一种基于ρ域的新码率模型

视频编码中的码率模型是表示一帧图像的编码比特数的数学函数表达式,是码率控制技术研究的重点。常用码率模型都是在寻找量化步长Q和码率R之间的关系,用信源的统计特性描述视频数据,并分析、模拟编码算法,为了提高码率估计精度,码率模型就变得特别复杂进而导致码率控制不稳定;但简单模型的精度又低。文献[3]从量化步长与非零系数的角度提出了线性的码率控制模型,能简单精确地进行码率控制。但没有考虑非零系数的大小、头信息及线性模型的常数项,且其参数数更新粗糙。针对这些问题提出新的码率模型和线性回归的精确参数更新算法。实验结果表明,提出的算法比TMN8算法能将PSNR提高0.1 dB左右,且性能稳定。     

面向H.264标准的改进码率控制方法

为降低H.264/AVC编码器码率控制的计算复杂度,提高码率估计的精确性和视频输出质量,提出了一种简单高效的率失真码率控制方法.基于残差信息服从拉普拉斯分布的假设,推导出精确的率失真模型.并利用线性模型和二次模型拟合率失真曲线,得到优化的R-1/Q和D-Q模型,极大地降低了算法的计算负担,而头信息预测模型的引入进一步提高总码率估计的精确性.自适应的分配各层目标码率,确定最优的量化参数.实验结果表明,与JVT-G012码率控制算法相比,该算法获得更高的编码效率,视频解码质量更加平稳,输出码率更精确.     

基于Cauchy分布的H.264/AVC码率控制优化算法

由于通信信道带宽有限,有必要对视频编码的输出码率进行控制。通过引入能量均方误差(EMSE),进行视频序列统计分析,建立了一种简单的线性图像失真模型,并基于编码器中量化系数的概率分布特性,提出了改进的Cauchy分布码率模型,然后利用Lagrangian方法实现了率失真优化的位分配。实验结果表明,与H.264参考软件所采用的JVT-G012算法相比,该算法提高了码率控制精度和峰值信噪比,从而改善了解码图像的质量。     

基于双模预测的精确码率控制

精确的码率控制是进行高效视频编码与传输的关键。针对现有码率控制技术的不足,提出了在视频编码中采用两个率失真模型进行码率预测的思想以提高码率控制的精度。对H.264的G012码率控制框架进行改进,给出一种基于双模预测的自适应码率控制方法。实验仿真结果显示,与传统的单模码率控制方法相比,基于双模预测的码率控制算法能保证在不影响编码质量的前提下有效地提高码率控制的精度。     

一种简单有效的帧层码率控制策略

H.264/AVC码率控制算法对运动剧烈及存在场景切换的视频序列存在着码率控制不够精确,视频图像PSNR值波动较大的问题.本文提出了一种简单有效的帧层码率控制算法,通过改变传统的目标缓冲级别设置平滑PSNR值波动,并充分利用已编码帧信息对当前帧计算出的量化参数进行调整,有效控制码率.实验结果表明:与H.264/AVC原算法相比,本文算法在精确控制码率的同时平均PSNR值也有一定的提高.     

一种线性视频编码码率控制方法

利用ρ域的线性码率模型,提出了一种高效的线性视频编码码率控制方法.该方法包括改进的帧级比特分配和宏块级码率控制两部分,并首先介绍了ρ域的线性码率模型;然后在图象层根据线性码率模型对帧的编码复杂度进行预测,并根据复杂度进行准确的帧级比特分配;在宏块级,则根据宏块特性,提出自适应的ρ域量化级选取算法,以用其准确控制比特数;最后提出完整的线性码率控制算法.实验证明,用该方法码率控制得非常准确,并可以将码率误差控制在2%以内,而且图象质量比TM5有了明显提高,在相同的目标码率下,其恢复图象的PSNR平均提高0.8～1.7dB.     

