基于感興趣區(qū)域的HEVC壓縮性能優(yōu)化*

林國(guó)川，何小海**，李向群，2，于成業(yè)

基于感興趣區(qū)域的HEVC壓縮性能優(yōu)化*

林國(guó)川1，何小海**1，李向群1，2，于成業(yè)1

（1.四川大學(xué)電子信息學(xué)院，成都610065；2.西北民族大學(xué)電氣工程學(xué)院，蘭州730124）

根據(jù)人類(lèi)視覺(jué)系統(tǒng)（HVS）對(duì)紋理復(fù)雜及運(yùn)動(dòng)區(qū)域具有較強(qiáng)感知度的特點(diǎn)，提出了一種基于感興趣區(qū)域的高效率視頻編碼（HEVC）壓縮性能優(yōu)化算法。首先使用Sobel梯度檢測(cè)算子和運(yùn)動(dòng)矢量分別檢測(cè)紋理復(fù)雜區(qū)域和運(yùn)動(dòng)區(qū)域，把檢測(cè)到的紋理復(fù)雜及運(yùn)動(dòng)區(qū)域定義為感興趣區(qū)域；再對(duì)感興趣區(qū)域分級(jí)，通過(guò)調(diào)整量化參數(shù)（QP），優(yōu)化比特分配。實(shí)驗(yàn)結(jié)果表明，與HEVC標(biāo)準(zhǔn)算法相比，所提算法碼率平均減少了15.29%，時(shí)間平均節(jié)省了11.38%。

高效率視頻編碼；視頻壓縮；感興趣區(qū)域；邊緣檢測(cè)；人類(lèi)視覺(jué)系統(tǒng)；性能狀態(tài)

1 引 言

隨著高清視頻業(yè)務(wù)的飛速發(fā)展，新一代視頻壓縮標(biāo)準(zhǔn)——高效率視頻編碼（High EfficiencY Video Coding，HEVC）[1]應(yīng)運(yùn)而生。作為最新的視頻編碼標(biāo)準(zhǔn)，與之前主流的H.264/AVC[2]視頻編碼標(biāo)準(zhǔn)相比，它擁有更加靈活的編碼結(jié)構(gòu)，主要表現(xiàn)在以下幾個(gè)方面：第一，HEVC采用編碼單元（Coding Unit，CU）、預(yù)測(cè)單元（Prediction Unit，PU）和變換單元（Transform Unit，TU），宏塊的大小從H.264的16× 16擴(kuò)展到64×64；第二，HEVC擁有更多幀內(nèi)預(yù)測(cè)方向，每種PU尺寸有35種預(yù)測(cè)方向；第三，HEVC擁有更多幀間預(yù)測(cè)模式，包括對(duì)稱(chēng)PU模式和非對(duì)稱(chēng)PU模式。盡管HEVC比H.264節(jié)省50%左右的編碼碼率，但隨著人們對(duì)觀(guān)看高清視頻的需求越來(lái)越高，如何在保持視頻質(zhì)量的同時(shí)，節(jié)省視頻的數(shù)據(jù)量仍然是學(xué)術(shù)界的熱點(diǎn)。

對(duì)人類(lèi)視覺(jué)系統(tǒng)（Human Visual SYstem，HVS）[3]特性的研究表明，人眼對(duì)圖像的不同部分的感知度是不同的。感知度強(qiáng)的區(qū)域往往是人們感興趣的區(qū)域，比如運(yùn)動(dòng)區(qū)域、紋理復(fù)雜區(qū)域、人臉等區(qū)域，其他區(qū)域則為非感興趣區(qū)域?；贖VS這些特性，可用其來(lái)指導(dǎo)現(xiàn)有的視頻編碼。然而，HEVC中還沒(méi)有采用感興趣區(qū)域（Region of Interest，ROI）編碼技術(shù)。因此，基于感興趣區(qū)域的HEVC視頻壓縮編碼是一個(gè)值得深入研究的問(wèn)題。

