本文關(guān)鍵詞：高效視頻編碼關(guān)鍵技術(shù)研究

  更多相關(guān)文章： 高效視頻編碼 視頻編碼 幀內(nèi)預(yù)測 幀間預(yù)測 運(yùn)動(dòng)估計(jì)

【摘要】：隨著多媒體技術(shù)和網(wǎng)絡(luò)通信技術(shù)的快速發(fā)展,視頻多媒體應(yīng)用已經(jīng)覆蓋了人類生活的各個(gè)方面。大量的視頻應(yīng)用產(chǎn)生了海量的視頻數(shù)據(jù),尤其是近年來高清和超高清視頻應(yīng)用越來越廣泛,相比于標(biāo)清視頻,高清視頻分辨率更高、畫面更清晰,但是數(shù)據(jù)量更大。如果未經(jīng)壓縮,這些視頻將很難應(yīng)用于實(shí)際的存儲(chǔ)和傳輸。因此視頻壓縮編碼技術(shù)是視頻應(yīng)用中的一項(xiàng)關(guān)鍵技術(shù)。視頻數(shù)據(jù)量的增大使得現(xiàn)有的編碼標(biāo)準(zhǔn)不能適應(yīng)現(xiàn)實(shí)的應(yīng)用需求。為此,ITU-T和ISO/IEC聯(lián)合制定了新一代視頻編碼標(biāo)準(zhǔn)HEVC。相比于以往的標(biāo)準(zhǔn),HEVC具有更高的壓縮效率和更優(yōu)的畫面質(zhì)量,所以該標(biāo)準(zhǔn)具有十分廣闊的應(yīng)用前景。然而,HEVC在獲得高效的編碼性能的同時(shí)也帶來了巨大的編碼復(fù)雜度,嚴(yán)重影響了該標(biāo)準(zhǔn)的應(yīng)用和推廣。因此,在保持HEVC編碼性能的前提下,有效降低編碼計(jì)算復(fù)雜度是該標(biāo)準(zhǔn)獲得成功的關(guān)鍵因素,也是高清視頻技術(shù)大規(guī)模應(yīng)用的迫切需求。由于編碼單元的編碼幾乎包括了HEVC中所有的編碼模塊,對編碼單元的選擇占用了HEVC絕大部分的編碼時(shí)間,因此為降低HEVC的編碼復(fù)雜度,本文重點(diǎn)針對其中的幀內(nèi)編碼單元選擇和幀間編碼單元選擇等關(guān)鍵技術(shù)進(jìn)行了研究,主要研究成果包括:第一,提出了基于非歸一化梯度直方圖碼書的幀內(nèi)編碼單元快速選擇算法。首先,通過圖像相關(guān)模型分析了幀內(nèi)率失真代價(jià)與圖像最強(qiáng)相關(guān)方向相關(guān)系數(shù)之間的關(guān)系,確立了幀內(nèi)編碼單元分塊模式與非歸一化梯度直方圖之間的相關(guān)性,定義了非歸一化梯度直方圖特征。其次,設(shè)計(jì)了基于模糊聚類的碼書訓(xùn)練方法,并提出了基于該碼書的幀內(nèi)編碼單元快速選擇算法。該方法根據(jù)幀內(nèi)預(yù)測的特點(diǎn),為幀內(nèi)編碼單元快速選擇提供了相關(guān)特征,平均節(jié)省百分之三十的編碼時(shí)間。第二,利用非歸一化梯度直方圖特征,提出了基于模板匹配的幀內(nèi)編碼單元快速選擇算法。設(shè)計(jì)了先入先出隊(duì)列的編碼單元編碼信息保存機(jī)制,以及近鄰相似編碼單元對當(dāng)前編碼單元分塊模式的判斷方法。該方法借鑒了圖像處理中模板匹配的思想,有效地利用了已編碼的編碼單元相關(guān)信息。這些信息對當(dāng)前編碼單元分塊模式的選擇具有重要的參考價(jià)值。第三,提出了基于金字塔運(yùn)動(dòng)散度的幀間編碼單元快速選擇算法。首先,結(jié)合相鄰幀像素之間的運(yùn)動(dòng)特性和圖像相關(guān)模型,證明了幀間率失真代價(jià)與運(yùn)動(dòng)矢量方差之間的正相關(guān)關(guān)系,把編碼單元運(yùn)動(dòng)矢量方差的概念定義為運(yùn)動(dòng)散度。其次,設(shè)計(jì)了用于編碼單元分塊模型選擇的金字塔運(yùn)動(dòng)散度特征,以及基于下采樣光流估計(jì)的特征提取方法;最后,提出了基于近鄰搜索的幀間編碼單元快速選擇算法。該方法根據(jù)幀間預(yù)測的特點(diǎn),為幀間編碼單元快速選擇提供了相關(guān)特征,有效地降低了幀間編碼計(jì)算復(fù)雜度。第四,提出了基于馬爾科夫隨機(jī)場的幀間編碼單元快速選擇算法。首先,將編碼單元的選擇問題作為一個(gè)標(biāo)簽問題,并將編碼單元的分塊模式定義為一個(gè)馬爾科夫隨機(jī)場,然后用經(jīng)典的圖割理論來對編碼單元分塊模式進(jìn)行求解。其次,在運(yùn)動(dòng)散度特征的基礎(chǔ)上,分析得出絕對差值方差與率失真代價(jià)正相關(guān)關(guān)系,并依此設(shè)計(jì)了相關(guān)特征。最后,提出了基于率失真代價(jià)的最大后驗(yàn)方法,該方法對Unsplit編碼單元是否需要繼續(xù)按Split模式編碼進(jìn)行了判斷。馬爾科夫隨機(jī)場模型可以有效地將編碼單元的自身特征與起上下文信息有效地結(jié)合起來。最后,提出了基于雙層運(yùn)動(dòng)估計(jì)的幀間編碼單元快速選擇算法。首先,設(shè)計(jì)了一種雙層運(yùn)動(dòng)估計(jì)方法,該方法同時(shí)保存了編碼單元及其子編碼單元的絕對差值和代價(jià)。其次,定義了運(yùn)動(dòng)補(bǔ)償代價(jià)的概念及其指數(shù)表示模型,該模型的變量為運(yùn)動(dòng)估計(jì)絕對差值和以及量化參數(shù)。最后,通過運(yùn)動(dòng)補(bǔ)償代價(jià)模型推導(dǎo)編碼單元分塊模式的判斷閾值,提出了相應(yīng)的編碼單元快速選擇算法。該方法在編碼單元快速選擇中有效地利用潛在的子塊運(yùn)動(dòng)估計(jì)信息,降低了編碼的時(shí)間復(fù)雜度。此外,該方法為幀間編碼單元快速選擇在并行計(jì)算和硬件開發(fā)中提供了可行的解決方案。
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TN919.81

