精细可伸缩视频编码中的增强层编码方法研究

提出了一种新的子带编码方法来对精细可伸缩视频编码中的增强层进行编码。在这种编码方法中,首先通过重排DCT残差系数形成子带,然后利用同一子带相邻系数的相关性来消除数据冗余。实验结果表明文章提出的增强层编码方法比原来的FGS增强层编码方法具有更高的编码效率。     

基于宏块的渐进、精细可伸缩的视频编

渐进精细可伸缩(PFGS)的视频编码是面向Internet的视频流化应用中的一项重要技术,同MPEG-4标准中的精细可伸缩(FGS)的视频编码相比,PFGS视频编码具有更高的编码效率.然而,由于现有的PFGS方法以帧为单位来选择编码时的参考图像,因此该方法很难同时在编码效率和误差控制方面都取得好的效果.提出了一种灵活、高效的基于宏块的PFGS编码方法,并提出3种帧间(INTER)编码方式用于增强层宏块编码,其中的一个编码方式把原有的PFGS视频编码中的误差控制技术扩展到了宏块层.同时也提出了一个编码方式选择算法以确定每个增强层宏块的编码方式,由于该算法仅需用到时域预测信息,因此实现起来非常简单,并且性能稳定.实验结果表明,基于宏块的PFGS视频编码既能有效地消除低码率下的误差传递和累积,也能提高在其他码率下的编码效率.     

一种自适应可伸缩视频编码算法

为了给终端用户提供更好质量的视频,本文提出了一种基于H264/AVC扩展的自适应多路径视频流可伸缩视频编码算法,通过视频流分发网络(VDN)提供路径的多样性,我们的方法最终适应于各种终端用户,并且通过在多路径上的可用带宽的变化来适应网络带宽的波动。实验表明该算法更能有效地估计网络拥塞状况、降低视频丢包率和减少网络延迟,从而更有效地保证视频网络传输质量。     

多线性子空间可伸缩视频编码方法

针对DCT方法用单一变换核处理所有图像块而忽略图像信号的复杂统计分布的问题, 通过论证视频中的图像数据和运动预测残差存在的多线性子空间分布特性, 提出一种可伸缩性视频编码方法.该方法用广义主成分分析 (GPCA) 取代传统视频编码中所采用的DCT来对I帧和预测残差图像编码, 通过对编码结果进行适当排序, 使得码流可以在任意点被截断, 实现精细粒度的质量可伸缩性;并借助多线性子空间的分割, 实现依据人类视觉注意特性的差错保护及更好的错误隐藏.对文中方法和基于DCT的可伸缩性编码效果进行比较的结果表明, 在同等压缩比的情况下, 采用该方法普遍可获得比DCT更好的图像质量.     

适于可伸缩视频编码的DCT核空间采样方法

本文主要研究MPEG和ITU最新提出的可伸缩视频编码（SVC）草案中的空间可伸缩编码。提出一个新的基于DCT核的空间上／下采样方法。从计算复杂性、频率响应、实验数据方面与SVC的参考采样方法相比。该方法能有效改善空间可伸缩性能,而且PSNR提高1～3dB。     

可伸缩视频编码的自适应QP级联算法

针对可伸缩视频编码标准中采用的分级B帧预测结构,提出一种图像级的内容自适应量化参数(QP)级联算法。在该算法中,任意一帧图像的最终QP值由分级预测的结构及该图像内所有宏块的运动预测模式决定。实验结果证明,与目前SVC标准采用的技术相比,该算法最多可以提升0.363 dB的编码性能。     

MPEG-4的可伸缩视频编解码技术研究

回顾了目前的网络视频流服务,提出基于MPEG-4的可伸缩视频流服务。研究了其中的关键技术：利用MPEG-4的可伸缩码流,编程实现了MPEG的可伸缩解码。分析了在服务器端的MPEG-4的可伸缩编码依据时域可伸缩(即时域分辨率的变化)、空域可伸缩(即空域分辨率的变化)和对象的可伸缩(主要和次要对象的取舍)三个概念,对MPEG-4数据流进行分层,保证图像基本质量的为基本层数据,其它的则为各增强层数据,起着改善图像质量的作用。相应地,用户端也需要可伸缩解码器的支持,它能在收到完整的一层或几层数据后正确、快速地解码。     

可伸缩视频编码的码率控制技术研究

可伸缩视频编码能生成空域、时域、质量可伸缩的视频码流,如何对其进行码率控制来生成最优的可伸缩性码流,对适应不同需求的终端十分重要.结合可伸缩视频编码码率控制的研究现状,描述了最新的研究进展,综述了码流控制的原理、经典算法,分析总结了可伸缩视频编码的关键技术及在可伸缩视频编码中的挑战.通过对增强层中各种码率控制算法的优缺点的分析,总结出增强层的时域可扩展和空域可扩展中码率控制的最优解决方案.最后对可伸缩编码中码率控制技术的发展趋势进行了展望.     

