Wyner-Ziv视频编码中边信息估计改进算法

首先简要介绍了分布式编码基本原理和一种典型的分布式编码方案——Wyner-Ziv视频编码。然后在Wyner-Ziv视频编码中提出了一种改进边信息估计算法,该算法中运动估计采用加权MAD准则。实验仿真结果表明,采用该文算法得到的运动矢量场更为准确,同时在相同输出码率时PSNR比原始算法平均提高0.7 dB。     

基于多块模式决策的边信息生成方法

分布式视频编码中边信息的质量决定了系统的率失真性能,边信息质量越高,则率失真性能越好。针对视频序列中对象运动的不均匀特性,结合MCTI技术,本文提出了一种新的边信息生成算法。其基本思想是在编码端利用多块模式算法对帧中宏块进行划分,将宏块分为运动缓慢块和运动剧烈块;在解码端,对运动缓慢块直接由MCTI算法生成边信息,而运动剧烈块的边信息要经过后处理进行优化得到。仿真实验表明与直接由MCTI生成边信息方法相比,本文算法可以使生成边信息的峰值信噪比(PSNR)比原有的算法提高0.8dB-1.2dB左右,有效提高了边信息的质量。     

基于联合运动补偿的边信息预测算法

传统块运动补偿算法仅利用单一运动向量场,该运动向量场中总会存在一定的运动异常,而过多的运动异常会严重衰退内插帧质量。为了解决该问题,提出了一种基于联合运动补偿的边信息内插算法,该算法使用双向运动估计计算出内插帧的运动向量场,接着采用当前块和其八个邻域块的运动向量联合预测出目标块。由于运动向量场的局部平滑特性会使八邻域块的运动向量十分接近当前内插块的真实运动向量,实验结果表明提出算法比传统算法有更好的容错性能。     

基于时空联合的解码边信息插值算法

在Wyner-Ziv视频编码中,边信息质量是影响系统编码效率的关键因素,但解码端获得的运动矢量不精确而导致内插边信息的质量不高。为此,提出一种基于时空联合的解码边信息插值算法。该算法将多种块分割模式与双向运动估计相结合,匹配准则采用双向平均绝对误差和(SBAD)判断运动矢量时间变化,利用边界绝对误差(BAD)判断运动矢量的空间变化,通过时空联合匹配准则保证运动矢量的空间平滑性和时间连贯性。实验结果表明,该算法降低了编码码率,内插边信息的主观和客观质量均有所提高,边信息的峰值信噪比(PSNR)最大提高1.41dB。     

DVC中基于块小波变换的边信息生成算法

在运动补偿内插生成的初始边信息基础上,根据图像的时空相关性,自适应地判断块小波变换方式,传送不同地小波系数辅助解码端生成边信息。实验结果表明,对于不同的视频序列,该算法在一定程度上能有效改进边信息的生成质量。     

基于视频序列运动特性的边信息生成算法研究

在分布式视频编码系统中,针对非线性运动区域边信息生成误差大的问题,提出了基于视频序列运动特性的边信息改进方法。解码端利用双向运动补偿时域内插技术生成初始边信息,再根据前后运动矢量的和值将边信息划分为线性与非线性区域,并对非线性区域用矢量滤波器进行去伪非线性区域处理,对真正做非线性运动的块进行分层运动估计以得到更精确的运动信息。将得到的边信息与初始边信息相比,改进后的边信息平均PSNR值提高了1dB。     

Wyner-Ziv视频编码中边信息估计研究

Wyner-Ziv视频编码是一种典型的分布式视频编码。为了产生较为精确的边信息,提出了一种基于运动估计双向预测边信息的方法,构造了运动补偿内插框架以及改进了算法。Matlab仿真结果表明,改进方法的率失真性能比H.264帧内编码高出0.1~9.0 dB,比基于Turbo码的Discover软件高出0.01~0.90 dB。     

基于宏块分类的运动估计／补偿技术

本文提出了一种简单有效的宏块分类方法,分析了基于块运动估计／补偿技术及两种典型的快速运动估计技术,基于ＭＰＥＧ－１的模拟结果表明了基于宏块分类的运动估计法之有效性。     

一种多目分布式视频编码的边信息生成算法

针对多目视频传感器网络,提出了一种新的空间边信息生成算法,该算法将体现图像空间信息的三焦点张量引入边信息的计算.三焦点张量的匹配点计算采用了改进的基于SIFT(Scale Invariable Feature Transform)特征描述符的匹配算法,在保持对匹配有旋转、尺度缩放、亮度变化不变性的优点同时,大大提高了计算速度.仿真结果表明.无论从率失真表现还是主观质量表现角度进行比较,该算法明显优于常用的边信息生成算法、基于运动的外推法MC-E和基于运动的内插法MC-I.     

基于相关性的分布式解码检测优化算法

在分布式视频编解码系统中,由于细节变化丰富而生成的边信息与原始视频帧之间存在较大的差距,降低了解码帧质量。针对如何实现解码帧质量检测,并对低质量的解码帧进行优化以提高系统性能的问题,提出一种基于相关性的分布式解码检测优化算法。在编解码端分别计算相关性,得到置信度值并进行解码检测。对于低质量的像素块根据相关性及运动估计进行重构,最后通过滤波和双向运动补偿产生优化像素块。实验结果表明,所提算法对低质量边信息具有优化作用。     