目前學(xué)術(shù)界關(guān)于感興趣區(qū)域的編碼已有一些研究。文獻(xiàn)[4]提出綜合顏色、亮度、方向及膚色4種人眼視覺(jué)特征來(lái)進(jìn)行感興趣區(qū)域檢測(cè)，然而此方法忽略了重要的運(yùn)動(dòng)視覺(jué)特征，使其感興趣區(qū)域提取效果并不夠理想。也有使用平均絕對(duì)偏差（Mean Absolute Deviation，MAD）值的方法來(lái)檢測(cè)運(yùn)動(dòng)區(qū)域[5]，但此方法只單一地考慮到了運(yùn)動(dòng)區(qū)域，而沒(méi)有認(rèn)識(shí)到實(shí)際視頻序列中非運(yùn)動(dòng)的紋理復(fù)雜區(qū)域也是人眼感興趣區(qū)域，因而適用范圍比較狹窄。文獻(xiàn)[6]把包含醫(yī)學(xué)信息的矩形指定為感興趣區(qū)域，并結(jié)合感興趣區(qū)域設(shè)計(jì)了一個(gè)兩層模型，結(jié)果節(jié)省了3.15%的碼率。文獻(xiàn)[7]提出了時(shí)間視敏度（Visual AcuitY，VA）模型，在快速運(yùn)動(dòng)的區(qū)域，使用更少的編碼系數(shù)，取得了降低編碼碼率的效果。雖然上述方法均取得了不錯(cuò)的效果，然而仍然不夠優(yōu)越，都還有待提升。為此，本文結(jié)合Sobel梯度算子和運(yùn)動(dòng)矢量（Motion Vector，MV）檢測(cè)感興趣區(qū)域，并采用了感興趣區(qū)域分級(jí)策略，最終在基本保持視頻質(zhì)量的同時(shí)達(dá)到了降低編碼碼率和時(shí)間的良好效果。

2 相關(guān)技術(shù)原理

2.1 運(yùn)動(dòng)矢量

運(yùn)動(dòng)矢量表示了當(dāng)前幀與參考幀之間運(yùn)動(dòng)對(duì)象的偏移量大小。HEVC標(biāo)準(zhǔn)是以塊為基本單位分配運(yùn)動(dòng)矢量，顯然，這些運(yùn)動(dòng)矢量很好地記錄了這些塊的運(yùn)動(dòng)特征。因此，可以通過(guò)判斷該編碼塊的運(yùn)動(dòng)矢量的強(qiáng)度來(lái)檢測(cè)視頻圖像中的運(yùn)動(dòng)區(qū)域。圖1給出了BasketballPass序列第18幀的運(yùn)動(dòng)矢量分布圖。從運(yùn)動(dòng)矢量分布來(lái)看，具有較大運(yùn)動(dòng)矢量的區(qū)域恰好是人眼感興趣的運(yùn)動(dòng)區(qū)域，如圖1中的籃球運(yùn)動(dòng)員；而運(yùn)動(dòng)矢量較小甚至為零的區(qū)域正是人眼關(guān)注度較低的靜止背景區(qū)域，如圖1中的墻壁和地板。

圖1 BasketballPass（416×240）的第18幀F(xiàn)ig.1 The 18th frame of BasketballPass

2.2 邊緣檢測(cè)

在圖像處理應(yīng)用中，通常根據(jù)不同的應(yīng)用需求使用不同的邊緣檢測(cè)[8]算子進(jìn)行檢測(cè)，包括Sobel算子[9]、Krisch算子、Roberts算子、CannY算子、Log算子、LaPlace算子等。圖2（a）～（d）分別是LaPlacian、Krisch、Roberts和Sobel算子在無(wú)噪聲情況下的檢測(cè)結(jié)果，圖3（a）～（d）分別是各個(gè)算子加入了高斯噪聲后的檢測(cè)結(jié)果，可以看出無(wú)噪聲條件下，檢測(cè)效果都不錯(cuò)；但在有噪聲的情況下，Sobel算子對(duì)噪聲具有平滑作用，能夠獲取更為精確的邊緣信息。

