H.264/AVC由于擁有高效的壓縮比和較強(qiáng)的網(wǎng)絡(luò)適應(yīng)能力,使得在通信及互聯(lián)網(wǎng)行業(yè)廣泛應(yīng)用。然而,其優(yōu)異性能是通過(guò)引入了許多新的編碼技術(shù)實(shí)現(xiàn)的,這些編碼技術(shù)一方面提升了H.264的編碼性能,另一方面卻帶來(lái)了超高的計(jì)算復(fù)雜度。例如,對(duì)于一些資源受限的嵌入式平臺(tái),H.264很難發(fā)揮出優(yōu)勢(shì),短板明顯。本文通過(guò)對(duì)H.264中幾個(gè)關(guān)鍵技術(shù)引入的編碼復(fù)雜度進(jìn)行分析,選定對(duì)幀內(nèi)預(yù)測(cè)及幀間預(yù)測(cè)進(jìn)行改進(jìn)。為解決在幀內(nèi)預(yù)測(cè)模式選擇過(guò)程中編碼時(shí)間過(guò)長(zhǎng)的問(wèn)題,提出了一種改進(jìn)的幀內(nèi)預(yù)測(cè)模式快速分類(lèi)算法。首先通過(guò)分析頻域高頻分量特征,使用宏塊評(píng)價(jià)函數(shù)和訓(xùn)練的閾值實(shí)現(xiàn)對(duì)intra 4×4和intra 16×16模型的快速分離;同時(shí),針對(duì)intra 4×4預(yù)測(cè)模式過(guò)多的問(wèn)題,利用改進(jìn)的Kirsch算子表征出圖像的紋理方向,縮減了4×4預(yù)測(cè)模式。在JM模型下實(shí)驗(yàn)結(jié)果表明,改進(jìn)的幀內(nèi)預(yù)測(cè)模式快速分類(lèi)算法在編碼時(shí)間方面縮減了67.81%。另外,為解決Umhexagon S在預(yù)測(cè)最優(yōu)運(yùn)動(dòng)矢量過(guò)程中運(yùn)動(dòng)估計(jì)時(shí)間消耗較大的問(wèn)題,首先在起始點(diǎn)搜索環(huán)節(jié)得到最優(yōu)點(diǎn)后,直接進(jìn)入EDR模型的三步迭代運(yùn)動(dòng)情景分類(lèi)判定;然后對(duì)大范圍搜索模型進(jìn)...

【文章頁(yè)數(shù)】：88 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 視頻編碼發(fā)展現(xiàn)狀
        1.2.2 龍芯平臺(tái)軟硬件發(fā)展?fàn)顩r
    1.3 論文研究?jī)?nèi)容與章節(jié)安排
2 H.264關(guān)鍵技術(shù)與龍芯平臺(tái)介紹
    2.1 H.264關(guān)鍵技術(shù)原理
        2.1.1 幀內(nèi)預(yù)測(cè)
        2.1.2 幀間預(yù)測(cè)
        2.1.3 變換編碼與量化
        2.1.4 熵編碼
    2.2 硬件開(kāi)發(fā)平臺(tái)介紹
        2.2.1 MIPS體系架構(gòu)
        2.2.2 龍芯3A處理器
    2.3 本章小結(jié)
3 H.264幀內(nèi)預(yù)測(cè)模式選擇算法的改進(jìn)
    3.1 現(xiàn)有幀內(nèi)模式選擇算法復(fù)雜度分析
        3.1.1 基于RDO及SATD準(zhǔn)則的模式選擇
        3.1.2 基于圖像平滑度信息的快速模式選擇
        3.1.3 基于圖像邊緣信息的快速模式選擇
    3.2 改進(jìn)的頻域高頻特征快速模式選擇算法
        3.2.1 空間域分析
        3.2.2 變換域分析
        3.2.3 平坦宏塊評(píng)價(jià)函數(shù)
    3.3 改進(jìn)的Kirsch算子邊緣檢測(cè)分類(lèi)
        3.3.1 Kirsch算子的循環(huán)矩陣改進(jìn)
        3.3.2 邊緣檢測(cè)分類(lèi)
        3.3.3 改進(jìn)算法總結(jié)
    3.4 實(shí)驗(yàn)結(jié)果比較與分析
    3.5 本章小結(jié)
4 基于幀間最優(yōu)運(yùn)動(dòng)矢量預(yù)測(cè)過(guò)程的改進(jìn)
    4.1 經(jīng)典運(yùn)動(dòng)估計(jì)算法對(duì)比分析
        4.1.1 全局搜索算法
        4.1.2 分?jǐn)?shù)精度搜索算法
        4.1.3 快速搜索算法
        4.1.4 分級(jí)搜索范圍算法
    4.2 UMHexagonS的改進(jìn)
        4.2.1 UMHexagonS存在問(wèn)題及改進(jìn)點(diǎn)分析
        4.2.2 大范圍搜索模板劃分
        4.2.3 運(yùn)動(dòng)情景分類(lèi)策略
        4.2.4 5 ×5螺旋搜索改進(jìn)
        4.2.5 改進(jìn)算法總結(jié)
    4.3 實(shí)驗(yàn)結(jié)果比較與分析
    4.4 本章小結(jié)
5 龍芯平臺(tái)Web服務(wù)器搭建與編碼實(shí)現(xiàn)
    5.1 軟件環(huán)境搭建
        5.1.1 交叉編譯環(huán)境的建立
        5.1.2 PMON的移植
        5.1.3 Linux內(nèi)核的移植
        5.1.4 制作根文件系統(tǒng)
    5.2 Web服務(wù)器的構(gòu)建與移植
        5.2.1 嵌入式Web服務(wù)器的介紹與選取
        5.2.2 BOA的移植與配置
        5.2.3 CGI移植
    5.3 圖像的采集與傳輸
        5.3.1 V4L2技術(shù)
        5.3.2 RTP/RTCP傳輸協(xié)議
    5.4 系統(tǒng)測(cè)試與分析
    5.5 本章小結(jié)
總結(jié)與展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文及研究成果



本文編號(hào)：3844109