本文關(guān)鍵詞： D-HEVC 深度圖幀內(nèi)編碼 灰度共生矩陣　出處：《信號處理》2017年03期 　論文類型：期刊論文

【摘要】：針對3D視頻的3D-HEVC編碼標準以多視點紋理視頻和深度視頻格式進行編碼,其深度圖編碼仍延續(xù)紋理視頻編碼的模式和編碼尺寸遍歷選擇,使得3D-HEVC的編碼復雜度居高不下。為進一步減少3D-HEVC編碼復雜度,本文針對深度圖幀內(nèi)預測編碼,采用灰度共生矩陣對深度圖中的CTU進行計算,統(tǒng)計并分析其矩陣中非零值個數(shù)與CTU分割深度的關(guān)系,根據(jù)非零值個數(shù)分布規(guī)律,設(shè)定閾值,使得幀內(nèi)編碼時可以預判編碼模塊的分割深度,從而選擇性跳過部分不同深度CU的幀內(nèi)預測過程。經(jīng)過HTM-16.0測試平臺的檢驗,本算法在全幀內(nèi)編碼模式下,測試序列合成視點比特率僅增加0.08%的同時,平均節(jié)省了16.8%的編碼時間,與其他同類較新算法在HTM-16.0平臺上的性能比較也有一定的優(yōu)勢。
[Abstract]:The 3D-HEVC coding standard for 3D video is based on multi-view texture video and depth video format, and its depth map coding still extends the pattern and size traversal selection of texture video coding. In order to further reduce the coding complexity of 3D-HEVC, this paper focuses on the intra prediction coding of depth map. The CTU in depth map is calculated by gray level co-occurrence matrix, and the relationship between the number of non-zero values of matrix and the depth of CTU segmentation is analyzed, and the threshold is set according to the distribution of non-zero values. In order to prejudge the segmentation depth of the coding module, the intra-frame prediction process of CU with different depths can be selectively skipped. The test platform of HTM-16.0 has been tested. In the full-frame coding mode, the test sequence synthesis view bit rate is only increased by 0.08%, and the average coding time is saved by 16.8%. Compared with other similar algorithms on the HTM-16.0 platform, the performance of the algorithm also has some advantages.
【作者單位】： 華僑大學信息科學與工程學院廈門市移動多媒體通信重點實驗室;
【基金】：國家自然科學基金(61401167,61372107) 福建省自然科學基金(2016J01308) 華僑大學中青年教師科研提升資助計劃(ZQN-YX403);華僑大學高層次人才資助項目(600005-Z16X011);華僑大學研究生科研創(chuàng)新能力培育計劃資助項目
【分類號】：TN919.81
【正文快照】： 1引言隨著人們對視頻體驗真實感和浸入感的需求,3D視頻技術(shù)發(fā)展迅速,針對3D視頻編碼技術(shù)的研究也逐步成為學術(shù)界和產(chǎn)業(yè)界研究的新熱點[1],2013年4月,MPEG和ITU-T成立了聯(lián)合專家組,Joint Collaborative Team on 3D Video CodingExtension Development(JCT-3V),對新一代的高效視

