高效低复杂度三维视频编码技术研究

发布时间：2017-04-11 11:14

  本文关键词：高效低复杂度三维视频编码技术研究，，由笔耕文化传播整理发布。

【摘要】：当前,三维视频以其逼真的临场感以及交互性的特点受到了人们越来越多的青睐。然而,当前主流的多视点加深度三维视频解决方案包含多个视点的纹理与深度数据,巨大的数据量及编码复杂度给三维视频的实时编码,传输和播放带来了巨大的挑战。三维视频的高效低复杂度编码一直是三维视频编码的一个重要课题,这个课题的研究对三维视频的商业化推广具有重大意义。3D-HEVC是下一代视频编码标准HEVC的三维视频扩展部分,其采用的正是多视点加深度的三维视频技术。本文在分析三维视频编码的研究现状和存在问题的基础上,着重研究3D-HEVC中深度图像帧内预测编码技术:深度模型编码(Depth Modeling Mode,DMM)、区域边界链(Region Boundary Chain,RBC)编码和纹理、深度图像编码过程中的编码块结构特性及其结构相似性,对上述编码技术进行算法复杂度优化,从而实现高效编码。本文主要研究内容如下:针对纹理、深度图像中重要的边缘信息建立边缘模型,提取出对编码过程具有指导意义的边缘方向、边缘长度、边缘有效性等重要参数,同时利用纹理、深度图像之间存在的结构性冗余,对纹理、深度图像CU、PU遍历过程进行指导,大幅度降低了三维视频编码中纹理、深度视频编码时间,同时保证了三维视频的编码效率。根据深度图像特性以及DMM模式本身的技术原理,提出了一种深度图的快速自适应帧内预测模式选择算法。该算法首先对深度图像编码块进行简单的纹理复杂度判断,对处于同一深度的平坦块跳过针对边缘区域设计的DMM和RBC模式;同时根据帧内预测编码过程中模式粗选过程选出的最优预测方向对当前编码块的边缘方向性进行判断,从而仅对DMM模式中与最优预测方向具有方向一致性的直接Wedgelet搜索模板进行搜索,大大降低了编码复杂度。
【关键词】：3D-HEVC 深度编码 DMM 边缘建模 编码复杂度
【学位授予单位】：上海大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN919.81
【目录】：

• 摘要6-7
• ABSTRACT7-11
• 第一章 绪论11-22
• 1.1 选题的背景和意义11-12
• 1.2 三维视频系统概述12-16
• 1.2.1 双目立体视频系统12-13
• 1.2.2 多视点视频系统13-15
• 1.2.3 多视点加深度视频15-16
• 1.3 国内外研究概况16-20
• 1.3.1 HEVC快速编码算法17-18
• 1.3.2 深度视频快速算法18-19
• 1.3.3 纹理深度联合快速编码19-20
• 1.4 论文的主要研究内容20-22
• 第二章 三维视频编码相关技术概述22-40
• 2.1 HEVC关键技术概述22-32
• 2.1.1 HEVC编码框架22-23
• 2.1.2 HEVC编码块结构分析23-27
• 2.1.2.1 编码树单元23
• 2.1.2.2 编码单元23-25
• 2.1.2.3 预测单元25-26
• 2.1.2.4 变换单元26-27
• 2.1.2.5 几种单元的关系27
• 2.1.3 HEVC预测编码27-30
• 2.1.3.1 帧内预测28-29
• 2.1.3.2 帧间预测29-30
• 2.1.4 HEVC编码复杂度分析30-32
• 2.2 3D-HEVC视频编码技术32-39
• 2.2.1 3D-HEVC编码框架32
• 2.2.2 依赖视点预测技术32-35
• 2.2.2.1 视差补偿预测33
• 2.2.2.2 视间运动参数预测33-35
• 2.2.3 深度图像编码35-38
• 2.2.3.1 深度图像特性35-36
• 2.2.3.2 深度模型编码DMM(Depth Modeling Mode)36-38
• 2.2.3.3 区域边界链编码RBC模式38
• 2.2.4 3D-HEVC视频编码技术分析38-39
• 2.3 本章小结39-40
• 第三章 基于边缘建模的纹理深度联合快速编码40-51
• 3.1 引言40-41
• 3.2 三维视频编码结构41-42
• 3.3 基于边缘建模的纹理深度联合快速编码42-48
• 3.3.1 Canny边缘检测42-43
• 3.3.2 边缘建模43-45
• 3.3.3 纹理深度联合快速编码快速编码框架45-48
• 3.4 实验结果及分析48-50
• 3.5 本章小结50-51
• 第四章 深度图的快速自适应帧内预测模式选择算法51-64
• 4.1 引言51-52
• 4.2 DMM与RBC复杂度分析52-54
• 4.3 DMM与RBC平坦性、方向性分析54-58
• 4.3.1 DMM与RBC平坦性分析54-55
• 4.3.2 Wedgelet模板方向性分析55-58
• 4.4 快速自适应帧内预测模式选择算法58-60
• 4.5 实验结果60-63
• 4.6 本章小结63-64
• 第五章 总结与展望64-66
• 5.1 总结64
• 5.2 展望64-66
• 参考文献66-71
• 作者在攻读硕士学位期间公开发表的论文71-72
• 致谢72

