碼流語法結(jié)構(gòu)受限的視頻編碼算法優(yōu)化技術(shù)研究.pdf

1、隨著信息社會的到來,多媒體應(yīng)用需求越來越大,視頻壓縮編碼算法一直是眾多學者研究的熱點.其中一個關(guān)鍵問題就是如何優(yōu)化視頻編碼算法,有效地去除視頻序列中的各種冗余信息,盡可能提高編碼性能和重建視頻主觀質(zhì)量. 根據(jù)優(yōu)化算法對編碼碼流的語法結(jié)構(gòu)是否發(fā)生影響,可以將視頻編碼優(yōu)化算法分為碼流語法結(jié)構(gòu)不受限以及受限兩種類型.語法結(jié)構(gòu)不受限的優(yōu)化算法不受輸出碼流的語法結(jié)構(gòu)限制,可采取所有新的視頻編碼新技術(shù)以提高編碼性能.正是這類優(yōu)化算法的研究促

2、進了～系列視頻編碼國際標準的出現(xiàn). 很多實際視頻應(yīng)用都是基于某種特定的編碼標準,在特定編碼標準框架下,如何優(yōu)化編碼算法以提高編碼性能,對于節(jié)省傳輸帶寬或在一定帶寬下提高視頻質(zhì)量有著重要意義,所以本文重點研究碼流語法結(jié)構(gòu)受限的優(yōu)化算法.視頻編碼算法優(yōu)化問題實際上是一個率失真優(yōu)化的問題,而人眼是編碼失真和視頻質(zhì)量的評判者,所以我們重點研究基于人眼視覺系統(tǒng)(HVS)特性的視頻編碼算法優(yōu)化. 本文首先介紹了基于分塊的混合視頻編碼

3、系統(tǒng)的框架,對其中的主要模塊分別作了介紹,就其中碼率控制、運動估計、視頻預(yù)處理等未規(guī)定具體實現(xiàn)方法的模塊對視頻編碼性能的影響分別作了分析.接著介紹了率失真優(yōu)化理論,并討論了視頻編碼算法優(yōu)化和率失真優(yōu)化之間的關(guān)系,分析了率失真優(yōu)化理論在視頻編碼算法優(yōu)化方面的優(yōu)勢和不足.從序列、圖像和宏塊三個層次分析了碼流語法結(jié)構(gòu)受限的視頻編碼算法優(yōu)化的可能性. 然后討論了碼率控制算法優(yōu)化對于視頻編碼算法優(yōu)化的重要性,介紹了碼率控制中的幾個關(guān)鍵問題

4、,包括目標碼率分配、自適應(yīng)量化、量化參數(shù)Qp的選擇等,并分析了它們之間的內(nèi)在關(guān)系及對編碼性能及視頻質(zhì)量的影響.重點研究了碼率控制中的Qp選擇算法,提出了一種基于迭代搜索的高精度快速Q(mào)p選擇算法,為各幀確定合適的幀級參考量化參數(shù)QpR(實數(shù)),并結(jié)合自適應(yīng)量化算法為各宏塊確定實際量化參數(shù)Qpj,以保證各幀實際編碼比特數(shù)和目標值之差盡可能小,確保目標碼率分配算法的性能得以實現(xiàn),從而實現(xiàn)準確的輸出碼率控制.緊接著研究了面向存儲的非實時應(yīng)用場合

5、中的碼率控制問題,提出了一種高效實用的基于HVS特性的兩步視頻編碼算法,第一步編碼得到各幀實際編碼比特數(shù)、量化參數(shù)、幀間圖象質(zhì)量波動等參數(shù),根據(jù)這些參數(shù)從編碼各幀需要多少比特數(shù)角度上定義各幀的編碼復(fù)雜度;在第二步編碼中結(jié)合HVS特性采用基于復(fù)雜度的目標碼率分配算法,在各幀間盡可能最優(yōu)地分配目標比特數(shù).同時結(jié)合本文基于視覺興趣性的自適應(yīng)量化算法和基于迭代搜索的Qp選擇算法確定各幀QpR值,在幀內(nèi)各宏塊之間按復(fù)雜度的不同進一步微調(diào)編碼比特數(shù)

6、的分配,從而實現(xiàn)高性能的兩步編碼.實驗結(jié)果表明,本文基于迭代搜索的Op選擇算法能將實際編碼比特數(shù)與目標值之差相對于目標值的相對誤差控制在1﹪左右,而且迭代搜索的速度也是比較理想的,每幀平均搜索次數(shù)為2.25次左右.基于HVS特性的兩步編碼算法能較好地實現(xiàn)基于復(fù)雜度的碼率分配,幀間視頻質(zhì)量波動很小,重建序列的主觀視頻質(zhì)量得到顯著提高. 接著討論了采用基于HVs特性自適應(yīng)量化算法的必要性.介紹了典型HVS特性包括對比靈敏度特性、時間

7、空間掩蓋效應(yīng)、視覺興趣性等對主觀視頻質(zhì)量的影響.提出了一種基于視覺興趣性的自適應(yīng)量化算法,在分析各宏塊對視覺興趣性影響時,結(jié)合HVS的主要特性考慮了亮度分布、色度分布、運動特性、目標大小等四種因素.根據(jù)宏塊的亮度活動性、色度分布特性、時域運動復(fù)雜度以及目標大小確定一個歸一化的加權(quán)系數(shù),來實現(xiàn)自適應(yīng)量化.為了獲得真實的運動向量場,保證自適應(yīng)量化算法中運動特性和目標大小度量的正確性,還提出了一種濾波區(qū)域結(jié)構(gòu)自適應(yīng)的運動向量平滑算法,采用基于

8、像素級結(jié)構(gòu)自適應(yīng)的濾波區(qū)域(Filtering Support),并采用考慮運動平滑約束的加權(quán)SAD值作為匹配標準,對可能的候選運動向量在濾波區(qū)域內(nèi)采用加權(quán)SAD值最小準則選擇出最優(yōu)的運動向量,從而獲得盡可能接近真實運動的運動向量場.實驗結(jié)果表明,本文的運動向量平滑算法估計的運動向量場非常接近真實運動;本文基于視覺興趣性的自適應(yīng)量化算法能較好地吻合HvS特性,主觀視頻質(zhì)量顯著提高. 考慮到噪聲對于視頻編碼算法性能的影響,最后提出

9、一種新的自適應(yīng)運動補償三維LLMMSE濾波算法,以減小噪聲對編碼性能的影響.分析了高性能運動補償空時域濾波算法實現(xiàn)的技術(shù)難點,針對用于均值和方差估計的空時濾波區(qū)域的平穩(wěn)性對于去噪性能有著決定性影響這一特點,分別提出了結(jié)構(gòu)自適應(yīng)的空間濾波區(qū)域和時間濾波區(qū)域的生成方法,生成空時域都平穩(wěn)一致的濾波區(qū)域,以確保L,LMMSE算法中NMNV圖象模型的可靠性;并采用自適應(yīng)加權(quán)的均值和方差估計算法,以進一步提高LLMMSE濾波算法的性能.實驗結(jié)果表明