结合预处理的深度视频帧内快速编码算法

发布时间：2018-01-27 11:19

本文关键词： 深度视频 D高效视频编码(D-HEVC) 帧内编码反向传播神经网络(BPNN)　出处：《光电子·激光》2017年10期 　论文类型：期刊论文

【摘要】：多视点彩色加深度(MVD)视频是三维(3D)视频的主流格式。在3D高效视频编码中,深度视频帧内编码具有较高的编码复杂度;深度估计软件获取的深度视频由于不够准确会使深度图平坦区域纹理增加,从而进一步增加帧内编码复杂度。针对以上问题,本文提出了一种联合深度处理的深度视频帧内低复杂度编码算法。首先,在编码前对深度视频进行预处理,减少由于深度图不准确而出现的纹理信息;其次,运用反向传播神经网络(BPNN,backpropagation neural network)预测最大编码单元(LCU,largest coding unit)的最大划分深度;最后联合深度视频的边缘信息及对应的彩色LCU最大划分深度进行CU提前终止划分和快速模式选取。实验结果表明,本文算法在保证虚拟视点质量的前提下,BDBR下降0.33%,深度视频编码时间平均节省50.63%。
[Abstract]:Multi-view color plus depth MVD video is the mainstream format of 3D video. In 3D efficient video coding, deep video intra coding has high coding complexity. The depth video obtained by depth estimation software will increase the texture of the flat area of depth map because of the inaccuracy, which will further increase the intra coding complexity. In this paper, a low complexity coding algorithm for deep video is proposed. Firstly, the depth video is preprocessed before coding to reduce the texture information due to the inaccuracy of depth map. Secondly, BP neural network (BP) is used to predict the maximum coding unit (LCU). The maximum division depth of largest coding unit; Finally, the edge information of the depth video and the corresponding maximum depth of color LCU are combined to terminate the division ahead of time and select the fast mode. The experimental results show that. Under the premise of guaranteeing the quality of virtual view, the algorithm reduces BDBR by 0.33 and saves an average of 50.63 in depth video coding time.
【作者单位】：宁波大学信息科学与工程学院;
【基金】：国家“863”计划(2015AA015901) 国家自然科学基金(61771269,61620106012,61671258,U1301257) 浙江省自然科学基金(LY15F010005LY17F010005,LY16F010002) 宁波大学科研基金(理)/学科项目(xkxl1502)资助项目
【分类号】：TN919.81
【正文快照】： 1引言基于多视点彩色加深度(MVD)格式的自由视点视频系统(FVV)[1]是三维(3D)视频的主要实现方式。在FVV系统中,深度视频表示场景的几何信息[2]。相对于彩色视频,深度视频的纹理更加简单,信息量更少,但边缘信息更为重要。目前的深度视频主要通过深度估计软件获取[3],这种方式获

【相似文献】