【相似文献】

中国期刊全文数据库 前10条

1 赵翠莲;施晓磊;荣坚;范志坚;;基于坐标轴投影勘察的深度图像树型分割[J];光学精密工程;2011年06期

2 许小艳;廖晓峰;刘然;易琳;张小云;;基于深度图像绘制的视图合成[J];系统仿真学报;2011年10期

3 江文婷;龚小谨;刘济林;;颜色指导的深度图像升采样算法的对比性研究[J];杭州电子科技大学学报;2014年01期

4 张涛,平西建,柳葆芳,邵美珍;一种深度图像中的表面曲率估计算法[J];数据采集与处理;2001年01期

5 谢凯,汤晓安,郝建新,蔡宣平;一种基于多幅深度图像的混合建模方法[J];小型微型计算机系统;2003年01期

6 娄嘉鹏,李德华,吴险峰,薛雷;深度图像的平滑[J];计算机与数字工程;2003年01期

7 代明睿;张晓鹏;李红军;;基于高噪声深度图像的树木模型重建[J];中国体视学与图像分析;2010年02期

8 杜霄鹏;郝建平;李星新;杨俊;;基于单一深度图像的人体姿态实时识别技术研究[J];计算机与现代化;2012年04期

9 罗莎莎;郭太良;;一种二维图像序列的深度图像生成方法[J];计算机与现代化;2012年05期

10 林鹏;张超;李竹良;赵宇明;;基于深度图像学习的人体部位识别[J];计算机工程;2012年16期

中国重要会议论文全文数据库 前2条

1 孙晓兰;赵惠洁;祝世平;;基于深度图像的边缘检测方法研究[A];2004全国光学与光电子学学术研讨会、2005全国光学与光电子学学术研讨会、广西光学学会成立20周年年会论文集[C];2005年

2 徐秀英;刘卓;王博亮;;一种基于三角函数的深度图像曲面拟合方法[A];第十二届全国图象图形学学术会议论文集[C];2005年

中国重要报纸全文数据库 前1条

1 深圳商报记者 徐明天　实习生 桂馨;电视机可借助电力线上网[N];深圳商报;2010年

中国博士学位论文全文数据库 前5条

1 李世飞;基于深度图像的三维目标识别技术研究[D];国防科学技术大学;2010年

2 丁雅斌;隐式表达三维模型流水线的关键技术研究[D];天津大学;2007年

3 许小艳;多视点视频中的视图合成[D];重庆大学;2011年

4 丁益洪;立体足迹三维曲面分割与识别[D];解放军信息工程大学;2005年

5 谭筠;结构化环境下基于信息融合的道路场景感知技术研究[D];国防科学技术大学;2014年

中国硕士学位论文全文数据库 前10条

1 杨艳;基于深度图像的三维重建方法研究[D];北京建筑大学;2015年

2 王国强;基于深度图像的人体部位识别及动作识别[D];华南理工大学;2015年

3 庞云冲;基于机器学习思想的深度图像遮挡边界检测方法研究[D];燕山大学;2015年

4 张博文;基于深度图的驾驶员头部姿态分析[D];大连海事大学;2015年

5 张云丽;基于深度图像的玉米品种识别研究[D];河北农业大学;2015年

6 斯晓华;高效低复杂度三维视频编码技术研究[D];上海大学;2015年

7 周颖;深度图像的获取及其处理[D];西安电子科技大学;2008年

8 曾丽丽;基于深度图像信息的最佳观测方位研究[D];燕山大学;2010年

9 林鹏;基于深度图像学习的人体部位识别[D];上海交通大学;2012年

10 郑杨;基于深度图像的手部运动状态捕捉[D];浙江大学;2013年

  本文关键词：高效低复杂度三维视频编码技术研究，由笔耕文化传播整理发布。

本文编号：298977