圖2 無(wú)噪聲情況下邊緣檢測(cè)結(jié)果Fig.2 The edge detection Without noise

圖3 高斯噪聲情況下邊緣檢測(cè)結(jié)果Fig.3 The edge detection With gaussian noise

3 感興趣區(qū)域編碼算法的提出

在感興趣區(qū)域研究領(lǐng)域，大多數(shù)的研究人員只對(duì)靜止圖像或者視頻進(jìn)行感興趣區(qū)域的檢測(cè)分析，卻很少將視頻編碼和感興趣區(qū)域檢測(cè)聯(lián)系起來(lái)。結(jié)合感興趣區(qū)域的視頻編碼使編碼器能夠更加合理地進(jìn)行編碼，從而提高視頻編碼器的壓縮性能。在時(shí)間域，視頻圖像的運(yùn)動(dòng)區(qū)域特別能夠吸引人眼的注意；在空間域，視頻圖像的邊緣信息和紋理復(fù)雜區(qū)域也能夠極大程度地吸引眼球的關(guān)注。因此，本文把運(yùn)動(dòng)區(qū)域和紋理復(fù)雜區(qū)域定義為感興趣區(qū)域，采用Sobel算子檢測(cè)紋理復(fù)雜區(qū)域，運(yùn)動(dòng)矢量檢測(cè)運(yùn)動(dòng)區(qū)域，通過(guò)調(diào)整量化參數(shù)（Quantization Parameter，QP）優(yōu)化感興趣區(qū)域編碼。

3.1 Sobel算子檢測(cè)感興趣區(qū)域

Sobel算子具有邊緣檢測(cè)效果好、對(duì)噪聲有平滑作用的優(yōu)點(diǎn)，更重要的是其本身運(yùn)算復(fù)雜度低，可節(jié)省編碼時(shí)間。如圖2所示，Lena圖片中人眼最感興趣的頭像區(qū)域被很好地檢測(cè)出來(lái)。所以本文通過(guò)使用Sobel算子獲取視頻圖像中像素點(diǎn)的梯度信息來(lái)檢測(cè)紋理區(qū)域，最終實(shí)現(xiàn)感興趣區(qū)域的檢測(cè)。

HEVC中以CU為單位進(jìn)行編碼，而在碼率控制3個(gè)層次中以L(fǎng)CU層為最底層，故本文以L(fǎng)CU塊為基本單位進(jìn)行邊緣檢測(cè)。利用Sobel算子檢測(cè)感興趣區(qū)域步驟如下。

（1）利用Sobel算子統(tǒng)計(jì)一幀中每個(gè)LCU中像素點(diǎn)的梯度T1，如式（1）所示：

式中：h（i，j）表示當(dāng)前LCU中像素點(diǎn)f（i，j）的梯度值。

（2）以L(fǎng)CU為基本單位，統(tǒng)計(jì)當(dāng)前幀中的平均梯度T2，如式（2）所示：

式中：H和W分別表示當(dāng)前幀的高度和寬度；N為當(dāng)前幀中LCU的數(shù)目。

（3）圖像中含有噪聲點(diǎn)，所以不能把所檢測(cè)出包含有邊緣像素點(diǎn)的LCU塊簡(jiǎn)單地定義為邊緣塊。因此需要設(shè)置閾值，當(dāng)檢測(cè)到編碼塊中像素點(diǎn)的數(shù)目超過(guò)該閾值時(shí)，才判斷該塊為邊緣塊。通過(guò)Sobel算子檢測(cè)到的梯度值定義感興趣區(qū)域ROI1，如下式所示：

式中：Γ1為判定感興趣區(qū)域的梯度閾值，但是在視頻圖像中，不同部分的紋理往往區(qū)別很大，如果僅使用單一的閾值則必然導(dǎo)致檢測(cè)結(jié)果的不準(zhǔn)確。因此，為了提高算法的魯棒性，采用當(dāng)前幀中以L(fǎng)CU為基本單位的平均梯度T2作為閾值基準(zhǔn)，即

