本文關(guān)鍵詞：基于視覺感知的視頻編碼算法研究

  更多相關(guān)文章： 視覺感知 率失真優(yōu)化 碼率控制 宏塊樹 競爭決策

【摘要】：隨著數(shù)字圖像技術(shù)的快速發(fā)展和人們對視覺體驗效果要求的不斷提升,視頻編碼算法的研究已占據(jù)了重要地位。傳統(tǒng)基于塊的混合編碼方案對視頻編碼性能提升都是以極高編碼復(fù)雜度為代價的,近年來,生物醫(yī)學(xué)的飛速發(fā)展給基于人眼視覺感知(HVS)的編解碼技術(shù)帶來了可能�；贖VS的編解碼技術(shù)將人眼視覺感知特性與視頻編解碼技術(shù)相結(jié)合,目的是更大限度的去除視頻信息中的視覺冗余。該技術(shù)將成為未來視頻編解碼技術(shù)研究領(lǐng)域的趨勢和熱點。本文對主流編碼器使用的關(guān)鍵視覺感知技術(shù)進(jìn)行了學(xué)習(xí)與研究,主要工作和貢獻(xiàn)如下:(1)對應(yīng)用廣泛的HVS特性及基于HVS特性的編碼方法進(jìn)行了概述。具體而言,對學(xué)者們提出的基于HVS特性的編解碼算法模型、質(zhì)量評價模型等進(jìn)行了介紹;對視覺感知率失真優(yōu)化技術(shù)進(jìn)行了理論分析,該技術(shù)把作為視頻編碼理論基礎(chǔ)的率失真優(yōu)化技術(shù)與HVS編碼方法相結(jié)合,可以充分利用視頻視覺冗余信息,實現(xiàn)碼率與失真更合理分配。(2)對感知率失真優(yōu)化技術(shù)在H.264、HEVC等主流編碼器中的應(yīng)用進(jìn)行了研究。首先對X264編碼器中感知率失真優(yōu)化技術(shù)在編碼各模塊的應(yīng)用進(jìn)行了簡要分析;并對感知率失真優(yōu)化的碼率控制算法進(jìn)行了理論分析;對學(xué)術(shù)界及產(chǎn)業(yè)界缺少理論分析文檔的兩個關(guān)鍵視覺感知技術(shù),空域VAQ與時域MBTree算法,進(jìn)行了理論分析和性能評測;并針對MBTree算法映射模型基于經(jīng)驗性的,且與眾多編碼參數(shù)存在復(fù)雜相關(guān)性的特點,提出編碼復(fù)雜度不變的分辨率自適應(yīng)量化參數(shù)調(diào)優(yōu)模型。實驗證明該模型可以有效提升視頻編碼質(zhì)量。(3)提出了基于競爭決策與率失真優(yōu)化的量化參數(shù)尋優(yōu)算法。本文對傳統(tǒng)競爭決策算法進(jìn)行了迭代改進(jìn),并應(yīng)用于獲得MBTree算法性能最優(yōu)模型。該算法既完全繼承了原MBTree算法基于感知技術(shù)的思想優(yōu)勢,又有效解決了原算法的模型缺陷,嘗試探索MBTree算法思想可以取得的性能提升上限。實驗證明,改進(jìn)算法離線獲得的最優(yōu)模型相比原模型可以顯著提升視頻編碼主觀SSIM、客觀PSNR與幀級失真MSE波動等性能。
【關(guān)鍵詞】：視覺感知 率失真優(yōu)化 碼率控制 宏塊樹 競爭決策
【學(xué)位授予單位】：中國計量大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN919.81
【目錄】：

