Low-complexity high prediction accuracy visual quality metrics and their applications in H.264/AVC encoding mode decision process

Résumé

Dans cette thèse, nous développons un nouveau cadre général pour calculer des métriques de qualité d’image avec référence complète dans le domaine des ondelettes discrètes en utilisant l'ondelette de Haar. Le cadre proposé présente un excellent compromis entre l’exactitude et la complexité. Dans notre cadre, les métriques de qualité sont classées soit à base de cartes (map), qui génèrent une carte de qualité (distorsion) dont la contribution à chaque position est mise en commun pour le calcul de la métrique finale, par exemple, la similarité structurelle (SSIM), ou non basées sur des cartes, qui calculent directement la métrique finale, par exemple, le rapport signal sur bruit de crête (PSNR). Pour les métriques basées sur des cartes, le cadre proposé définit une carte de contraste dans le domaine des ondelettes pour la mise en commun des cartes de qualité. Nous développons aussi une formule permettant de calculer automatiquement le niveau de décomposition en ondelettes approprié pour les métriques basées sur l'erreur en tenant compte de la distance de visualisation désirée. Pour tenir compte de l'effet des détails très fins de l'image dans l'évaluation de la qualité, la méthode proposée définit une carte de contours multi-niveau pour chaque image, qui ne comprend que les sous-bandes d'images les plus informatives. Pour clarifier l'application du cadre dans le calcul de métriques, nous donnons quelques exemples montrant comment le cadre peut être appliqué pour améliorer la performance de métriques bien connues telles que le SSIM, la fidélité de l'information visuelle (VIF), le PSNR, et la différence absolue. Nous comparons la complexité des différents algorithmes obtenus par le cadre à l’encodage H.264 avec profil de base en utilisant l’implémentation IPP en C/C++ d’Intel. Nous évaluons la performance globale des mesures proposées, y compris leur exactitude de la prédiction, sur deux bases de données de qualité d'image bien connues et une base de données de qualité vidéo. Tous les résultats des simulations confirment l'efficacité du cadre proposé et les mesures d'évaluation de la qualité dans l'amélioration de l’exactitude de la prédiction et aussi la réduction de la complexité de calcul. Par exemple, en utilisant le cadre, nous pouvons calculer le VIF avec environ 5% de la complexité de sa version originale, mais avec une plus grande précision. Dans la prochaine étape, nous étudions comment le processus de décision de modes de codage en H.264 peut bénéficier des métriques développées. Nous intégrons la métrique SSEA proposée comme mesure de distorsion dans le processus de décision de mode H.264. Le logiciel de référence H.264/AVC JM est utilisé comme plate-forme de mise en oeuvre et de validation. Nous proposons un algorithme de recherche pour déterminer la valeur du multiplicateur de Lagrange pour chaque paramètre de quantification (QP). La recherche est appliquée sur trois différents types de séquences vidéo présentant diverses caractéristiques au niveau de l'intensité du mouvement, et les valeurs du multiplicateur de Lagrange qui en résultent sont compilées pour chacun d'eux. Sur la base de notre cadre proposé, nous proposons une nouvelle métrique de qualité PSNRA, et nous l'utilisons dans cette partie (la décision de mode). Les courbes débit-distorsion (RD) simulées montrent que pour le même PSNRA, avec la décision de mode basée SSEA, le débit est réduit d'environ 5% en moyenne par rapport à l'approche traditionnelle basée SSE sur les séquences avec des niveaux d’intensité de mouvement faibles et moyens. Il est à noter que la complexité de calcul n'est aucunement augmentée en utilisant l'approche basée SSEA proposée au lieu de la méthode traditionnelle basée SSE. Par conséquent, l'algorithme de décision de mode proposé peut être utilisé pour le codage vidéo en temps réel.

Date	9 oct. 2013
langue originale	Anglais américain
Établissement diplômant	École de technologie supérieure
Superviseur	Stéphane Coulombe (Directeur(-trice))