别地,可以获得如下的收益。
  • 通过限制带宽,可以在空间或时间维度上以两倍带宽的频率对视觉信号进行采样,而不会损失视觉质量(满足采样的奈奎斯特理论)。
  • 在快速大规模场景变化和物体剧烈运动期间,HVS的灵敏度会降低,从而导致运动掩蔽效应(motion masking)。在这种快速变换场景下,强度的时间不连续性会导致可见度阈值的升高。可以利用这个特性实现更有效的压缩,而不会产生明显的伪像。
  • 与运动信息相比,纹理信息可以压缩得更多,而视觉质量的损失可以忽略不计。如本章稍后所讨论的,几种有损压缩算法允许对纹理信息进行量化并导致质量损失,同时对运动信息进行无损编码。
  • 由于HVS对丢失颜色信息的敏感性较低,因此色度亚采样是一种在不显著影响视觉质量的情况下降低数据速率的可行技术。
  • 亮度和对比度信息的压缩可以通过丢弃高频信息来实现。这将损害视觉质量并引入伪像,但是损失量的参数是可控制的。
  • HVS对结构变形很敏感。因此,测量这样的变形,尤其是对于诸如图像或视频之类的高度结构化的数据,可以为形变量是否为用户所接受提供评估标准。尽管可接受性是主观的,而不是普遍的,但是结构形变度量可以用作客观评估标准。
  • HVS使人们可以将更多注意力放在复杂图像的感兴趣的部分上,而不必在意其他部分。因此,可以对图像的不同部分施加不同的压缩量,从而获得更高的整体压缩率。例如,与背景相比,可以对图像的前景对象使用更多的bits,并且对质量也不会造成实质性影响。
Copy link