一种基于信源划分定理的小波帧内编码方法

本文在SPIHT算法的基础上，基于信源划分定理提出了一种新的小波系数量化编码算法。这种算法更好的利用了小波系数的统计特性，可以获得比SPIHT算法更高的压缩效率，并且能够产生完全嵌入码流。实验表明，这种算法非常适合于极低码率视编码的帧内编码，在相同压缩比下，能够取得比H.263 帧内编码器更好的重建图像质量。     

运动补偿预测残差稀疏重构的分布式压缩视频传感

针对低复杂度视频编码需求,基于压缩传感(CS：Compressive Sensing)理论,提出了一种分布式压缩视频传感算法。低复杂度的编码器独立随机投影关键帧和CS帧,采集压缩视频数据;在解码端进行运动补偿预测以利用帧间相关性,对预测残差稀疏重构实现CS帧重建。仿真测试表明,与现有的三种压缩视频传感算法相比,所提算法重建的视频质量更好,适合无线视频监控及无线视频传感网络等应用。     

运动补偿预测残差稀疏重构的压缩视频传感

针对低复杂度视频编码需求,基于压缩传感(Compressive Sensing,CS)理论,提出了一种分布式压缩视频传感算法。低复杂度的编码器独立随机投影关键帧和CS帧,采集压缩视频数据;在解码端进行运动补偿预测以利用帧间相关性,对预测残差稀疏重构实现CS帧重建。仿真测试表明,与现有的3种压缩视频传感算法相比,所提算法重建的视频质量更好,适合无线视频监控及无线视频传感网络等应用。     

基于图像预处理的视频降码率研究

针对高清视频编码的高码率问题,提出一种基于人脸感兴趣区域(Region Of Interest,ROI)检测和运动区域检测的滤波预处理算法,在保持视频清晰度的同时,极大地降低视频码率.实验结果表明,所提算法实现了视频码率下降15％～25％的效果;和相同码率的视频相比,经过该算法预处理的视频清晰度有明显提高.该预处理算法不依赖于指定编码器,具有很好的可移植性,在视频会议等场景有很大的应用潜力.     

基于感兴趣区域的高性能视频编码帧内预测优化算法

针对高性能视频编码(HEVC)帧内预测编码算法复杂度较高的问题,该文提出一种基于感兴趣区域的高性能视频编码帧内预测优化算法。首先,根据图像显著性划分当前帧的感兴趣区域(ROI)和非感兴趣区域(NROI);然后,对ROI基于空域相关性采用提出的快速编码单元(CU)划分算法决定当前编码单元的最终划分深度,跳过不必要的CU划分过程;最后,基于ROI采用提出的预测单元(PU)模式快速选择算法计算当前PU的能量和方向,根据能量和方向确定当前PU的预测模式,减少率失真代价的相关计算,达到降低编码复杂度和节省编码时间的目的。实验结果表明,在峰值信噪比(PSNR)损失仅为0.0390 dB的情况下,所提算法可以平均降低47.37%的编码时间。     

低码率下基于ROI与JND的分级量化方法

传统基于人眼感兴趣区域(ROI)的分级量化模型,将视频帧划分为ROI区域和非ROI区域,对相应区域用不同的量化参数(QP)进行量化,以提升视频的主观质量.而该模型没有考虑ROI区域的内部特性,不能很好地符合人眼视觉特性(HVS).针对低码率条件下以人脸为主体的桌面视频、手持终端等场景,提出一种基于ROI和恰可观测失真(JND)的分级量化方法.JND模型表明边界区域相对平滑区域能够隐藏更多的失真,利用该属性检测出ROI区域(即人脸)中人眼更感兴趣的边界部分(例如眼睛、鼻子、嘴巴等),据此建立基于ROI与JND的分级量化模型,指导各区域的量化.实验结果表明,针对低码率视频的应用,与传统分级量化方法相比,本文所提方法在相同码率条件下能明显提升视频的主观质量.     

基于多级位平面混合交错的ROI图像编码

针对JPEG2000标准中定义的两种感兴趣区域编码算法的缺点,文中提出了多级位平面混合交错法MBCIShift.该法把ROI与背景区域划分为6部分,通过调整各部分的参数,来实现位平面的偏移.实验表明:用该算法重建的图像质量比用最大偏移法在相同解码率下有更好的图像质量,并且能根据不同优先级,对一幅图像的多感兴趣区域进行有效的编码.     

一种嵌入式头肩图像编码方法

头肩序列图像是可视电话、会议电视等视频业务中常见的一种图像模式.本文将SPIHT算法与人脸检测算法相结合,提出一种嵌入式的头肩图像编码方法.首先采用人脸检测技术确定头肩图像中的人脸区域;然后产生人脸区的掩膜,并对LL子带中人脸区掩膜内的小波系数进行定标,以保证人脸区的小波系数能优先编码;最后采用SPIHT算法对人脸区和背景区进行编码.实验结果表明,与原来的SPIHT方法相比,这种方法可以保证人脸区域的重建质量好于背景区的重建图像.同时压缩后的码流仍然具有嵌入的特性,支持渐进传输.     

一种基于立体视邻接帧时空相关性的最小代价函数帧估计算法

为了在立体视频序列编码中获得高的压缩率,需要对立体视频序列中一个视的序列按传统方法进行独立编码;另一个视的序列中,只对其中一些参考帧(I帧或P帧)按视差补偿预测的方法进行编码,其余帧不进行编码和传输,而在解码端用立体视帧估计的方法得到重建.本文提出了一种基于立体视中邻接帧在图像、视差场和运动矢量场之间高度相关性的方法.对于因遮挡而缺乏估计的区域,则结合了图像强度的连续性和运动,视差矢量的分布特性,构造了代价方程并估计出该部分的运动矢量及强度值.实验证明,重建出来的帧图像在视觉和信噪比意义上均具有较好的效果.     

一种低复杂度的多参考帧选择率失真优化方法

视频在无线易错信道上传输,报文丢失会导致图像质量显著下降。多参考帧选择方法可以降低误码扩散,从而提高误码信道上传输视频的图像质量。但是参考帧选择方法也使得编码器计算复杂度大大增加。基于多参考帧选择技术提出一种低复杂度的率失真优化方法。该方法首先在编码器上重建误码图像,使得编码器和解码器上的参考图像一致,然后利用端到端率失真优化模型,在重建的误码图像与编码图像的上一帧图像中选择最优的参考帧。在进行率失真计算时,采用线性预测方法计算运动补偿后图像差值的方差,减少了运动估计运算,从而大大降低计算复杂度。实验结果表明相对于帧内刷新方法该方法显著提高图像质量,相对于一般多参考帧选择方法,在损失很小性能的情况下,大大降低了计算复杂度。