一种结合全零块检测和纹理特征的快速帧内 预测模式选择算法

在H.264的帧内编码算法中,提出了从多个方向进行多种模式预测。为使率失真性能最优,需要对所有17种候选模式进行遍历,从中选择最适合的模式,这无疑会大大增加了编码器的计算复杂度。为避免多余候选模式的遍历,提出了一种快速H.26帧内预测模式选择算法。该算法结合了3个准则来加快编码速度,一是相邻块预测模式相关性准则,二是基于结合全零块提前中止准则,三是基于纹理特性的预测模式尺寸预先选择准则。先根据相邻宏块的预测模式来预先判别待编码宏块的预测模式;若预测模式不符合提前中止准则,就根据纹理的复杂度来预先选择预测模式的尺寸;对已选择尺寸的各种模式进行搜索,在搜索过程中同样遵循全零块提前退出的准则。实验结果表明,在编码效率相近的情况下,与H.264原有的全搜索算法相比,编码速度能够平均提高42.45%~73.71%。与单纯基于纹理特性的FIPAMP算法相比,编码速度能够平均提高23.19%~55.83%。     

一种基于AVS视频编码的快速帧间预测模式选择算法

由于在AVS1-P2中采用了多种预测模式的帧间预测技术,但为了使编码器性能最优,需要对所有帧间候选模式进行遍历,以便从中选择最适合的模式,这无疑会大大增加编码器的计算复杂度。为了快速的进行帧间预测,根据AVS1-P2帧间预测模式的特点提出了一种快速的帧间预测模式选择算法,其特点是将基于全零块的提前中止准则与基于纹理特性的预测模式尺寸预选准则相融合来加快编码速度。实验结果表明,与AVS1-P2参考软件rm52h相比较,该方法在保持比特率和图像质量基本不变的同时,可显著减少编码器的计算复杂性。     

结合深度信息的多视点视频编码快速模式选择算法

多视点视频加深度(MVD,multi-view video plus depth)的编码格式包含多个纹理视频序列及其对应的深度图,深度图与对应的纹理视频具有相似的边缘信息。传统的编码模式不考虑两者的联系,单独编码导致复杂度高、编码时间过长。因此,合理利用深度图与纹理图的相似性进行编码,可以有效降低编码复杂度,同时应该确保编码质量不受影响。本文利用深度图的这一特点辅助纹理视频的编码,提出一种帧间快速模式选择算法,充分利用深度图与纹理图之间的相似性,建立一种联合复杂度模型,根据模型得到每个宏块的复杂度。对于复杂度低的宏块,在计算率失真代价之前跳过编码中一些不必要的模式,从而降低编码复杂度。实验表明,本文提出的快速模式选择算法,在保证率失真性能基本不变的情况下,能减少60.57%的编码复杂度,并最高能减少80.64%的编码时间。     

基于运动复杂度的AVS帧级码率控制算法

针对AVS的码率控制算法在帧级比特分配上的不足,提出了一种改进的帧级码率控制算法.利用视频中各图像的运动活动性实现了帧级比特分配.并且采用跳帧策略来防止缓冲器上溢,从而可以保护图像序列中的重要细节,优化图像质量.实验结果表明本方法与JVT-G012相比,不但减少了缓冲区的波动幅度,而且提高了恢复图像的峰值信噪比.     

深度图时域一致性增强

在自由视点电视(FTV)系统的发送端,数据由多摄 像机采集的纹理图和其相应的深度信息组成;在接收端,虚拟视点由视点纹理序列和估计的 深度信息经过3D变换绘制。因此,获取高质量的深度信息是FTV系统的一个重 要部分。由于当前非交互方式深度估计方法是逐帧进行的,所得到的深度图序列往往缺乏时 域一致性。理 想情况下相邻帧静止区域的深度值应该相同,但是对这些区域深度值的估计结果往往不同, 这将严重影 响编码效率和绘制质量。由于深度图表征的是纹理图中相应场景离摄像机的距离,所以可以 通过对纹理图 的有效分析,判断出错误的深度值。通过对深度值可靠性和当前区域运动属性的判断,提出 一种基于 自适应时域加权的深度图一致性增强等。实验表明,本文算法能有效抑制静止区域深度值 不连续的错误,产生 更加稳定的深度图序列,使虚拟视点的时域绘制质量得到增强,同时编码效率得到提高。     

一种新的视点间预测结构

多视点视频编码除应具有较高的编码效率外,还应该包括后向兼容性、时间随机访问和视点可分级性等,这些都主要取决于所采用的预测结构。目前所提供的多视点视频编码(Joint Multi-view Video Coding, JMVC)采用固定的视点间预测结构,难以适应复杂情况的多视点视频编码。该文综合考虑编码效率和用户随机访问等因素,根据多视点视频相关性分析自适应调整视点间预测结构,以获得较好的编码综合性能。试验结果表明,与JMVC相比,该文的方法在提高编码效率的同时,有较好的随机访问性能。     

基于二项式R-D模型的多视点视频码率控制算法

针对目前尚未深入研究多视点视频编码(MVC)码率控制的状况,在分析现有视频码率控制中率失真模型的不足和多视点视频编码的特点的基础上,提出了一种基于二次率失真(R-D)模型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,然后根据已编码信息进行视点间、帧层、基本单元层比特分配与码率控制。实验仿真结果表明,与目前采用固定量化参数的JVT的MVC相比,该算法能够有效地控制多视点视频编码的码率,同时保持高效的编码效率。     

基于3D-HEVC的多视点纹理加深度的联合比特分配算法

首先依据视频序列的统计特性,建立纹理 比特率和深度 图比特率与虚拟视点失真之间模型;然后分别建立拉格朗日算子与纹理、深度图比特率的对 应关系,在前 两步的基础上构建由虚拟视点失真模型和拉格朗日算子的代价方程,为了保证目标 码率与输出码 率在一定的误差范围内,建立纹理比特率和深度比特率的受限约束方程;最后利用目标码率 的约束方程,求解 出最优的纹理比特率和深度图比特率。实验结果表明,提出的算法与目前流行的多视点纹理 加深度的算法 相比,在相同的编码比特率情况下,虚拟视点和基本视点客观质量平均提高0.15dB,因此具有更高的编码效率。     

基于二叉划分树的多尺度图像分割算法

图像分割作为从图像中提取感兴趣对象的必要步骤,通常需要其能够提供多尺度的分割结果.提出一种基于二叉划分树(BPT)的多尺度图像分割算法,用于系统地记录从图像的任意过分割结果上进行的区域合并过程;然后基于BPT中每个结点与其父亲结点的差异度量,提出一种包括自动确定候选结点和分裂合并策略的结点选择算法,来选出符合期望分割区域数目的结点,并生成相应尺度的分割结果.实验结果表明,文中算法能够在较粗分割尺度下获得更适合于对象提取的分割结果,有助于提高自动对象提取的效率以及减少交互式对象提取中的人工交互.     

基于压缩域的视频关注对象提取

针对视频压缩域的对象分割问题,提出了一种视频对象精确提取方法.先将视频对象的颜色空间进行均值偏移和区域生长,得到分块的视频图像.同时对视频编码过程中所产生的运动矢量统计熵值,提取出视频中能引起人眼关注的运动对象.最后利用提出的对象轮廓精确分割方法,提取视频关注对象.实验表明该算法能精确和完整地分割出视频关注对象,并对视频中关注对象的切换、物体的非刚性形变有很好的鲁棒性.