式中：μ為閾值因子。

（4）根據(jù)當(dāng)前幀中每一個(gè)LCU中的梯度T1和以L(fǎng)CU為基本單位的平均梯度T2，對(duì)其中的LCU塊定義紋理因子θ1：

（5）由于圖像中相同大小塊所包含的邊緣像素點(diǎn)數(shù)目是不相同的，則應(yīng)設(shè)置不同級(jí)別的閾值來(lái)檢測(cè)邊緣點(diǎn)，對(duì)應(yīng)為不同的感興趣級(jí)RC1：

式中：μ1、μ2、μ3、μ4為閾值因子。將求取的平均梯度作為閾值基準(zhǔn)，根據(jù)視頻不同的特性自適應(yīng)調(diào)整感興趣級(jí)別的閾值。

3.2 運(yùn)動(dòng)矢量檢測(cè)感興趣區(qū)域

HEVC進(jìn)行運(yùn)動(dòng)估計(jì)后，每個(gè)LCU塊會(huì)產(chǎn)生并保存256個(gè)尺寸為4×4大小CU塊的運(yùn)動(dòng)矢量，而這些運(yùn)動(dòng)矢量可以很好地體現(xiàn)LCU塊的運(yùn)動(dòng)特征。如圖1所示，圖片中人眼最感興趣的籃球運(yùn)動(dòng)員被很好地檢測(cè)出來(lái)。因此，可以利用HEVC現(xiàn)有的運(yùn)動(dòng)估計(jì)算法，通過(guò)編碼塊的運(yùn)動(dòng)矢量來(lái)判定感興趣區(qū)域，具體步驟如下。

（1）對(duì)于視頻中的非I幀，以L(fǎng)CU為基本單元，在運(yùn)動(dòng)估計(jì)之后，LCU中保存著256個(gè)4×4大小的CU塊運(yùn)動(dòng)矢量?？紤]到LCU內(nèi)4×4塊運(yùn)動(dòng)矢量的亂序性，為了把CU塊的運(yùn)動(dòng)方向考慮在內(nèi)，則取256個(gè)CU塊運(yùn)動(dòng)矢量的平均值作為L(zhǎng)CU塊的運(yùn)動(dòng)矢量。當(dāng)前LCU的運(yùn)動(dòng)矢量如式（7）所示：

式中：N為一個(gè)LCU中4×4大小的CU塊數(shù)量；mvxi和mvyi分別為當(dāng)前LCU中第i個(gè)4×4大小的CU塊運(yùn)動(dòng)矢量的水平分量和垂直分量。為簡(jiǎn)化計(jì)算過(guò)程，減小復(fù)雜度，采用式（8）：

（2）利用求取的LCU塊的運(yùn)動(dòng)矢量定義感興趣區(qū)域ROI2，如式（9）所示：

式中：Γ2為判定感興趣區(qū)域的運(yùn)動(dòng)矢量閾值，但在視頻圖像中，不同部分的運(yùn)動(dòng)程度是不一樣的，如果僅使用單一的閾值則必然導(dǎo)致檢測(cè)結(jié)果誤差較大。因此，為了提高算法的魯棒性，采用自適應(yīng)的可變閾值Γ2：

式中：λ為閾值因子；MVavg計(jì)算公式為

式中：M代表前一幀中感興趣LCU塊的個(gè)數(shù)。

根據(jù)視頻相鄰幀間高度的時(shí)域相關(guān)性，本文將前一幀中所檢測(cè)出的感興趣區(qū)域LCU塊的平均運(yùn)動(dòng)矢量信息MVavg作為閾值。

（3）根據(jù)當(dāng)前LCU的運(yùn)動(dòng)矢量和前一幀感興趣LCU的平均運(yùn)動(dòng)矢量，定義LCU塊運(yùn)動(dòng)因子θ2：

