1.一种联合显著性和恰可察觉失真的感知视频编码方法，其特征在于，包括如下步骤：S1：获取待编码视频序列，根据显著性检测算法和恰可察觉失真算法计算每个像素的显著值S(i, j)和恰可察觉失真阈值JND(i, j)，i和j分别为该像素的横纵坐标；

S2：计算其块级与帧级显著性因子和恰可察觉失真因子；

S3：对视频编码标准方法进行如下修改，进而得到修改后的视频编码方法：在量化参数选择环节，分别计算显著性和恰可察觉失真的量化参数偏移量，其中，显著性量化参数偏移量为：，

其中，和分别为块级和帧级显著性因子，，设置为5；当该块级显著值大于帧级显著值时，为负，以减少失真；当块级显著值小于帧级显著值时，为正，以允许失真；恰可察觉失真参数偏移量为：，

其中，和分别为块级和帧级恰可察觉失真因子，，设置为2；当该块级恰可察觉失真因子大于帧级恰可察觉失真因子时，为正，允许失真；当块级恰可察觉失真因子小于帧级恰可察觉失真因子时，为负，减少失真；再将二者整合为自适应量化参数偏移量；编码所使用的量化参数为：，

其中，QP为原始编码参数；

在率失真优化环节，将恰可察觉失真融入失真的计算中，获得感知失真项Dp，并通过显著性来调整拉格朗日乘子λ，以平衡率失真；调整后的感知率失真损失为：，

其中，λp为调整后的拉格朗日乘子，R为编码所使用的码率；

S4：采用修改后的视频编码方法对视频进行编码。

2.如权利要求1所述的联合显著性和恰可察觉失真的感知视频编码方法，其特征在于，所述显著性检测算法采用基于深度学习的视频显著性检测算法，恰可察觉失真算法采用非线性相加掩膜模型。

3.如权利要求1所述的联合显著性和恰可察觉失真的感知视频编码方法，其特征在于，所述块级与帧级显著性因子和恰可察觉失真因子为该项所在区域上的平均值。

4.如权利要求3所述的联合显著性和恰可察觉失真的感知视频编码方法，其特征在于，所述的块级显著性因子为：，

其中，块的大小为n x n；帧级显著性因子为：，

其中，width和height分别为该帧的宽和高。

5.如权利要求3所述的联合显著性和恰可察觉失真的感知视频编码方法，其特征在于，所述的块级恰可察觉失真因子为：，

帧级恰可察觉失真因子为：

，

以上因子的计算为后续感知编码过程做准备。

6.如权利要求1所述的联合显著性和恰可察觉失真的感知视频编码方法，其特征在于，所述的视频编码标准方法是指AVC，HEVC，VVC视频编码标准。

7.如权利要求1所述的联合显著性和恰可察觉失真的感知视频编码方法，其特征在于，所述的将二者整合为自适应量化参数偏移量为二者的叠加效应，如下：，

它将同方向的偏移量扩大0.1倍。

8.如权利要求1所述的联合显著性和恰可察觉失真的感知视频编码方法，其特征在于，所述的感知失真项Dp具体表现在平方误差和与绝对误差上；调整后的平方误差SSEp和绝对误差SADp分别为：，

，

其中，I(i, j)和I’(i, j)分别代表原始像素和重建像素，为用于过滤失真的恰可察觉失真系数，其计算公式为：，

通过调整后的感知失真项Dp可以反应人眼恰可察觉失真特性，小于原始失真项。

9.如权利要求1所述的联合显著性和恰可察觉失真的感知视频编码方法，其特征在于，所述的调整后的拉格朗日乘子为：，

其中，λ为原始拉格朗日乘子，设置a=0.8, b=0.2。