一种有效的初始量化参数选择算法

在网络环境中,码率控制是影响数字视频质量的重要机制之一。针对提案JVT-G012算法中I帧量化参数选择的不合理造成的视频图像质量(PSNR)低、波动大的问题,提出了一种基于R-Q模型的I帧量化参数选择算法。首先,通过曲线拟合得到I帧的R-Q模型;其次,利用已编码帧的信息更新I帧相对于P帧的权重,为I帧分配合理的目标比特数;最后,在该目标比特下由R-Q模型计算得到I帧量化参数。实验结果表明: 与H.264/AVC原算法相比,改进的算法在准确控制码率的同时,视频图像平均质量得到提高且更加平稳。     

基于视点质量一致性的多视点视频码率控制

多视点视频是未来视频技术的重要发展方向,而码率控制是影响多视点视频传输质量的重要因素.基于多视点视频编码统计特性,提出了一种面向多视点视频编码的比特分配与码率控制算法.该比特分配算法分为三层:GGOP层、GOP层和帧层,其中13重点研究了GOP层比特分配,即视点间的比特分配策略,利用拉格朗日乘子法,提出了一种基于视点质量一致性优化的视点间比特分配模型.实验结果表明,与固定量化参数的控制策略相比,本算法能在精确控制输出码率的前提下,使得各视点视频质q更加均匀.     

一种量化误差补偿的压缩域H.264/AVC视频水印算法

提出一种基于H.264的压缩域视频水印方法.根据块编码模式参数CBP和非零DCT系数个数,对DCT块分类,选取非零DCT系数较多的块作为嵌入区域.为了保持嵌入前后视频流码率基本恒定,水印只嵌入到非零DCT系数.此外,提出了一种量化误差补偿机制,它对不同的DCT系数定义了一个误差准则函数,根据该函数的值动态地选择水印的嵌入位置,并根据视频的修改程度,自适应地嵌入不同强度的水印.仿真实验结果表明,该算法能快速地嵌入和提取水印信息,水印嵌入容量较大,且嵌入补偿机制有效降低了量化和水印引起的误差.     

AVS实时编码的VBR码率控制

针对AVS实时编码应用,提出一种基于帧层的一次编码VBR码率控制算法。利用GOP层复杂度预测来动态分配码率,在GOP内的帧采用CBR策略,结合AVS编码RDO的特点,采用准确且计算简单的率失真模型计算量化参数。实验结果表明,与AVS现用的码率控制方法JVT-H017相比,该方法码率控制准确,算法复杂度低,平均亮度PSNR提高了约0-2dB,亮度PSNR样本方差约为JVT-H017方法的40％,表明视频质量的平缓性也得到较大改善。     

一种HEVC码率控制改进算法

HEVC(High Efficiency Video Coding)采用的基于R-λ模型的码率控制算法在控制输出码率的精确和提高编码效率上都取得了良好的效果。然而该算法没有考虑到实际视频编码中场景切换的影响。提出一种新的针对场景切换的码率控制算法。首先结合帧间的亮度差及其变换趋势判断是否发生场景切换,在场景切换发生时对码率控制的参数以及编码结构都做出及时调整。最后实验表明,与HEVC自带的码率控制相比,所提出的码率控制算法能够有效应对视频序列中的场景切换,提高了编码质量,降低了编码复杂度,并且保持精确的输出码率。     

一种低复杂度码率控制算法研究

文章研究了一种基于MAD(MeanAbsoluteDifference)的码率控制算法,通过对宏块的MAD、量化参数QP(QuantizationParameter)和宏块DCT(DiscreteFourierTransform,离散傅立叶变换)并量化后产生的比特数进行建模,导出一个线性模型,该模型有足够的精度可以达到稳定的码率控制。与TMN8的码率控制方案相比较,文中的算法相当简单但很有效,适用于对实时要求很高的场合。     

DVC中基于DCT系数统计特性的量化算法

针对变换域分布式视频编码问题,提出一种自适应量化算法AQSC。根据视频帧离散余弦变换系数的分布特点,确定各子带的重要性,只对重要的子带进行量化及编解码,不重要的子带不进行量化及编码,且在译码时直接用边信息代替。实验结果表明,AQSC算法可提高分布式视频编码系统的率失真性能,减少译码码率,解码后视频序列的整体质量有所提高。     

分布式小波视频编码自适应嵌套量化模型

提出一种分布式小波视频编码自适应嵌套量化模型,对Wyner-Ziv帧做小波变换,利用Slepian—Wolf编码器对低频子带系数进行量化,采用SPIHT编码器对高频子带系数进行编码,通过分析Wyner—Ziv帧低频子带系数与参考帧低频子带系数的残差自适应度,判定Wyner-Ziv帧低频子带系数的量化步长,从而使运动剧烈的视频序列有较大的量化步长,而运动平缓序列的量化步长较小。实验结果表明,采用该模型能获得较好的编码效果。     