（4）對(duì)檢測(cè)到的感興趣區(qū)域進(jìn)行分級(jí)：

式中：λ1、λ2、λ3、λ4為閾值因子。

3.3 具體算法流程

基于感興趣區(qū)域的視頻壓縮編碼流程如圖4所示。對(duì)于檢測(cè)到的感興趣區(qū)域不改變?cè)械囊曨l質(zhì)量，即保持原有HEVC視頻編碼標(biāo)準(zhǔn)中的碼率分配；而對(duì)于非感興趣區(qū)域，則在沒(méi)有失真嚴(yán)重的情況下降低原有HEVC視頻編碼標(biāo)準(zhǔn)中的碼率分配。

圖4 基于感興趣區(qū)域的視頻壓縮編碼框架Fig.4 The scheme of ROI-based video comPression algorithm

結(jié)合Sobel算子的邊緣檢測(cè)和運(yùn)動(dòng)矢量?jī)煞N方法來(lái)檢測(cè)感興趣區(qū)域。對(duì)不同感興趣程度的LCU根據(jù)RC1和RC2調(diào)整該LCU的量化參數(shù)。若檢測(cè)到該LCU塊屬于感興趣區(qū)域時(shí)，則不改變?cè)揕CU塊的量化參數(shù)QP；若檢測(cè)到該LCU塊為非感興趣區(qū)域時(shí)，則增大該LCU塊的量化參數(shù)QP，然后根據(jù)不同的感興趣級(jí)設(shè)定相對(duì)應(yīng)的調(diào)整系數(shù)。量化參數(shù)QP的計(jì)算公式為

式中：ΔQP1、ΔQP2根據(jù)不同的感興趣級(jí)別相應(yīng)調(diào)整。對(duì)RC1從0～4級(jí)，ΔQP1相應(yīng)的值為5、3、2、1、0；對(duì)RC2從0～4級(jí)，ΔQP2相應(yīng)的值為5、4、3、1、0。

為了避免LCU塊和周邊塊的QP差距過(guò)大而產(chǎn)生方塊效應(yīng)，約束量化參數(shù)QP為

式中：QP表示LCU塊周?chē)?個(gè)已編碼LCU塊QP的平均值。同時(shí)為了確保編碼質(zhì)量的連續(xù)性，滿(mǎn)足QP在0～51范圍內(nèi)的規(guī)定，則對(duì)QP進(jìn)行進(jìn)一步地約束：

4 實(shí)驗(yàn)結(jié)果與算法性能分析

本文的實(shí)驗(yàn)平臺(tái)為HM13.0標(biāo)準(zhǔn)測(cè)試模型。為了體現(xiàn)算法的普適性，本實(shí)驗(yàn)從分辨率（416×240）到（2 560×1 600）每個(gè)層次中選擇了兩個(gè)序列共10個(gè)序列做測(cè)試，并與文獻(xiàn)[7]的實(shí)驗(yàn)結(jié)果進(jìn)行了對(duì)比。采用的配置文件是encoder_loWdelaY_P_main.cfg，該配置文件圖像組結(jié)構(gòu)（GOP）為“IPPP”。初始QP設(shè)為27，QP設(shè)置得越大，視頻的壓縮率越大，同時(shí)視頻的質(zhì)量也會(huì)降低。測(cè)試序列的實(shí)驗(yàn)平臺(tái)的內(nèi)存為4.00 GB，CPU為Intel（R）Core（TM）i5-3470 CPU@3.20 GHz。

首先，實(shí)驗(yàn)在碼率、峰值信噪比（Peak Signal to Noise Ratio，PSNR）和編碼時(shí)間三個(gè)方面將本文算法同HM13.0算法之間的性能進(jìn)行比較。計(jì)算公式為