• 致謝5-6
• 摘要6-7
• Abstract7-14
• 1 緒論14-21
• 1.1 研究的背景與意義14-16
• 1.2 視頻編碼理論發(fā)展簡介16-19
• 1.3 本文研究的內(nèi)容19-20
• 1.4 論文章節(jié)安排20-21
• 2 基于視覺感知的編碼算法理論21-34
• 2.1 引言21-22
• 2.2 人眼視覺系統(tǒng)理論22-27
• 2.2.1 對比敏感度23-24
• 2.2.2 掩蓋效應(yīng)24-25
• 2.2.3 視覺興趣性25
• 2.2.4 其他特性25-27
• 2.3 基于視覺感知的關(guān)鍵編碼算法27-33
• 2.3.1 基于視覺感知的率失真優(yōu)化算法28-30
• 2.3.2 基于感知率失真優(yōu)化的模式選擇算法30-31
• 2.3.3 基于感知率失真優(yōu)化的系數(shù)級量化算法31-33
• 2.4 本章小結(jié)33-34
• 3 基于視覺感知的碼率控制算法理論與改進(jìn)34-50
• 3.1 碼率控制算法簡介34-38
• 3.1.1 X264碼率控制算法步驟35-37
• 3.1.2 感知模糊復(fù)雜度度量37-38
• 3.2 宏塊級量化參數(shù)偏移量38-47
• 3.2.1 空域宏塊級量化控制算法(VAQ)39-40
• 3.2.2 時域宏塊級量化控制算法(MBTree)40-47
• 3.3 改進(jìn)的分辨率自適應(yīng)量化控制算法47-49
• 3.4 本章小結(jié)49-50
• 4 基于競爭決策的量化參數(shù)尋優(yōu)算法50-62
• 4.1 競爭決策算法簡介50-51
• 4.2 MBTree算法 δ-ρ 模型51-54
• 4.2.1 參考頻度 ρ52-53
• 4.2.2 傳統(tǒng) δ-ρ 模型不足53-54
• 4.3 基于競爭決策的最優(yōu)量化參數(shù)選擇54-57
• 4.3.1 參數(shù) ρ 樣本統(tǒng)計特性54
• 4.3.2 基于競爭決策構(gòu)建模型54-57
• 4.3.3 基于最優(yōu) δ-ρ 模型的量化控制算法57
• 4.4 實驗結(jié)果57-61
• 4.5 本章小結(jié)61-62
• 5 總結(jié)與展望62-64
• 5.1 總結(jié)62
• 5.2 展望62-64
• 參考文獻(xiàn)64-67
• 作者簡歷67

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉利剛;;打造學(xué)術(shù)一流的聯(lián)合實驗室——浙江大學(xué)視覺感知教育部-微軟重點實驗室[J];計算機教育;2007年11期

2 柯爾挺;厲力華;劉偉;徐偉棟;張娟;張凌男;ZHENG Bin;;基于視覺感知信息的乳腺鉬靶腫塊檢測分析與自動提取[J];中國生物醫(yī)學(xué)工程學(xué)報;2014年01期

3 魏政剛,袁杰輝,蔡元龍;一種基于視覺感知的圖像質(zhì)量評價方法[J];電子學(xué)報;1999年04期

4 楊建國,肖永劍,王兆安;交通微觀仿真中的駕駛員視覺感知模型[J];系統(tǒng)仿真學(xué)報;2005年10期

5 周靜;;富士施樂開發(fā)出基于人類視覺感知的全新圖像編輯技術(shù)[J];計算機與網(wǎng)絡(luò);2014年14期

6 辜小花;;基于視覺感知和邊緣保持的光照不變?nèi)四樧R別[J];電子學(xué)報;2013年08期

7 劉明晶,葉懋冬,劉國棟,李澄清;一種基于視覺感知的圖像質(zhì)量評價方法[J];計算機工程與設(shè)計;2005年02期

8 畢雁冰;;可行區(qū)域視覺感知的一種設(shè)置方法[J];機電產(chǎn)品開發(fā)與創(chuàng)新;2008年01期

9 陶超;譚毅華;蔡華杰;田金文;;符合人類視覺感知的圖像對象分割方法[J];計算機工程;2010年24期

10 董天陽;范允易;范菁;;保持視覺感知的三維樹木葉片模型分治簡化方法[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2013年05期