基于相关性分析的MVC比特分配算法

针对目前尚未深入研究多视点视频编码（Multi—view Video Coding,MVC）码率控制的问题,提出了一种基于相关性分析的多视点视频编码码率控制算法。该算法的核心是先根据视差预测和运动预测的结构关系,将所有图像分成6种类型的编码帧,并改进二项式率失真模型,然后根据多视点视频相关性分析在各个视点之间进行合理的码率分配,将码率控制分成4层结构进行多视点视频编码的码率控制。其中,帧层码率控制考虑分层B帧等因素分配码率,基本单元层码率控制根据宏块的内容复杂度采用不同的量化参数。实验结果表明该码率控制算法实际码率与目标码率平均误差能控制0．6％。     

甚低码率视频编码器码率控制策略

根据甚低带宽信道的远程视频传输的应用需求,提出一种甚低码率控制策略,通过在视频编码器增加I帧码率控制,引入二阶率失真模型,以及改进P帧的码率控制算法,提高了视频编码器码率控制的精度和传输图像的质量,有效地解决了甚低带宽下视频编码器的码率控制问题。实验结果表明,该算法既降低了编码缓冲区延迟,又提高了重建图像的质量。     

视频编码失真估计综述

编码失真是评价视频算法性能的主要因素之一,如率失真优化、码率控制和最佳量化等算法设计中,在不进行复杂预编码的情况下精确估计编码失真,是达到良好率失真性能的必要途径。虽然部分编码失真估计方法已经被采用并作为编码算法的基础,然而,与对码率估计的关注度不同,失真估计并未引起人们的足够关注。系统地回顾总结了视频编码失真估计方法,实验并给出了一些比较结果。将失真估计方法分为四类：1)基于DCT系数分布的建模;2)ρ域;3)λ域和4)基于失真传播的建模。概述了这些方法的基本原理,并且根据实验结果对模型的精度进行了简要对比分析。     

基于H.264率失真模型联合码率控制算法研究

提出一种基于H.264视频压缩标准的低复杂度、高精度的码率控制算法,该算法研究建立在ρ域率失真线性模型的基础上,比较分析图像压缩前后的信息。通过统计不同量化步长q的DCT零系数百分比ρ,建立基于视频内容的ρ-q一一映射分布规律,直接把非线性R-QP控制转换为间接的R-ρ-QP控制,避免了R-QP之间的非线性影响,从而实现了基于视频内容的高精度码率控制的目的。     

视频传输自适应网络带宽控制策略的研究

为有效利用网络资源,提高视频服务的实时性,视频的传输码率应根据网络可用带宽的变化进行调整;对视频传输自适应可用带宽相关技术展开了研究,探讨了自适应实现方法中需要解决的关键技术,通过分析视频种码率控制方法,提出了一种根据可用带宽自适应调节量化步长,优化视频输出码率的策略;实验结果表明,根据网络中链路的带宽状况,自适应改变视频量化步长可以有效地控制视频输出码率,并且能快速而平滑地将视频输出码率调整到一个与网络带宽相适应的值,保证视频网络传输的平稳性和实时性,提高视频服务质量.     

H.264可伸缩视频编码层间码率控制算法

为H.264/AVC标准的可伸缩编码(SVC)扩展提出了一种自适应的层间码率控制算法。该算法提出了一个选择模型,通过当前层的前一帧或者前一层的当前帧来预测Inter帧所需比特数。首先,将码率—复杂度—量化因子(R-C-Q)模型引入可伸缩的视频编码;接着,使用一个已有的比例—积分—微分(PID)缓冲区控制器来根据缓冲区状态提供当前Inter帧的比特数估计;然后,为了在视频画面发生急剧变化时获得更为精确的估计,利用前一层中的当前帧所用实际比特数来进一步进行当前Inter帧比特数估计;最后,使用选择模型决定最终的预测比特数,并通过R-C-Q模型计算出量化因子(QP)。实验结果表明,相对于推荐的JVT-043码率控制算法,所提出的算法可以在SVC的每层获得更加精确的实际输出比特率,保持缓冲区充盈度的稳定,同时减少跳帧和质量波动,提高整体编码质量。