式中：Bp、PSNRp、Tp分別表示本文算法的編碼碼率、PSNR和編碼時(shí)間；BHM、PSNRHM、THM分別表示HM13.0標(biāo)準(zhǔn)的編碼碼率、PSNR和編碼時(shí)間；ΔB表示本文算法與HM13.0標(biāo)準(zhǔn)算法碼率差值的百分率；ΔP表示本文算法與HM13.0標(biāo)準(zhǔn)算法PSNR的差值；ΔT表示本文算法與HM13.0標(biāo)準(zhǔn)算法編碼時(shí)間差值的百分率。為了保證視頻中I幀的質(zhì)量，繼而保持后續(xù)編碼的視頻質(zhì)量。本文并未對(duì)視頻I幀采用提出的算法，只對(duì)視頻P幀采用了提出的算法，故本文也只對(duì)比P幀的編碼性能。實(shí)驗(yàn)結(jié)果如表1所示。

表1 實(shí)驗(yàn)結(jié)果比較Tab.1 The exPerimental results

從表1中可以看出，本文算法的實(shí)驗(yàn)結(jié)果和采用HM13.0標(biāo)準(zhǔn)測(cè)試模型的實(shí)驗(yàn)結(jié)果相比，編碼碼率平均降低了15.29%，編碼時(shí)間平均降低了11.38%，PSNR平均降低了0.54 dB。在所測(cè)試的序列中，可以發(fā)現(xiàn)PartYScene（832×480）序列碼率降低相對(duì)比較少，只有9.43%。那是因?yàn)镻artYScene序列中運(yùn)動(dòng)區(qū)域和紋理復(fù)雜區(qū)域相對(duì)比較多，所占的比例較大，壓縮比則相應(yīng)比較小。而SteamLocomo_ tiveTrain（2 560×1 600）序列的運(yùn)動(dòng)區(qū)域和紋理復(fù)雜區(qū)域相對(duì)比較少，在視頻中所占的比例相應(yīng)比較小，背景比較單一，壓縮比就會(huì)相對(duì)更大。從表中也可以看到，SteamLocomotiveTrain序列降低了高達(dá)28.07%的碼率和15.66%的時(shí)間，也印證了本算法的準(zhǔn)確性和有效性。

然后，為了體現(xiàn)該算法的優(yōu)越性，還將該算法與文獻(xiàn)[7]中的時(shí)間視敏度模型方法做了性能比較實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如圖5所示。

圖5 實(shí)驗(yàn)結(jié)果比較Fig.5 ComParison of the exPerimental results

從圖5中可以直觀(guān)地看到，本文算法比時(shí)間視敏度模型算法能夠節(jié)省更多的碼率，性能更加優(yōu)異。

另外，本文還利用客觀(guān)結(jié)構(gòu)相似視頻質(zhì)量評(píng)價(jià)模型（Structural SimilaritY，SSIM）[10-11]做了質(zhì)量評(píng)價(jià)實(shí)驗(yàn)，結(jié)果如表2所示。SSIM的算法融合了人眼感興趣區(qū)域的視覺(jué)特性，使得此算法結(jié)果能夠更好地反應(yīng)人的主觀(guān)感受。

表2 實(shí)驗(yàn)結(jié)果比較Tab.2 The exPerimental results of SSIM

從表2可看出，利用本文算法的解碼視頻與HM13.0算法的解碼視頻SSIM平均值高達(dá)0.986 4，充分證明了本算法的有效性。

5 結(jié)束語(yǔ)

