高效视频编码关键技术研究

发布时间：2017-11-22 13:21

  本文关键词：高效视频编码关键技术研究

  更多相关文章： 高效视频编码 视频编码 帧内预测 帧间预测 运动估计

【摘要】：随着多媒体技术和网络通信技术的快速发展,视频多媒体应用已经覆盖了人类生活的各个方面。大量的视频应用产生了海量的视频数据,尤其是近年来高清和超高清视频应用越来越广泛,相比于标清视频,高清视频分辨率更高、画面更清晰,但是数据量更大。如果未经压缩,这些视频将很难应用于实际的存储和传输。因此视频压缩编码技术是视频应用中的一项关键技术。视频数据量的增大使得现有的编码标准不能适应现实的应用需求。为此,ITU-T和ISO/IEC联合制定了新一代视频编码标准HEVC。相比于以往的标准,HEVC具有更高的压缩效率和更优的画面质量,所以该标准具有十分广阔的应用前景。然而,HEVC在获得高效的编码性能的同时也带来了巨大的编码复杂度,严重影响了该标准的应用和推广。因此,在保持HEVC编码性能的前提下,有效降低编码计算复杂度是该标准获得成功的关键因素,也是高清视频技术大规模应用的迫切需求。由于编码单元的编码几乎包括了HEVC中所有的编码模块,对编码单元的选择占用了HEVC绝大部分的编码时间,因此为降低HEVC的编码复杂度,本文重点针对其中的帧内编码单元选择和帧间编码单元选择等关键技术进行了研究,主要研究成果包括:第一,提出了基于非归一化梯度直方图码书的帧内编码单元快速选择算法。首先,通过图像相关模型分析了帧内率失真代价与图像最强相关方向相关系数之间的关系,确立了帧内编码单元分块模式与非归一化梯度直方图之间的相关性,定义了非归一化梯度直方图特征。其次,设计了基于模糊聚类的码书训练方法,并提出了基于该码书的帧内编码单元快速选择算法。该方法根据帧内预测的特点,为帧内编码单元快速选择提供了相关特征,平均节省百分之三十的编码时间。第二,利用非归一化梯度直方图特征,提出了基于模板匹配的帧内编码单元快速选择算法。设计了先入先出队列的编码单元编码信息保存机制,以及近邻相似编码单元对当前编码单元分块模式的判断方法。该方法借鉴了图像处理中模板匹配的思想,有效地利用了已编码的编码单元相关信息。这些信息对当前编码单元分块模式的选择具有重要的参考价值。第三,提出了基于金字塔运动散度的帧间编码单元快速选择算法。首先,结合相邻帧像素之间的运动特性和图像相关模型,证明了帧间率失真代价与运动矢量方差之间的正相关关系,把编码单元运动矢量方差的概念定义为运动散度。其次,设计了用于编码单元分块模型选择的金字塔运动散度特征,以及基于下采样光流估计的特征提取方法;最后,提出了基于近邻搜索的帧间编码单元快速选择算法。该方法根据帧间预测的特点,为帧间编码单元快速选择提供了相关特征,有效地降低了帧间编码计算复杂度。第四,提出了基于马尔科夫随机场的帧间编码单元快速选择算法。首先,将编码单元的选择问题作为一个标签问题,并将编码单元的分块模式定义为一个马尔科夫随机场,然后用经典的图割理论来对编码单元分块模式进行求解。其次,在运动散度特征的基础上,分析得出绝对差值方差与率失真代价正相关关系,并依此设计了相关特征。最后,提出了基于率失真代价的最大后验方法,该方法对Unsplit编码单元是否需要继续按Split模式编码进行了判断。马尔科夫随机场模型可以有效地将编码单元的自身特征与起上下文信息有效地结合起来。最后,提出了基于双层运动估计的帧间编码单元快速选择算法。首先,设计了一种双层运动估计方法,该方法同时保存了编码单元及其子编码单元的绝对差值和代价。其次,定义了运动补偿代价的概念及其指数表示模型,该模型的变量为运动估计绝对差值和以及量化参数。最后,通过运动补偿代价模型推导编码单元分块模式的判断阈值,提出了相应的编码单元快速选择算法。该方法在编码单元快速选择中有效地利用潜在的子块运动估计信息,降低了编码的时间复杂度。此外,该方法为帧间编码单元快速选择在并行计算和硬件开发中提供了可行的解决方案。
【学位授予单位】：电子科技大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TN919.81

【共引文献】

中国期刊全文数据库 前8条

1 刘志文;安兴;李衡;时永刚;黄亚丽;杨婷;;显微细胞图像分析方法的研究进展[J];北京理工大学学报;2014年05期

2 赵会娟;贾梦宇;王微雅;曲們們;杨丽红;刘們茜;侯强;高峰;;用于宫颈癌筛查的光电联合检测系统[J];光子学报;2015年04期

3 刘淑杰;陆惠天;李超;胡娅维;张洪潮;;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;;基于改进的和声搜索算法的特征基因选择方法[J];河南科学;2015年01期

5 黄道斌;叶明全;张玲;胡天寒;杨利;;一种基因表达数据的混合特征选择方法[J];宿州学院学报;2014年08期

6 张远鹏;董建成;钱旦敏;耿兴云;吴辉群;王理;;医院门户网站门诊专家信息的抽取研究[J];生物医学工程学杂志;2015年06期

7 柳卫东;;模糊线性方程组的基本迭代解法[J];西南民族大学学报(自然科学版);2014年04期

8 唐三;郭翌;汪源源;曹万里;孙福康;;基于增强CT图像的肾上腺肿瘤分类[J];仪器仪表学报;2014年S2期

中国重要会议论文全文数据库 前1条

1 张逸石;王腾;张子刚;;Feature Selection for Classification Using Data Envelopment Analysis[A];第十一届全国博士生学术年会——信息技术与安全专题论文集[C];2013年

中国博士学位论文全文数据库 前10条

1 吴蓉晖;基因数据信息分析方法及应用研究[D];湖南大学;2012年

2 刘亚杰;基于智能优化算法的肿瘤微阵列基因表达数据分类研究[D];云南大学;2014年

3 张彦琼;基于系统生物学研究策略的肝细胞癌预测模型及肝脏综合知识库LiverAtlas的构建[D];北京协和医学院;2012年

4 姚兰;支持向量机特征选择中的L_p正则化方法研究[D];湖南大学;2014年

5 李永强;基于动态贝叶斯网络的人面部运动识别方法研究[D];哈尔滨工业大学;2013年

6 吴庆耀;高维数据的若干分类问题及算法研究[D];哈尔滨工业大学;2013年

7 谢莹;低维低秩数据表达与嵌入[D];安徽大学;2014年

8 毛志毅;基因表达数据基因筛选与近红外光谱微量成分模型优化方法研究[D];南开大学;2014年

9 于会臻;油气藏重磁异常识别与评价技术研究[D];中国石油大学（华东）;2012年

10 于天;基因特征的分类能力向量化表征与聚类方法研究[D];南开大学;2014年

中国硕士学位论文全文数据库 前10条

1 张晓龙;基于判别式K-SVD的车标识别方法研究[D];厦门大学;2014年

2 卢鹤鸣;基于多期CT图像的常见肝脏疾病计算机辅助诊断系统[D];厦门大学;2014年

3 周U，

本文编号：1214852