采用灰度共生矩阵进行深度预判的3D-HEVC深度图帧内快速编码算法
本文关键词: D-HEVC 深度图帧内编码 灰度共生矩阵 出处:《信号处理》2017年03期 论文类型:期刊论文
【摘要】:针对3D视频的3D-HEVC编码标准以多视点纹理视频和深度视频格式进行编码,其深度图编码仍延续纹理视频编码的模式和编码尺寸遍历选择,使得3D-HEVC的编码复杂度居高不下。为进一步减少3D-HEVC编码复杂度,本文针对深度图帧内预测编码,采用灰度共生矩阵对深度图中的CTU进行计算,统计并分析其矩阵中非零值个数与CTU分割深度的关系,根据非零值个数分布规律,设定阈值,使得帧内编码时可以预判编码模块的分割深度,从而选择性跳过部分不同深度CU的帧内预测过程。经过HTM-16.0测试平台的检验,本算法在全帧内编码模式下,测试序列合成视点比特率仅增加0.08%的同时,平均节省了16.8%的编码时间,与其他同类较新算法在HTM-16.0平台上的性能比较也有一定的优势。
[Abstract]:The 3D-HEVC coding standard for 3D video is based on multi-view texture video and depth video format, and its depth map coding still extends the pattern and size traversal selection of texture video coding. In order to further reduce the coding complexity of 3D-HEVC, this paper focuses on the intra prediction coding of depth map. The CTU in depth map is calculated by gray level co-occurrence matrix, and the relationship between the number of non-zero values of matrix and the depth of CTU segmentation is analyzed, and the threshold is set according to the distribution of non-zero values. In order to prejudge the segmentation depth of the coding module, the intra-frame prediction process of CU with different depths can be selectively skipped. The test platform of HTM-16.0 has been tested. In the full-frame coding mode, the test sequence synthesis view bit rate is only increased by 0.08%, and the average coding time is saved by 16.8%. Compared with other similar algorithms on the HTM-16.0 platform, the performance of the algorithm also has some advantages.
【作者单位】: 华侨大学信息科学与工程学院厦门市移动多媒体通信重点实验室;
【基金】:国家自然科学基金(61401167,61372107) 福建省自然科学基金(2016J01308) 华侨大学中青年教师科研提升资助计划(ZQN-YX403);华侨大学高层次人才资助项目(600005-Z16X011);华侨大学研究生科研创新能力培育计划资助项目
【分类号】:TN919.81
【正文快照】: 1引言随着人们对视频体验真实感和浸入感的需求,3D视频技术发展迅速,针对3D视频编码技术的研究也逐步成为学术界和产业界研究的新热点[1],2013年4月,MPEG和ITU-T成立了联合专家组,Joint Collaborative Team on 3D Video CodingExtension Development(JCT-3V),对新一代的高效视
