相比于普通平面視頻,全景視頻能給用戶提供更加沉浸式的體驗(yàn),但其編碼復(fù)雜度也急劇上升,阻礙其推廣應(yīng)用.為解決此問(wèn)題,首先,結(jié)合全景視頻緯度特性和幀間相關(guān)性構(gòu)建復(fù)雜度預(yù)測(cè)模型,以更好地分配幀內(nèi)復(fù)雜度資源;其次,構(gòu)建一個(gè)轉(zhuǎn)換模型將編碼復(fù)雜度轉(zhuǎn)換為時(shí)間復(fù)雜度,以確保幀內(nèi)編碼時(shí)間的穩(wěn)定性;最后,綜合上述兩個(gè)模型提出一種自適應(yīng)復(fù)雜度優(yōu)化算法.實(shí)驗(yàn)結(jié)果表明,所提算法能在復(fù)雜度與編碼質(zhì)量之間取得更優(yōu)的平衡,以適應(yīng)不同應(yīng)用場(chǎng)景的需求. 

【文章來(lái)源】：福州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,48(05)北大核心

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

ERP投影示意圖

視頻編碼中, 編碼器的計(jì)算能力資源被定義為編碼復(fù)雜度因子(encoding complexity factor, ECF). 如圖2所示, 編碼器通過(guò)給各編碼層次分配合適的ECF實(shí)現(xiàn)復(fù)雜度優(yōu)化[4], 該過(guò)程一般分為四個(gè)層次, 即全局ECF、 GOP級(jí)ECF、 幀級(jí)ECF以及緯度級(jí)ECF, 本節(jié)研究的是緯度級(jí)ECF的分配問(wèn)題.在低空間分辨率的平面視頻編碼中, 通常將幀作為最小的復(fù)雜度分配單元. 而在全景視頻編碼中, 由于其超高空間分辨率特性以及從球面投影至平面產(chǎn)生的影響, 將緯度區(qū)域作為最小分配單元也許可以提升編碼的整體RD性能. 全景視頻經(jīng)過(guò)ERP(如圖1所示)投影后, 不同緯度的視頻內(nèi)容被不同程度地拉伸, 則可能導(dǎo)致幀內(nèi)紋理產(chǎn)生變化, 從而影響CU的模式選擇過(guò)程. 通過(guò)對(duì)比平面視頻和全景視頻的CU數(shù)量分布情況來(lái)驗(yàn)證全景視頻幀內(nèi)復(fù)雜度分配的必要性, 其中平面視頻考察了BasketballDrive、 BQTerrace、 Cactus、 Kimono、 ParkScene等序列, 全景視頻考察了AerialCity、 DrivingInCity、 Fengjing_1、 Hangpai_1、 Xinwen_1等序列. 同時(shí), 為便于對(duì)比, 將CU數(shù)量進(jìn)行歸一化處理, 結(jié)果如圖3所示.

顯然, 為保證編碼質(zhì)量, wm, n, l不能取固定值, 而應(yīng)隨視頻內(nèi)容的變化而變化. 考慮到視頻相鄰幀之間紋理具有非常高的相似性(相應(yīng)地也具有非常相似的模式選擇結(jié)果), 利用相鄰已編碼幀的CU數(shù)量信息預(yù)測(cè)wm, n, l, 從而實(shí)現(xiàn)視頻內(nèi)容自適應(yīng)的幀內(nèi)緯度級(jí)復(fù)雜度分配. 預(yù)測(cè)模型的原理如圖4所示.該模型利用當(dāng)前GOP中的前n個(gè)已編碼幀(0～n-1)在緯度上的CU數(shù)量分布信息預(yù)測(cè)當(dāng)前編碼幀各緯度的wm, n, l, 即:

【參考文獻(xiàn)】：
期刊論文
[1]基于隨機(jī)森林的HEVC復(fù)雜度控制方法[J]. 文鵬,彭宗舉,陳芬,蔣剛毅,郁梅.  電信科學(xué). 2019(02)



本文編號(hào)：3319315