中國重要會議論文全文數(shù)據(jù)庫 前5條

1 王書榮;;眼睛運動及其對視覺感知的影響[A];第十一次中國生物物理學(xué)術(shù)大會暨第九屆全國會員代表大會摘要集[C];2009年

2 薛青;徐文超;鄭長偉;劉永紅;;基于有限理性的虛擬視覺感知因子分析[A];第13屆中國系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)年會論文集[C];2011年

3 楊敏;梁瑋;李善青;賈云得;;一種基于交互式學(xué)習(xí)的穿戴視覺感知方法[A];第七屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2011)論文集【oral】[C];2011年

4 蒲翠翠;孟放;姜秀華;高慧;;一種基于視覺感知的視頻質(zhì)量客觀評價方法[A];圖像圖形技術(shù)研究與應(yīng)用2009——第四屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2009年

5 廖毅;程志全;黨崗;;一種基于顯著性分析的網(wǎng)格分割算法[A];中國圖學(xué)新進(jìn)展2007——第一屆中國圖學(xué)大會暨第十屆華東六省一市工程圖學(xué)學(xué)術(shù)年會論文集[C];2007年

中國重要報紙全文數(shù)據(jù)庫 前2條

1 田學(xué)科;原有記憶會降低視覺感知能力[N];科技日報;2011年

2 劉孝沅;用視覺感知的新聞[N];中國新聞出版報;2003年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李彥勝;生物視覺感知啟發(fā)下的目標(biāo)檢測與識別技術(shù)研究[D];華中科技大學(xué);2015年

2 葉鵬;基于視覺感知的風(fēng)格可視化研究[D];蘇州大學(xué);2016年

3 楊恒伏;結(jié)合視覺感知的圖像認(rèn)證與數(shù)據(jù)隱藏算法研究[D];湖南大學(xué);2009年

4 聶一鳴;高速公路自主駕駛汽車視覺感知算法研究[D];國防科學(xué)技術(shù)大學(xué);2012年

5 鄭雅羽;基于視覺感知的H.264感興趣區(qū)域編碼研究[D];浙江大學(xué);2008年

6 向遙;基于視覺感知的圖像處理方法研究[D];中南大學(xué);2011年

7 楊文璐;視覺感知模型與編碼算法研究[D];上海交通大學(xué);2008年

8 杜興;視覺感知機制啟發(fā)的人臉識別方法研究[D];重慶大學(xué);2012年

9 于江波;視覺感知計算模型若干問題的研究及其應(yīng)用[D];北京交通大學(xué);2007年

10 沈云濤;基于視覺感知特性的圖像檢索研究[D];西北工業(yè)大學(xué);2005年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 姜麗穎;生物視覺感知機制啟發(fā)下的圖像不變性特征表示方法研究[D];中國石油大學(xué)(華東);2014年

2 康年錦;一類基于視覺感知機理的隱寫算法研究[D];福州大學(xué);2013年

3 南宇川;基于視覺感知理論的山岳型風(fēng)景區(qū)建筑設(shè)計方法研究[D];天津大學(xué);2014年

4 田子龍;基于視覺感知的嚴(yán)寒地區(qū)老年建筑立面開窗形式設(shè)計研究[D];沈陽建筑大學(xué);2016年

5 王忠霄;基于視覺感知的視頻編碼算法研究[D];中國計量大學(xué);2016年

6 湯毓婧;基于人腦視覺感知機理的分類與識別研究[D];南京理工大學(xué);2009年

7 李雙;乳腺鉬靶診斷中的視覺感知研究[D];杭州電子科技大學(xué);2011年

8 林祥明;人類視覺感知經(jīng)驗的數(shù)學(xué)化表示及其在深度估算中的應(yīng)用[D];復(fù)旦大學(xué);2010年

9 宋磊;基于視覺感知的模型簡化算法研究與實現(xiàn)[D];大連理工大學(xué);2006年

10 彭素靜;基于視覺感知機理的顯著區(qū)域研究[D];重慶大學(xué);2009年

，

本文編號：665435