Wyner-Ziv视频编码中边信息估计算法改进*

与传统视频编码方法相比,DVC（distributed video coding）在编码性能方面还存在着较大差距。边信息估计是其中的关键技术之一,在很大程度上决定着编码效率。为缩短性能差距,改善边信息估计效率,提出一种针对像素域Wyner-Ziv视频编码系统的改进算法,在解码端改善了关键帧之间的运动矢量获取以及采用重叠块运动补偿来生成边信息。通过对大量测试序列的实验,验证了改进算法的率失真性能得到改善。     

像素级运动矢量场边信息生成算法

在分布式视频编码（DVC）中,解码端生成的边信息的质量对整个系统的率失真(RD)性能有着重要影响。为了提高边信息的质量,进而提升DVC系统的RD性能,提出一种基于像素级运动矢量场的边信息生成算法(SGPMVF)。首先,通过运动估计分别获得前后两关键帧的像素级运动矢量场;然后,为Wyner-Ziv帧的每个像素选择合适的运动矢量;最后,通过帧间内插得到高质量的边信息。算法中提出基于SAD（绝对误差和）差值的搜索范围确定方法与像素级运动矢量选择方法。实验结果表明,对于快速运动的序列,该算法在不增加编码复杂度和码率的情况下使边信息的PSNR最大提高1.45 dB,并使DVC系统的RD性能提高0.3～0.7 dB。     

Distributed video coding with adaptive two-step side information generation for smart and interactive media

Conventional video coding standards, such as MPEGx and H.26x, use a hybrid architecture of block-based motion compensation and discrete cosine transform (DCT) within the structure of a complex encoder and a simple decoder. Contrary to conventional video codecs, Wyner-Ziv (WZ) video coding, which is a practical application of distributed video coding (DVC) based on the Slepian-Wolf and WZ theorems, exploits the source correlation at the decoder, thereby allowing for the development of simpler encoders. However, the current WZ video coding algorithms cannot match the coding performance of conventional video coding. In order to improve the coding performance of transform-domain WZ video coding, an adaptive two-step side-information generation method is thus proposed for evaluation and analysis in this study. The proposed method uses decoded WZ frames in the down-sampled spatial resolution along with already decoded coefficients to successively improve rate-distortion (RD) performance as the decoding progresses. The experimental results show that the proposed method, compared to previous WZ video coding method, shows improved coding performance, particularly under critical conditions, such as cases with high motion content.     

基于运动信息自适应的快速运动估计算法

UMHexagonS是H.264视频编码标准中所采用的快速整像素运动估计算法,但在许多实时场景的应用中,该算法还明显存在搜索点数过多、搜索速度较慢的缺憾,急需进一步的改进和优化。在UMHexagonS算法的基础上,提出一种基于运动信息自适应的快速运动估计算法。使用动态搜索窗为不同尺寸的块自适应地分配预测搜索窗;根据当前块的运动剧烈程度选择运动类型自适应的搜索方案;通过分析实际运动序列水平、垂直方向的偏向特性依次采用带方向的十字型搜索和自适应的矩形—菱形搜索;利用预测运动矢量的方向信息采用自适应的多层次八边形区域搜索;并依据块的尺寸大小采用自适应的六边形搜索。实验结果表明,本文算法相比于UMHexagonS算法而言,图像的峰值信噪比(PSNR)平均提高了0.0125 dB,同时运动估计时间减少了13%32%,其场景自适应能力和实时性能都得到了很大的增强。     

频率域Wyner-Ziv视频编码算法的改进

为提高分布式视频编码压缩率,依据无线传感网络终端设备及Wyner-Ziv视频编码特点,针对Bernd Girod的频域Wyner-Ziv视频编码方案提出改进算法。该算法在编码端通过简单DCT运算提出将图像块分为Skip模式、低频模式和全频模式三种可选模式,在解码端根据相应的编码模式分别选择平均插值、自适应搜索运动估计插值和自适应搜索精细运动估计插值的边信息估算方法联合解码。该算法既能通过消除大量的帧间预测与熵编码实现低码率传输,又能以最小的解码代价获得更精确的边信息,从而有效地避免图像解码质量下降。实验结果表明,在相同峰值信噪比情况下,该算法的码率比Bernd Girod提出的频域Wyner-Ziv算法平均下降40%。     

基于深度学习的光流插帧边信息生成算法

在分布式视频编码(DVC)中,如何在各种运动场景下生成高质量的边信息并提升解码性能是一个重点研究领域。提出一种基于深度学习的光流插帧边信息生成算法(optical flow interpolation, OFI),编码端采用区间重叠的分布式算术编码(distributed arithmetic coding, DAC)对视频进行编码,解码端生成边信息时提取已解码关键帧,输入深度学习光流插帧网络。网络采用多层光流模块产生光流,并结合光流向后弯曲关键帧产生初步的边信息估计,再由融合过程消除遮挡产生更加细化的结果,最后边信息辅助解码树完成解码。实验结果表明,与现有方法相比,该方法PSNR最大可提升2.25 dB,主要体现在线性运动场景下。同时在线性和非线性场景下SSIM指标可提升0.001 5～0.064 8,在解码视频率失真曲线上也体现出一致的结果,证明了该算法对线性运动边信息估计有较好的提升,对非线性运动边信息结构也有良好的恢复性。     

分布式视频编码方法研究

分布式视频编码(Distributed Video Coding,DVC)是一种新颖的视频压缩方法,具有极低的编码复杂度和良好的抗噪声鲁棒性。为了使人们对该编码方法有所了解,该文首先详细介绍了分布式视频编码的理论基础和特点,然后讨论了分布式视频编码的两大关键技术,包括编码端高效压缩和解码端边信息(side information)插值;最后总结分析了分布式视频编码在低复杂度编码和视频信号鲁棒传输等两大应用领域的研究现状,并对其研究前景进行了探讨。