AVS到HEVC高效视频转码技术

发布时间：2017-05-06 11:13

  本文关键词：AVS到HEVC高效视频转码技术，由笔耕文化传播整理发布。

【摘要】：随着多媒体技术和互联网等的广泛应用和快速发展,在网络上传输各种视频数据已经成为现在网络技术发展的趋势,而由于网络带宽受限等原因,需要对原始视频数据进行压缩,因而出现了多种视频编码标准,包括MPEG-4、MPEG-2、H.264、AVS、HEVC等。由于存在多种多样的视频资源,不同的终端设备对视频码流的处理、显示和存储等方面的能力也不尽相同,用户在不同的场景下对视频的需求也会随之变化,因此需要视频转码技术来解决这些问题。HEVC是目前最新的视频编码标准,压缩效率比H.264等标准提高了约50%,也将会得到越来越广泛的应用。而AVS是我国自主研发的标准,也在不断的向前发展,近期又颁布了AVS2标准,说明了AVS在国内具有重要的影响力。为了使国内视频标准与国际视频标准兼容,本文研究了AVS到HEVC的高效视频转码技术主要从结合视觉特性和基于SVM两个方面进行了研究。基于视觉特性的AVS到HEVC视频转码技术,考虑了人眼视觉特性,结合了感兴趣区域提取算法以保证转码后视频具有较好的视频效果。算法主要分为两部分:感兴趣区域提取算法和快速转码算法。首先,提取出AVS中码流中的运动向量、预测模式和变换系数等编码信息,根据这些信息将视频划分成了三种区域,即最感兴趣区域(mostROI)、感兴趣区域(ROI)和最不感兴趣区域(lessROI)。然后,将检测的结果用于指导后续HEVC中转码流程。对不同感兴趣程度的区域采取不同复杂度的编码算法,从而在保证转码质量的同时,大大降低了计算复杂度,通过实验证明该算法能够节省平均50%以上的转码时间,同时PSNR降低不超过0.05dB,且转码后的视频具有较好的视觉效果。基于支持向量机(SVM,Support Vector Machine)的转码算法,将机器学习应用于AVS到HEVC的转码中,它考虑到了每个序列自身的特性。该算法将转码过程分为了两个阶段,即训练阶段和转码阶段,首先从AVS码流中提取出预测模式、运动向量和变换系数等特征信息,对需要转码的码流前面k帧进行训练,得到AVS中特征向量和HEVC中深度为0和1时CU划分的关系,在转码阶段可以直接用该模型进行预测划分,减少了复杂的迭代计算过程,同时再结合模式映射算法,也能够在保证视频质量下降不多的情况下,使转码速度平均提高约60%~70%。
【关键词】：AVS HEVC 视频转码 视觉特性 支持向量机
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP37;R339.14
【目录】：

• 摘要3-5
• ABSTRACT5-11
• 第一章 绪论11-20
• 1.1 研究背景11-12
• 1.2 国内外研究现状12-17
• 1.2.1 码率转换12-13
• 1.2.2 帧率转换13-14
• 1.2.3 空间分辨率转换14-15
• 1.2.4 语法转换15-17
• 1.3 本文研究内容及论文结构17-20
• 1.3.1 本文研究内容17-18
• 1.3.2 论文结构18-20
• 第二章 视频转码框架20-37
• 2.1 AVS和HEVC标准比较20-29
• 2.2 视频转码框架结构29-33
• 2.3 改进转码框架33-36
• 2.3.1 基于视觉特性的视频转码框架33-34
• 2.3.2 基于机器学习的视频转码技术34-36
• 2.4 本章小结36-37
• 第三章 结合视觉特性的AVS到HEVC转码算法37-52
• 3.1 感兴趣区域提取37-42
• 3.2 快速转码算法42-47
• 3.2.1 SKIP和Inter模式映射算法42-45
• 3.2.2 基于感兴趣区域的转码算法45-47
• 3.3 实验结果及分析47-51
• 3.3.1 实验条件47-48
• 3.3.2 实验结果及分析48-51
• 3.4 本章小结51-52
• 第四章 基于SVM的AVS到HEVC转码算法52-63
• 4.1 AVS到HEVC特征向量提取52-56
• 4.2 基于SVM的快速转码56-58
• 4.3 实验结果及分析58-61
• 4.3.1 实验条件58
• 4.3.2 实验结果58-61
• 4.4 本章小结61-63
• 第五章 总结及展望63-65
• 参考文献65-71
• 致谢71-72
• 攻读硕士研究生期间的主要研究成果72-74

【相似文献】

中国重要会议论文全文数据库 前3条

1 杨君蔚;杨雪;丁君;刘欣s，

本文编号：348305