由于HEVC標(biāo)準(zhǔn)中還沒(méi)有利用到人眼視覺(jué)特性，因此本文提出了一種基于感興趣區(qū)域的HEVC壓縮性能優(yōu)化方法。利用HVS對(duì)紋理較復(fù)雜的區(qū)域和運(yùn)動(dòng)區(qū)域有較強(qiáng)感知度的特性，把紋理復(fù)雜區(qū)域和運(yùn)動(dòng)區(qū)域定義為感興趣區(qū)域，并使用Sobel算子結(jié)合運(yùn)動(dòng)矢量檢測(cè)感興趣區(qū)域；然后對(duì)所檢測(cè)到的感興趣區(qū)域保持原有的量化標(biāo)準(zhǔn)，對(duì)非感興趣區(qū)域則調(diào)整量化參數(shù)，從而達(dá)到在不改變視頻主觀(guān)質(zhì)量的同時(shí)降低碼率和時(shí)間的目的。從實(shí)驗(yàn)數(shù)據(jù)可以明顯地觀(guān)察到，在保持了原有視頻主觀(guān)質(zhì)量的同時(shí)，碼率平均降低了15.29%，時(shí)間平均降低了11.38%，比采用時(shí)間視敏度模型性能更加優(yōu)異，這也充分證明了本算法的優(yōu)越性。本文算法對(duì)視頻具有普適性，而實(shí)際中，可以針對(duì)某一專(zhuān)業(yè)領(lǐng)域，提出特定的檢測(cè)感興趣區(qū)域的方法，再利用本文的算法，會(huì)取得更加良好的效果。

[1] ISO/IEC 23008-2，Information technologY-high efficien_ cY coding and media deliverY in heterogeneous environ_ ments-Part 2：High efficiencY video coding[S].

[2] ITU-T Rec.H.264∣ISO/IEC 14496-10，Advanced Video Coding for Generic Audiovisual Services[S].

[3] HAN J H，MA Y.A robust infrared small target detection algorithm based on human visual sYstem[J].IEEE Geo_ science and Remote Sensing SocietY，2014，11（12）：2168 -2172.

[4] TSAPATSOULIS N，PATTICHIS C，RAPANTZIKOS K. BiologicallY insPired region of interest selection for loWbit rate video coding[C]//Proceedings of 2007 IEEE Inter_ national Conference on Image Processing.San Antonio，TX：IEEE，2007：333-336.

[5] LIU Y，LI Z G，SOH Y C，et al.Conversational video com_ munication of H.264/AVC With region-of-interest con_ cern[C]//Proceedings of 2006 IEEE International Con_ ference on Image Processing.Atlanta，GA：IEEE，2006：3129-3132.

[6] CHEN H，BRAECKMAN G，SATTI S M，et al.HEVC-based video coding With lossless region of interest for tele -medicine aPPlications[C]//Proceedings of 2013 20th International Conference on SYstems，Signals and Image Processing.Bucharest：IEEE，2013：129-132.

[7] ADZIC V.PercePtual methods for video coding[D].Boca Raton，F(xiàn)lorida：Florida Atlantic UniversitY，2014.

[8] 段瑞玲，李慶祥.圖像邊緣檢測(cè)方法研究綜述[J].光學(xué)技術(shù)，2005，31（3）：415-419. DUAN Ruiling，LI Qingxiang.SummarY of image edge de_ tection[J].OPtical Technique，2005，31（3）：415-419.（in Chinese）

[9] 鄭英娟.基于八方向Sobel算子的邊緣檢測(cè)算法[J].計(jì)算機(jī)科學(xué)，2013，40（11）：354-356. ZHENG Yingjuan.Edge detection algorithm based on the eight directions sobel oPerator[J].ComPuter Science，2013，40（11）：354-356.（in Chinese）

[10] WANG Z，BOVIK A C.Image qualitY assessment from error measurement to structural similaritY[J].IEEE Transactions on Image Processing，2004，13（1）：1-14.

[11] DAI W，AU O C，ZHU W J，et al.SSIM-based rate-dis_ tortion oPtimization in H.264[C]//Proceedings of 2014 IEEE International Conference on Acoustics，SPeech，and Signal Processing.Florence：IEEE，2014：7343-7347.

林國(guó)川（1988—），男，重慶萬(wàn)州人，2011年于重慶郵電大學(xué)獲學(xué)士學(xué)位，現(xiàn)為碩士研究生，主要研究方向?yàn)閳D像與視頻編碼；

LIN Guochuan Was born in Chongqing，in 1988.He received the B.S.degree from Chongqing UniversitY of Posts and Telecommuni_ cations in 2011.He is noW a graduate student. His research concerns image and video coding technologies.