【相似文献】
相关期刊论文 前10条
1 苏静;黎明;;基于灰度共生矩阵的金属断口图像的分类研究[J];计算机工程与应用;2008年09期
2 高士忠;卢易枫;蔡振伟;党霞;;基于灰度共生矩阵的帘子布疵点检测研究[J];电子技术应用;2008年01期
3 郭森;严和平;柳伟;;基于灰度共生矩阵的密集人群人数估计[J];计算机工程与应用;2008年28期
4 张航;颜永丰;;基于小波灰度共生矩阵的植物分类研究[J];计算机工程与设计;2012年12期
5 魏建亮;邢济收;;基于灰度共生矩阵的车刀车削工件表面纹理分析[J];机械制造与自动化;2009年01期
6 徐秋景;戚大伟;;基于灰度共生矩阵的东北虎纹理特征参数[J];东北林业大学学报;2009年07期
7 张静;刘雨东;史晓陶;翟春平;;基于灰度共生矩阵的舰船噪声特征提取方法研究[J];舰船电子工程;2011年06期
8 许舒斐;吴淑莲;李晖;;基于灰度共生矩阵的人体皮肤纹理分析[J];激光生物学报;2011年03期
9 汪友生;吴焕焕;胡百乐;李亦林;陈建新;;基于灰度共生矩阵的动脉斑块图像特征分析[J];电子测量技术;2012年02期
10 杨子华;吴敏;刘t$;;基于灰度共生矩阵的笔迹识别[J];信息安全与通信保密;2006年06期
相关会议论文 前10条
1 王亚军;李德胜;苏少昌;王希军;;基于灰度共生矩阵的光盘测量[A];第十二届全国光学测试学术讨论会论文(摘要集)[C];2008年
2 黄勃;李乃民;刘春雨;张大鹏;王宽全;林晓东;张宏;王淑英;张宏志;;基于灰度共生矩阵的中医虚实证舌象分类研究[A];第一届全国中西医结合诊断学术会议论文选集[C];2006年
3 卢易枫;;基于灰度共生矩阵的金刚石瑕疵自动识别技术研究[A];经济策论(上)[C];2011年
4 赵亚伟;周晨波;王同乐;王刚;郭冰;刘华;;基于灰度共生矩阵的连续多幅非平面散斑图像特征研究[A];第十三届全国光学测试学术讨论会论文(摘要集)[C];2010年
5 陈明丽;黄咏红;单洁玲;杨永明;秦茜淼;王怡;;探讨适用于大鼠肝纤维化声像图纹理灰度共生矩阵分析的构造因子[A];2010年超声医学和医学超声论坛会议论文集[C];2010年
6 苏慧;费树岷;;基于多分辨率分析及灰度共生矩阵的织物纹理识别[A];第25届中国控制会议论文集(下册)[C];2006年
7 马德新;杨帆;侯景忠;高金乔;;基于灰度共生矩阵的掌纹识别技术研究[A];第六届全国信息获取与处理学术会议论文集(2)[C];2008年
8 高砚军;徐华平;;基于窗口自适应灰度共生矩阵的SAR图像分类[A];第六届全国信息获取与处理学术会议论文集(1)[C];2008年
9 蒋圣;羌鑫林;汪闽;;基于灰度共生矩阵改进的纹理分割算法[A];江苏省测绘学会2007年学术年会论文集[C];2008年
10 严洪;姚宇华;熊江辉;;基于灰度共生矩阵和分形的细胞骨架图像的分析[A];第十二届全国图象图形学学术会议论文集[C];2005年
相关博士学位论文 前2条
1 张娟;基于图像分析的梅花种类识别关键技术研究[D];北京林业大学;2011年
2 刘成霞;模拟实际着装的织物折皱测试及等级评价方法研究[D];浙江理工大学;2015年
相关硕士学位论文 前10条
1 袁森林;基于纹理分析的羊绒羊毛鉴别[D];东华大学;2016年
2 井寒;面向X光胸片的尘肺病灶辅助检测系统研究[D];西北大学;2015年
3 童逸舟;基于图像处理的智能割草机器人路径规划研究[D];浙江理工大学;2016年
4 杨龙飞;基于局部二值模式和灰度共生矩阵的纹理特征提取技术研究[D];兰州大学;2016年
5 李天棋;皮肤表面粗糙度检测技术的研究[D];东北林业大学;2016年
6 杨建;基于灰度共生矩阵的癌细胞识别技术研究[D];长春理工大学;2016年
7 王华峰;基于灰度共生矩阵的冲击断口形貌分析[D];济南大学;2016年
8 刘启全;基于线阵相机的哈密瓜分级机改进设计与试验研究[D];新疆农业大学;2016年
9 林泽通;利用CT影像的肺功能评估关键问题研究[D];东北大学;2011年
10 崔蕊;基于肝脏超声图像的脂肪肝计算机辅助诊断研究[D];南阳师范学院;2017年
,本文编号:1475839
本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/1475839.html