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前8條

1 劉志文;安興;李衡;時(shí)永剛;黃亞麗;楊婷;;顯微細(xì)胞圖像分析方法的研究進(jìn)展[J];北京理工大學(xué)學(xué)報(bào);2014年05期

2 趙會(huì)娟;賈夢宇;王微雅;曲們們;楊麗紅;劉們茜;侯強(qiáng);高峰;;用于宮頸癌篩查的光電聯(lián)合檢測系統(tǒng)[J];光子學(xué)報(bào);2015年04期

3 劉淑杰;陸惠天;李超;胡婭維;張洪潮;;Machinery Condition Prediction Based on Support Vector Machine Model with Wavelet Transform[J];Journal of Donghua University(English Edition);2014年06期

4 魏峻;;基于改進(jìn)的和聲搜索算法的特征基因選擇方法[J];河南科學(xué);2015年01期

5 黃道斌;葉明全;張玲;胡天寒;楊利;;一種基因表達(dá)數(shù)據(jù)的混合特征選擇方法[J];宿州學(xué)院學(xué)報(bào);2014年08期

6 張遠(yuǎn)鵬;董建成;錢旦敏;耿興云;吳輝群;王理;;醫(yī)院門戶網(wǎng)站門診專家信息的抽取研究[J];生物醫(yī)學(xué)工程學(xué)雜志;2015年06期

7 柳衛(wèi)東;;模糊線性方程組的基本迭代解法[J];西南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年04期

8 唐三;郭翌;汪源源;曹萬里;孫�？�;;基于增強(qiáng)CT圖像的腎上腺腫瘤分類[J];儀器儀表學(xué)報(bào);2014年S2期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前1條

1 張逸石;王騰;張子剛;;Feature Selection for Classification Using Data Envelopment Analysis[A];第十一屆全國博士生學(xué)術(shù)年會(huì)——信息技術(shù)與安全專題論文集[C];2013年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 吳蓉暉;基因數(shù)據(jù)信息分析方法及應(yīng)用研究[D];湖南大學(xué);2012年

2 劉亞杰;基于智能優(yōu)化算法的腫瘤微陣列基因表達(dá)數(shù)據(jù)分類研究[D];云南大學(xué);2014年

3 張彥瓊;基于系統(tǒng)生物學(xué)研究策略的肝細(xì)胞癌預(yù)測模型及肝臟綜合知識庫LiverAtlas的構(gòu)建[D];北京協(xié)和醫(yī)學(xué)院;2012年

4 姚蘭;支持向量機(jī)特征選擇中的L_p正則化方法研究[D];湖南大學(xué);2014年

5 李永強(qiáng);基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的人面部運(yùn)動(dòng)識別方法研究[D];哈爾濱工業(yè)大學(xué);2013年

6 吳慶耀;高維數(shù)據(jù)的若干分類問題及算法研究[D];哈爾濱工業(yè)大學(xué);2013年

7 謝瑩;低維低秩數(shù)據(jù)表達(dá)與嵌入[D];安徽大學(xué);2014年

8 毛志毅;基因表達(dá)數(shù)據(jù)基因篩選與近紅外光譜微量成分模型優(yōu)化方法研究[D];南開大學(xué);2014年

9 于會(huì)臻;油氣藏重磁異常識別與評價(jià)技術(shù)研究[D];中國石油大學(xué)（華東）;2012年

10 于天;基因特征的分類能力向量化表征與聚類方法研究[D];南開大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張曉龍;基于判別式K-SVD的車標(biāo)識別方法研究[D];廈門大學(xué);2014年

2 盧鶴鳴;基于多期CT圖像的常見肝臟疾病計(jì)算機(jī)輔助診斷系統(tǒng)[D];廈門大學(xué);2014年

3 周U，

本文編號：1214852