当前位置: 首页 > news >正文

AV1技术学习:Loop Restoration Filter

环路恢复滤波器(restoration filter)适用于64 × 64、128 × 128 或 256 × 256 像素块单元,称为 loop restoration units (LRUs)。每个单元可以独立选择是否跳过滤波、使用维纳滤波器(Wiener filter)或使用自导滤波器(self-guided filter)。它应用于任何先前的环路滤波(Deblock、CDEF)后的重建像素。

1. Wiener Filter

维纳滤波器:在 LRU 上应用 7x7 可分离维纳滤波器,垂直和水平滤波器的滤波器参数由编码器决定,并在比特流中发出信号。由于对称和归一化约束,每个滤波器只需要发送三个系数。此外,需要注意的是,维纳滤波器对原点的权重幅度预计会更高,因此编解码器减少了用于较高抽头系数的位数,如下图所示:

Bit precision for Wiener filter parameters.

 2. Self-Guided Filter:

该方案对重构像素 X 进行简单滤波,生成两个去噪版本 X1 和 X2,很大程度上保留了边缘过渡。它们与重建像素的差值 (X1−X) 和 (X2−X) 被用来跨出一个子空间,在这个子空间上我们投影重建像素与原始像素的差值 (Xs−X),如下图所示。编码器获得的最小二乘回归参数被发送给解码器,解码器使用该参数基于已知的基数 (X1−X) 和 (X2−X) 建立 (Xs−X) 的线性近似。

Project the gap between the source pixels Xs and
reconstructed pixels X on to a subspace spanned by simple
denoising results, X1 − X and X2 − X. The parameters in red are the
ones configurable through bitstream syntax.

特别地,使用半径 r 和噪声方差 e 来生成 LRU 的去噪版本,如下所示。

1) 求得每个像素 x 周围 (2r + 1) × (2r + 1) 窗口中像素的均值 μ 和方差 σ2。

2) 计算去噪像素为

(r, e) 对有效地控制去噪滤波器的强度。使用 (r1, e1) 和 (r2, e2) 生成两组去噪像素,以向量形式X1和X2表示,它们由编码器选择并在比特流中发出信号。设X为重构像素形成的向量,X为源像素的向量。自导滤波器的公式为

参数 (α, β) 由编码器用最小二乘回归得到

其中

 其中参数(α, β)被发送到解码器以计算 Xr。

http://www.lryc.cn/news/408443.html

相关文章:

  • 如何使用python实现自动化办公?干货满满!
  • QT Creator下载安装详细教程(保姆级教程)
  • 无人机公司销售需要什么资质
  • 代码自动化重构工具OpenRewrite介绍
  • Win11安装Docker
  • Windows电脑如何启动RTSP服务实现本地摄像头数据共享
  • 探索 Spring WebFlux:构建响应式 Web 应用
  • C# 植物大战僵尸
  • css 作业 2
  • axios在vue中的使用
  • FastAPI(七十七)实战开发《在线课程学习系统》接口开发-- 课程编辑和查看评论
  • 【JavaEE初阶】线程的概念及创建
  • 0727,学什么学,周六就应该休息!!!!!
  • 【C#】获取DICOM图像像素的像素值
  • k8s多集群管理工具kubecm
  • 通过 WSL 2 在Windows 上挂载 Linux 磁盘
  • 【C#】在一个给定的宽、高范围内,获取到该多边形内部的所有坐标集合?
  • json的数据结构
  • html-docx-js和file-saver实现html导出word
  • 三维影像系统PACS源码,图像存储与传输系统,应用于医院中管理医疗设备如CT,MR等产生的医学图像的信息系统
  • Golang | Leetcode Golang题解之第292题Nim游戏
  • Redis在SpringBoot中配置
  • linux 网络子系统
  • JVM:垃圾回收器演进
  • 全新微软语音合成网页版源码,短视频影视解说配音网页版系统-仿真人语音
  • 大语言模型-对比学习-Contrastive Learning
  • C++ 封装的用法
  • 【C++11:异常】
  • Dify中HTTP请求节点的常见操作
  • 《大语言模型(赵鑫)》知识框图