Email：510970350@qq.com

何小海（1964—），男，四川人，2002年于四川大學(xué)獲博士學(xué)位，現(xiàn)為教授，主要研究方向?yàn)閳D像處理、模式識(shí)別和圖像通信；

HE Xiaohai Was born in Sichuan Province，in 1964.He re_ ceived the Ph.D.degree from Sichuan UniversitY in 2002.He is noW a Professor.His research interests include image Process_ ing，Pattern recognition and image communication.

Email：hxh@scu.edu.cn

李向群（1981—），男，河南人，2007年于蘭州理工大學(xué)獲碩士學(xué)位，現(xiàn)為博士研究生，主要研究方向?yàn)閳D像與視頻編解碼；

LI Xiangqun Was born in Henan Province，in 1981.He re_ ceived the M.S.degree from Lanzhou Institute of TechnologY in 2007.He is currentlY Working toWard the Ph.D.degree.His re_ search concerns image and video coding technologies.

于成業(yè)（1988—），男，河南人，2011年于西南民族大學(xué)獲學(xué)士學(xué)位，2014年于四川大學(xué)獲碩士學(xué)位，主要研究方向?yàn)閳D像與視頻編解碼。

YU ChengYe Was born in Henan Province，in 1988.He re_ ceived the B.S.degree from SouthWest UniversitY for Nationali_ ties and the M.S degree from Sichuan UniversitY in 2011 and 2014，resPectivelY.His research concerns image and video cod_ ing technologies.

ROI-based HEVC Video Compression Optimization

LIN Guochuan1，HE Xiaohai1，LI Xiangqun1，2，YU ChengYe1
（1.College of Electronics and Information Engineering，Sichuan UniversitY，Chengdu 610065，China；2.School of Electrical Engineering，NorthWest UniversitY for Nationalities，Lanzhou 730124，China）

According to the feature that Human Visual SYstem（HVS）has acute recognition of motion and comPlex texture，this PaPer Presents a Region of Interest（ROI）-based High EfficiencY Video Coding（HEVC）video comPression algorithm.First，Sobel oPerator and motion vectors are aPPlied to detect the comPlex texture area and motion area resPectivelY Which are，as a result，defined as ROI.Second，all the ROIs are graded，and then digital bits allocation is oPtimized bY regulating the quantization Parameter（QP）.ExPerimental result shoWs that comPared With the standard HEVC algorithm，the ProPosed algorithm brings doWn the coding rate bY 15.29%and Working time bY 11.38%.

high efficiencY video coding；video comPression；region of interest；edge detection；human visu_ al sYstem；Performance oPtimization

The National Natural Science Foundation of China（No.61471248）；The Science and TechnologY Program of Sichuan Prov_ ince（2015JY0189）；The Graduate Education Innovation Program of Sichuan Provincial Education DePartment in 2014（2014 -teach-034）

TN919.81

A

1001-893X（2016）01-0038-06

10.3969/j.issn.1001-893x.2016.01.007

林國(guó)川，何小海，李向群，等.基于感興趣區(qū)域的HEVC壓縮性能優(yōu)化[J].電訊技術(shù)，2016，56（1）：38-43.[LIN Guochuan，HE Xiaohai，LI Xiangqun，et al.ROI-based HEVC video comPression oPtimization[J].Telecommunication Engineering，2016，56（1）：38-43.]

2015-04-10；

2015-07-28 Received date：2015-04-10；Revised date：2015-07-28

國(guó)家自然科學(xué)基金資助項(xiàng)目（61471248）；四川省科技計(jì)劃項(xiàng)目（2015JY0189）；四川省教育廳2014年研究生教育改革創(chuàng)新項(xiàng)目（2014-教-034）

**通信作者：hxh@scu.edu.cn Corresponding author：hxh@scu.edu.cn