【相似文獻】

相關(guān)期刊論文 前10條

1 蘇靜;黎明;;基于灰度共生矩陣的金屬斷口圖像的分類研究[J];計算機工程與應用;2008年09期

2 高士忠;盧易楓;蔡振偉;黨霞;;基于灰度共生矩陣的簾子布疵點檢測研究[J];電子技術(shù)應用;2008年01期

3 郭森;嚴和平;柳偉;;基于灰度共生矩陣的密集人群人數(shù)估計[J];計算機工程與應用;2008年28期

4 張航;顏永豐;;基于小波灰度共生矩陣的植物分類研究[J];計算機工程與設(shè)計;2012年12期

5 魏建亮;邢濟收;;基于灰度共生矩陣的車刀車削工件表面紋理分析[J];機械制造與自動化;2009年01期

6 徐秋景;戚大偉;;基于灰度共生矩陣的東北虎紋理特征參數(shù)[J];東北林業(yè)大學學報;2009年07期

7 張靜;劉雨東;史曉陶;翟春平;;基于灰度共生矩陣的艦船噪聲特征提取方法研究[J];艦船電子工程;2011年06期

8 許舒斐;吳淑蓮;李暉;;基于灰度共生矩陣的人體皮膚紋理分析[J];激光生物學報;2011年03期

9 汪友生;吳煥煥;胡百樂;李亦林;陳建新;;基于灰度共生矩陣的動脈斑塊圖像特征分析[J];電子測量技術(shù);2012年02期

10 楊子華;吳敏;劉t$;;基于灰度共生矩陣的筆跡識別[J];信息安全與通信保密;2006年06期

相關(guān)會議論文 前10條

1 王亞軍;李德勝;蘇少昌;王希軍;;基于灰度共生矩陣的光盤測量[A];第十二屆全國光學測試學術(shù)討論會論文（摘要集）[C];2008年

2 黃勃;李乃民;劉春雨;張大鵬;王寬全;林曉東;張宏;王淑英;張宏志;;基于灰度共生矩陣的中醫(yī)虛實證舌象分類研究[A];第一屆全國中西醫(yī)結(jié)合診斷學術(shù)會議論文選集[C];2006年

3 盧易楓;;基于灰度共生矩陣的金剛石瑕疵自動識別技術(shù)研究[A];經(jīng)濟策論（上）[C];2011年

4 趙亞偉;周晨波;王同樂;王剛;郭冰;劉華;;基于灰度共生矩陣的連續(xù)多幅非平面散斑圖像特征研究[A];第十三屆全國光學測試學術(shù)討論會論文（摘要集）[C];2010年

5 陳明麗;黃詠紅;單潔玲;楊永明;秦茜淼;王怡;;探討適用于大鼠肝纖維化聲像圖紋理灰度共生矩陣分析的構(gòu)造因子[A];2010年超聲醫(yī)學和醫(yī)學超聲論壇會議論文集[C];2010年

6 蘇慧;費樹岷;;基于多分辨率分析及灰度共生矩陣的織物紋理識別[A];第25屆中國控制會議論文集（下冊）[C];2006年

7 馬德新;楊帆;侯景忠;高金喬;;基于灰度共生矩陣的掌紋識別技術(shù)研究[A];第六屆全國信息獲取與處理學術(shù)會議論文集（2）[C];2008年

8 高硯軍;徐華平;;基于窗口自適應灰度共生矩陣的SAR圖像分類[A];第六屆全國信息獲取與處理學術(shù)會議論文集（1）[C];2008年

9 蔣圣;羌鑫林;汪閩;;基于灰度共生矩陣改進的紋理分割算法[A];江蘇省測繪學會2007年學術(shù)年會論文集[C];2008年

10 嚴洪;姚宇華;熊江輝;;基于灰度共生矩陣和分形的細胞骨架圖像的分析[A];第十二屆全國圖象圖形學學術(shù)會議論文集[C];2005年

相關(guān)博士學位論文 前2條

1 張娟;基于圖像分析的梅花種類識別關(guān)鍵技術(shù)研究[D];北京林業(yè)大學;2011年

2 劉成霞;模擬實際著裝的織物折皺測試及等級評價方法研究[D];浙江理工大學;2015年

相關(guān)碩士學位論文 前10條

1 袁森林;基于紋理分析的羊絨羊毛鑒別[D];東華大學;2016年

2 井寒;面向X光胸片的塵肺病灶輔助檢測系統(tǒng)研究[D];西北大學;2015年

3 童逸舟;基于圖像處理的智能割草機器人路徑規(guī)劃研究[D];浙江理工大學;2016年

4 楊龍飛;基于局部二值模式和灰度共生矩陣的紋理特征提取技術(shù)研究[D];蘭州大學;2016年

5 李天棋;皮膚表面粗糙度檢測技術(shù)的研究[D];東北林業(yè)大學;2016年

6 楊建;基于灰度共生矩陣的癌細胞識別技術(shù)研究[D];長春理工大學;2016年

7 王華峰;基于灰度共生矩陣的沖擊斷口形貌分析[D];濟南大學;2016年

8 劉啟全;基于線陣相機的哈密瓜分級機改進設(shè)計與試驗研究[D];新疆農(nóng)業(yè)大學;2016年

9 林澤通;利用CT影像的肺功能評估關(guān)鍵問題研究[D];東北大學;2011年

10 崔蕊;基于肝臟超聲圖像的脂肪肝計算機輔助診斷研究[D];南陽師范學院;2017年

，

本文編號：1475839