基于双边信息的分布式视频压缩感知模型研究

针对传统视频编码技术计算量大和复杂度高的缺点,提出一种基于双边信息的分布式视频压缩感知算法。该算法将压缩感知技术与分布式视频编码技术相结合,把视频序列分为Key帧和CS帧,Key帧运用传统的帧内编码和解码,CS帧编码端运用压缩感知编码,解码端运用视频块内与视频块间的双边信息和梯度投影算法进行优化重构。通过双边信息的运动估计和压缩编码器的设计,实现基于双边信息的分布式视频压缩感知模型的构建。仿真结果表明该模型既可以实现高效编码,又可以实现复杂度由编码端向解码端转移,在较低的采样率下,提高视频的压缩能力和传输速度。     

嵌入式在线视频帧间信号自适应压缩方法

针对使用传统压缩方法对处于播放状态的视频进行压缩,得出的压缩结果存在误码率高、占用空间大的问题,提出了嵌入式在线视频帧间信号自适应压缩方法.设置H.264/AVC视频编码标准作为此次压缩方法的运行约束,提取播放状态下的在线视频关键帧,并根据帧间相关性进行帧间分类,结合帧间信号的分类结果,获取在线视频运动的估计结果.安装自适应压缩编码设备,并设置自适应门限,将运动估计结果和提取的视频关键帧输入到编码器中,即可实现在线视频帧间信号的自适应压缩.经过仿真测试与验证得出结论,与传统压缩方法相比,设计的自适应压缩方法的误码率有所降低,且视频压缩结果的占用空间明显下降.     

多媒体传感器网络视频的帧分类联合重构

为降低多媒体传感器网络中视频压缩感知的计算复杂度,提出一种基于帧分类的多媒体传感器网络视频联合重构算法。依据视频数据的联合稀疏模型将视频帧分为关键帧和非关键帧。对于压缩感知重构中欠定线性方程组,可利用关键帧和非关键帧之间的相关边信息进行重构初始化,同时运用有界约束二次规划对其进行求解。从仿真结果可知,相对于传统的视频压缩感知算法而言,在保证视频重构质量的前提下,所提方法在重构算法复杂度上不但能有效降低,同时,在视频重构上能提高其实时性。     

基于双边信息的残差分布式压缩视频感知

压缩感知(CS)是在低于奈奎斯特率条件下获取和重构稀疏信号的新兴技术,在图像和视频获取和处理中有巨大的发展潜力.为了有效提高被测信号的稀疏性和重构效率,本文提出一种基于双边信息的残差分布式压缩视频感知(RDCVS-DSI)编解码模型.该模型利用了图像自身的频域特性和邻近帧之间的相关性,以低质量的视频帧作为编解码的第一边信息,解码端利用关键帧运动估计和运动补偿技术生成非关键帧的第二边信息.通过性能分析和仿真测试表明,该RDCVS-DSI模型能够在较低复杂度条件下,高保真地重建视频序列.与以前的压缩视频感知工作对比,重构帧的平均峰值性噪比达到1-5dB的增益,重构速度接近于复杂度最低的DCVS.     

AVS帧内预测算法及其解码器的硬件实现

文章介绍了AVS帧内预测解码模块的硬件实现,概述了AVS视频编解码标准的帧内预测技术,重点讨论了AVS帧内预测各模式的算法,并将AVS的帧内预测技术与H.264的帧内预测技术进行了性能比较,分析了AVS帧内预测的算法复杂度,在此基础上设计了AVS帧内预测解码模块的硬件实现,并提出了一种可重构的帧内预测计算单元的实现方法。     

基于失真估计和码率控制的视频传输新方案

针对差错信道上的实时视频编码和传输问题,提出一种基于逐帧失真估计和码率控制的新型时域不等差错保护方案。该方案给出一种低复杂度逐帧传输失真估计模型,估计差错信道下的视频传输失真,结合码率控制算法,通过对编码量化参数的简单搜索,逐帧求出最优的压缩编码和信道保护策略。仿真结果表明,与现有方案相比,该方案不但延迟小、复杂度适中,而且能提高重建视频序列的平均质量,减少逐帧之间的质量波动。     

AVS监控档视频的压缩域摘要研究

传统的像素域视频摘要方法需要完全解码视频,计算时间长。因此提出了一种在不解码的前提下直接在压缩域生成AVS格式摘要视频的算法。首先对AVS码流中的运动向量(MV)进行分析,提取前景运动宏块;然后跟踪前景宏块,得到有效的运动目标轨迹;最后提取AVS监控档视频中的背景帧,并将它与运动目标轨迹相结合,生成摘要视频。实验表明,该算法能够在压缩域下有效地生成摘要视频,相比于传统方法具有更快的处理速度。     

基于H.264的运动估计和EPZS算法的研究

在视频序列中,相邻帧之间存在很大的相关性和冗余信息.运动估计与运动补偿减少相邻帧间的冗余度,在视频编码中起着重要的作用.H.264是一种高性能的视频编码技术,其最大的优点是具有很高的压缩比率.在具有高压缩比的同时,还拥有高质量流畅的图像,然而,也带来了高度的计算复杂度,尤其是运动估计模块中.通过分析经典运动估计全搜索算法与EPZS算法后,在此基础上对EPZS算法的进行改进,提出了增强搜索模板的使用条件.通过实验表明,在原来的基础上运动估计的时间减少了1.2%以上,对H.264的实时编码具有一定的意义.     

残差分布式视频压缩感知*

压缩感知(CS)是一种能同时进行数据采集和压缩的新理论,为简化编码算法提供了依据,同时,分布式视频编码(DVC)为低复杂度的视频编码提供了思路。因此,通过整合DVC和CS各自的特性以构建编码简单的视频编码框架,并采用残差技术来提高系统性能,最终提出了一种残差分布式视频压缩感知(RDCVS)算法:对关键帧进行传统的帧内编、解码;而对非关键帧,编码端采用一种基于残差联合稀疏模型的随机观测,解码端利用边信息和改进的梯度投影重建(GPSR)算法进行优化重构。由于将运动估计和变换编码等复杂度较高的运算转移到解码端进行,因而RDCVS保持了低复杂度的编码特性。实验结果表明,RDCVS算法比参考方案的恢复质量提高了2～3 dB。     

立体视频编码中运动和视差联合估计算法的研究

立体视频编码不仅要在同一个视点间进行运动估计,还要在相邻视点间进行视差估计,计算复杂度非常高.如何有效地结合运动估计和视差估计,降低运算复杂度是当前亟待解决的问题.本文详细分析了立体视频左右通道视频流之间的相关性,提出一种运动和视差联合估计快速算法.根据运动—视差模型,结合时空域的多参考帧来进行联合的运动和视差估计,实现对数据的有效编码压缩.实验证明,该算法与传统的全搜索算法相比,能在保证率失真性能基本不变的前提下,降低96.45%的运算复杂度,大大提高编码速度.