面向高动态范围视频的高效编码算法研究

发布时间：2021-06-26 05:36

　　随着视频技术的发展,高动态范围视频给视频的采集、压缩、传输等带来巨大挑战。高动态范围视频是一种新类型的视频,已有的编码器并未针对其特性降低编码复杂度。同时,大部分显示器无法支持高动态范围视频,因此视频的传输系统需要提供高动态范围视频和低动态范围版本的视频。可分级编码框架可以同时编码高动态范围视频和相应的低动态范围视频,但是编码的复杂度则增加了一倍。高动态范围视频采用了新的数据格式,比特深度超过了8比特。然而,大部分视频的色度信息极为集中,导致色度分量在使用码字表示时仅使用了可用码字的一部分。使用更多可用码字记录色度分量,便能更精细地用保留原始视频的色度信息。我们对高动态范围视频的压缩技术进行了研究,主要研究成果如下:1、在可分级框架中,提出了一种高动态范围视频的快速编码算法。首先,研究了低动态范围视频和高动态范围视频的生成过程及其视频内容的特性。然后,分析了帧内模式编码下高动态范围视频和低动态范围视频的最优编码单元划分结果之间的相关性。最终,提出了利用高动态范围视频的相邻编码单元信息和同一位置的低动态范围视频编码单元信息来确定当前编码单元深度范围的算法。同时,还提出了一种基于支持向量机... 

【文章来源】：上海大学上海市 211工程院校

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

多层编码框架

范围视频由于其逼真的视觉体验，在市场和日常生活中越来越引起人们的关注。(a) (b)图2-1 高动态范围图片(a) 多曝光合成的高动态范围照片 (b) 计算机生成的高动态范围照片为了获取一张高动态范围的照片，往往需要拍摄一系列不同曝光时间的照片[26][27]。当曝光时间较短时，照片能够记录明亮区域的细节。随着曝光时间的增加，照片能够记录黑暗的区域中的细节。利用一系列不同曝光时间的照片，便能得到各个明暗区域中的细节，将各个区域的细节尽可能融合到一张照片里则能生成一张高动态范围的图像。除了以上提到的方法，高动态范围的图片也可以使用计算机合成。图 2-1 展示了两张不同的高动态范围图片。在图 2-1(a)中，不论是街道两旁明亮的建筑还是阴影中的物体，人眼都能看见丰富的纹理。在图 2-1(b)中，可以看见岩浆两侧的形状和纹理。由图 2-1 可知

图 2-2 基于四叉树的循环分层结构CU 是 HEVC 编码器中进行帧内预测、帧间预测等处理的基本单元，最大U 尺寸为 ，最小的 CU 尺寸为 t t。当视频内容变化相对平稳时器会使用大尺寸的编码单元。当视频纹理复杂或者帧间内容变化较大时，器会采用较小的编码单元，从而提高编码器的预测效率，降低残差，尽可保持了图像细节。CU 一共支持四种不同的尺寸，且每种 CU 的尺寸对应的的划分深度， 尺寸的 CU 对应的划分深度为 0，3 3 尺寸的 C的划分深度为 1， 尺寸的 CU 对应的划分深度为 2，t t 尺寸的对应的划分深度为 3。为了选取最优的 CU 尺寸，编码器尝试所有的编码单元尺寸，计算编码代小时的CU尺寸。编码代价也就是率失真代价RD cos（tRate Distortion Cost价主要考虑编码所需的比特和编码引入的失真。计算率失真代价的公式可示为： = u l （2-10）


本文编号：3250734