完全可伸缩视频编码的实现和改进*

提出了一种完全可伸缩视频编码的改进方法。首先给出了一种采用运动补偿时域滤波、二维离散小波变换和EZW编码的传统可伸缩编码方案,该方案将时间、空间、质量三方面的伸缩性有机地结合在一起,实现了完全可伸缩性能。针对运动补偿时域滤波技术中的GOP（group of pictures）结构和更新操作进行了改进,引入GOP结构自适应选择,降低系统内存需求和运算复杂度;采用基于人眼视觉系统特性的最小可觉差对更新操作中所引进的误差进行内容自适应修正。实验结果表明,编码效率和视频序列的重建质量都得到了显著的提高。     

一种基于镜头描述的可伸缩视频码流提取方法

可伸缩视频码流提取使视频流能够适应不同带宽的网络带宽和不同处理能力的终端。提出一种基于镜头描述的视频码流提取框架,通过离线预处理获得原始视频镜头的描述,建立参考帧二叉树,基于码流分析和镜头描述实现可伸缩码流提取。实验表明该方法可以实现快速码流提取,在不损失编码效率的前提下保证视觉质量。     

改进的多视点立体视频FGS可分级方案

针对现有多视点立体视频FGS（Fine-Granular-Scalability）可分级方案编码效率低的问题进行改进,充分利用相邻视点之间的相似性,适应解码端质量优先或视点优先的不同需求,提出一种折衷方案,其中分I、P、B帧三种情况,以中间视点作为基本层进行编码,其他视点均预测自相邻视点部分恢复的FGS增强层,以此为基础产生当前视点的FGS增强层。实验证明,该方案具有更为灵活、广泛的可分级性能,更能适应用户对视点图像质量和立体观感的需求。     

细粒度可伸缩小波视频编码研究

针对不可控网络下的视频应用,提出一套新的小波视频编码方案,适用于根据每个用户实时网络状况进行动态码率传输和控制,目的是为用户在不稳定的带宽下提供持续清晰流畅的全局最优的视频体验。该编码方案简化了W5/3提升小波,在MCTF算法中引入层次化多参考帧预测,并采用新提出的基于优先级的传输层流打包方法以及基于块位长的嵌入式零块编码算法。经过测试表明,提出的算法压缩效率高,质量可伸缩性好,能够有效提升用户体验。     

一种基于漏预测技术的FGS视频编码框架

精细粒度可伸缩性（fine granularity scalability,FGS）视频编码是MPEG4标准的视频流化框架中的关键技术。以FGS编码框架为基础,针对FGS编码效率较低的特点,提出一种基于漏预测技术的视频编码框架。在改进的FGS编码框架中,通过引入漏预测因子,利用增强层参考和基本层的重构图像自适应形成增强层的时域预测信息,从而达到控制误差漂移,提高FGS的编码效率的目的。实验证明,改进的编码框架编码效率比FGS在同等条件下提高大约4 dB。     

可伸缩视频编码的快速帧内模式选择算法

提出了一种适用于SVC增强层的快速帧内模式选择算法。首先利用基本层和增强层模式分布的相关性,优化了增强层的帧内预测过程;并提出了一种能优化SVC的INTRA_BL模式选择过程的算法。实验结果证明,在比特率和PSNR值保持相近的情况下,该算法的编码时间可减少59.6%。     

基于可伸缩视频编码的率失真优化编码算法*

可伸缩视频编码（SVC）可实现视频流空间、时间和信噪比的完全伸缩,但在差错信道上传输容易引起误差扩散,为此提出一种基于SVC的率失真优化编码算法。该算法在分析了差错信道下传输可伸缩视频流误差扩散失真的基础上,在率失真优化模型中引入时间和信噪比分级的误差分级参数,并根据信道状态自适应地确定宏块编码模式。该算法能够有效地抑制误码在各分层的扩散,提高了可伸缩视频流的鲁棒性。仿真结果表明,算法与以往的算法相比具有更好的抗误码性能,适合视频数据在差错信道上的传输。     

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。     

一种视频编码的码率控制改进算法

测试模型5(TMS)的位分配策略对基于图像序列编码的图像质量会造成一定影响。文中在分析测试模型的位分配策略的基础上,给出了一种改进的基于MPEG-2的位分配策略。该策略能够提高序列图像编码质量的平滑性,从而避免图像质量之间的失衡。模拟结果表明,改进的码率控制策略在一定程度上提高了图像的质量,同时还保持序列图像之间的平滑性而保持压缩比不变。     

基于H.264标准的多视点视频编码方案的研究

为研究一种新的高效的多视点视频编码方法,提高编码效率,并有效地提高视点间随机切换访问的能力,利用H.264中的新技术多参考帧、SP/SI帧、分层B帧编码等,根据时空预测编码结构的方法,提出了一种基于分层B帧并有利于视点间随机切换访问的多视点视频编码方案.实验结果表明,该方案在提高了编码效率的同时,在视点较多的情况下能够有效地提高视点间随机切换访问的能力.     

Component-adaptive up-sampling for inter layer interpolation in scalable video coding

Scalable video coding (SVC) is a newly emerging standard to be finalized as an extension of H.264/AVC. The most attractive characters in SVC are the inter layer prediction techniques, such as Intra_BL mode. But in current SVC scheme, a uniform up-sampling filter (UUSF) is employed to magnify all components of an image, which will be very inefficient and result in a lot of redundant computational complexity. To overcome this, we propose an efficient component-adaptive up-sampling filter (CAUSF) for inter layer interpolation. In CAUSF, one character of human vision system is considered, and different up-sampling filters are assigned to different components. In particular, the six-tap FIR filter used in UUSF is kept and assigned for luminance component. But for chrominance components, a new four-tap FIR filter is used. Experimental results show that CAUSF maintains the performances of coded bit-rate and PSNR-Y without any noticeable loss, and provides significant reduction in computational complexity. Supported by China Postdoctoral Science Foundation (Grant No. 20080430454), the Key Laboratory of Geo-informatics of State Bureau of Surveying and Mapping (Grant No. 200834), the National High-Tech Research and Development Program of China (Grant No. 2007AA12Z151), and the National Basic Research Program of China (Grant No. 2006CB701303)