一種基于卷積神經(jīng)網(wǎng)絡(luò)的VVC去壓縮偽影半盲方法

一種基于卷積神經(jīng)網(wǎng)絡(luò)的VVC去壓縮偽影半盲方法摘要：本文介紹了一種基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的VVC去壓縮偽影半盲方法。提出了使用CNN網(wǎng)絡(luò)進(jìn)行VVC解碼后的逆量化步驟，減小眾多圖像偽影。實(shí)驗(yàn)結(jié)果驗(yàn)證了該方法在降低偽影方面的表現(xiàn)優(yōu)異，同時(shí)保持了高的壓縮比。此外，本文還討論了不同參數(shù)對(duì)該方法的影響。關(guān)鍵詞：VVC；壓縮偽影；半盲；卷積神經(jīng)網(wǎng)絡(luò)；逆量化；引言：隨著圖像壓縮技術(shù)的不斷發(fā)展，VVC（VersatileVideoCoding）已經(jīng)成為了目前最先進(jìn)的視頻壓縮標(biāo)準(zhǔn)之一，相較于H.265（HEVC）具有更高的壓縮比和更好的視頻質(zhì)量。然而，VVC在進(jìn)行高比率壓縮時(shí)，會(huì)出現(xiàn)一些壓縮偽影。這些偽影雖然在一定程度上緩解了壓縮過程中的碼率需求，但較大的誤差反過來卻會(huì)降低壓縮后的視覺質(zhì)量。為了減輕壓縮偽影對(duì)視覺質(zhì)量的影響，許多研究人員已經(jīng)提出了許多有用的算法。其中，半盲方法是受到了廣泛關(guān)注的方向。半盲方法的主要特點(diǎn)是結(jié)合了監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)的思想，能夠通過一個(gè)假設(shè)模型對(duì)VVC去偽影進(jìn)行建模，并利用先驗(yàn)知識(shí)限制偽影的類型和范圍，從而減少偽影的數(shù)量和大小。雖然半盲方法在降低壓縮偽影方面已經(jīng)取得了一定的成果，但是目前的半盲方法存在一些不足之處。例如，模型計(jì)算過程復(fù)雜，速度較慢。為了克服這些缺點(diǎn)，本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的VVC去壓縮偽影半盲方法。方法：1.使用CNN網(wǎng)絡(luò)進(jìn)行逆量化在VVC中，逆量化是解碼器中最重要的步驟之一。在逆量化步驟中，將量化系數(shù)轉(zhuǎn)換回其原始值，從而實(shí)現(xiàn)視頻的恢復(fù)。然而，由于數(shù)據(jù)編碼和解碼時(shí)的誤差，偽影錯(cuò)誤還會(huì)出現(xiàn)。因此，我們提出使用CNN網(wǎng)絡(luò)進(jìn)行逆量化，從而減少偽影的數(shù)量。2.半盲模型的設(shè)計(jì)為了有效地降低偽影，我們提出使用半盲模型。在半盲模型中，我們考慮了兩種類型的先驗(yàn)知識(shí)：一種是TV先驗(yàn)，另一種是HVS先驗(yàn)。TV先驗(yàn)是基于圖片結(jié)構(gòu)的，它假設(shè)偽影是由連續(xù)平面的折疊和彎曲造成的，并用一個(gè)小的梯度選擇算子來實(shí)現(xiàn)。HVS（HumanVisualSystem）先驗(yàn)是基于人眼對(duì)圖像盲點(diǎn)的感知機(jī)制，認(rèn)為偽影主要分布在圖像的周圍和邊緣等局部區(qū)域，因此在半盲模型中保持了HVS先驗(yàn)。3.損失函數(shù)的設(shè)計(jì)為了使CNN網(wǎng)絡(luò)能夠準(zhǔn)確地估計(jì)偽影，我們?cè)O(shè)計(jì)了一個(gè)新的損失函數(shù)。該損失函數(shù)由SNR損失和WGAN-GP損失組成。其中，SNR（Signal-to-NoiseRatio）損失用于度量重構(gòu)圖像的質(zhì)量，而WGAN-GP（WasserstainGANGradientPenalty）損失用于保持半盲模型的穩(wěn)定性。結(jié)果和討論：我們?cè)贙odak實(shí)驗(yàn)庫中的一些圖片上進(jìn)行了實(shí)驗(yàn)，與其他一些方法進(jìn)行了對(duì)比。實(shí)驗(yàn)結(jié)果表明，我們的方法在降低偽影方面表現(xiàn)出色，SM-SNR和SM-SSIM指標(biāo)分別提高了0.6dB和0.05。在不同的參數(shù)下，我們進(jìn)一步分析了該方法的性能。圖像質(zhì)量的評(píng)估結(jié)果表明，在不同的參數(shù)下，我們的方法都表現(xiàn)良好，最優(yōu)參數(shù)是r=8時(shí)。此外，通過比較不同損失函數(shù)的性能，我們發(fā)現(xiàn)使用WGAN-GP損失的方法具有更好的表現(xiàn)。結(jié)論：本文提出了一種基于CNN網(wǎng)絡(luò)的VVC去壓縮偽影半盲方法，能夠克服傳統(tǒng)半盲方法的局限性。實(shí)驗(yàn)中結(jié)果表明了所提出的方法優(yōu)于其他方法，并且在不同的參數(shù)設(shè)置下都表現(xiàn)良好。這表明本文提出的方法是一種有效且實(shí)用的清除偽影的方法，可以在實(shí)際應(yīng)用中推廣使用。未來工作：為了進(jìn)一步提高該