隨著互聯(lián)網(wǎng)信息產(chǎn)業(yè)與文化娛樂(lè)產(chǎn)業(yè)的發(fā)展,人們對(duì)視頻數(shù)據(jù)的清晰度的需求日益增加。在有限帶寬的前提下,保持視頻數(shù)據(jù)的高分辨率,高質(zhì)量是視頻編碼標(biāo)準(zhǔn)的主要研究目標(biāo)。視頻編碼中的幀間預(yù)測(cè)參考以及率失真優(yōu)化技術(shù)是兩項(xiàng)極為重要的技術(shù),通過(guò)視頻幀之間相關(guān)性的繼承,結(jié)合率拉格朗日最優(yōu)化理論,使視頻編碼質(zhì)量與碼率得到極好的平衡�，F(xiàn)有的參考結(jié)構(gòu)與優(yōu)化參數(shù)采用經(jīng)驗(yàn)訓(xùn)練參數(shù),對(duì)多樣化的視頻信源不具備自適應(yīng)性。固定的參數(shù)分配對(duì)參考幀間時(shí)域依賴(lài)未做充分考慮。經(jīng)驗(yàn)性的優(yōu)化參數(shù)在理論上不完備,無(wú)法進(jìn)一步逼近最優(yōu)值。本文針對(duì)視頻編碼參考結(jié)構(gòu)與優(yōu)化方法存在問(wèn)題,結(jié)合卷積神經(jīng)網(wǎng)絡(luò)方法,從三個(gè)方面開(kāi)展研究。1.針對(duì)低延遲編碼結(jié)構(gòu)缺乏自適應(yīng)性的問(wèn)題,提出自適應(yīng)參考幀抉擇算法。根據(jù)低延遲參考結(jié)構(gòu),統(tǒng)計(jì)編碼比特依賴(lài)性,建立參考幀影響因子模型,計(jì)算參考幀輻射最遠(yuǎn)距離,為編碼幀自適應(yīng)分配合理參考集合,以提升編碼性能。該算法與HEVC參考軟件相比,最高編碼性能提升達(dá)到0.93%。2.針對(duì)視頻時(shí)域分層結(jié)構(gòu)參數(shù)固定的問(wèn)題,提出參考結(jié)構(gòu)決定拉格朗日乘子算法。根據(jù)時(shí)域分層結(jié)構(gòu)特性,構(gòu)建分層參考強(qiáng)度模型,結(jié)合時(shí)域?qū)蛹?jí)、參考強(qiáng)度、質(zhì)量差異,建立分層...

【文章頁(yè)數(shù)】：90 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 視頻編碼標(biāo)準(zhǔn)
        1.2.2 視頻編碼幀間預(yù)測(cè)與參考結(jié)構(gòu)
        1.2.3 率失真優(yōu)化理論
        1.2.4 神經(jīng)網(wǎng)絡(luò)與圖像壓縮
    1.3 主要研究?jī)?nèi)容
        1.3.1 研究?jī)?nèi)容
        1.3.2 章節(jié)安排
第二章 相關(guān)技術(shù)介紹
    2.1 視頻編碼技術(shù)
        2.1.1 圖像與視頻壓縮
        2.1.2 質(zhì)量與性能評(píng)價(jià)
        2.1.3 視頻編碼框架
        2.1.4 視頻編碼基本技術(shù)
            2.1.4.1 編碼單元?jiǎng)澐?br>            2.1.4.2 幀內(nèi)預(yù)測(cè)
            2.1.4.3 幀間預(yù)測(cè)
            2.1.4.4 變換與量化
            2.1.4.5 圖像濾波
            2.1.4.6 熵編碼
            2.1.4.7 反饋控制
        2.1.5 率失真優(yōu)化理論
            2.1.5.1 率失真函數(shù)
            2.1.5.2 率失真優(yōu)化方法
            2.1.5.3 拉格朗日乘子
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
    2.3 小結(jié)
第三章 低延遲自適應(yīng)參考結(jié)構(gòu)
    3.1 視頻編碼參考結(jié)構(gòu)
    3.2 低延遲自適應(yīng)參考結(jié)構(gòu)
        3.2.1 編碼參考規(guī)則
        3.2.2 參考幀影響力
        3.2.3 參考集合設(shè)置
        3.2.4 量化參數(shù)調(diào)節(jié)
    3.3 算法流程
    3.4 測(cè)試與分析
    3.5 小結(jié)
第四章 基于參考結(jié)構(gòu)的優(yōu)化參數(shù)調(diào)節(jié)
    4.1 時(shí)域分層參考結(jié)構(gòu)
    4.2 拉格朗日乘子
        4.2.1 率失真優(yōu)化的應(yīng)用
        4.2.2 率失真函數(shù)與拉格朗日乘子
    4.3 參考結(jié)構(gòu)決定拉格朗日乘子
        4.3.1 幀間參考強(qiáng)度統(tǒng)計(jì)
        4.3.2 拉格朗日乘子抉擇
        4.3.3 量化參數(shù)調(diào)節(jié)
    4.4 算法流程
    4.5 測(cè)試與分析
    4.6 小結(jié)
第五章 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像質(zhì)量?jī)?yōu)化
    5.1 卷積神經(jīng)網(wǎng)絡(luò)與圖像質(zhì)量增強(qiáng)
    5.2 感受野下降卷積神經(jīng)網(wǎng)絡(luò)
        5.2.1 網(wǎng)絡(luò)結(jié)構(gòu)
        5.2.2 網(wǎng)絡(luò)訓(xùn)練
    5.3 測(cè)試與分析
    5.4 小結(jié)
第六章 總結(jié)與展望
    6.1 全文工作總結(jié)
    6.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的研究成果



本文編號(hào)：3846979