丢包网络中鲁棒的视频码率控制算法

在率失真统计分析的基础上，提出了一种丢包网络中联合控制图像级量化参数和最佳宏块编码模式选择的优化算法．该算法克服了以往码率控制方法和误码复原技术互不关联的弊病，利用Lagrange数乘理论，在给定的受限码率下求得最优的图像量化参数和帧内刷新率，使得视频信源编码和信道传输总失真最小．实验结果表明，本算法能够获得比传统算法更高的性能增益．     

面向应用层QoS的实时视频优化码率控制

基于传统视频信源编码在应用层QoS的联合信源信道优化，研究了信源编码和信道编码之间合理分配带宽以及信道与信源联合编码下的有效码率控制问题．依据视频编码的实时可变帧率下的VBR视频网络传输信道模型，提出了网络接入带宽统计复用基础上的优化信道码率分配；根据信道传输失真，推导出基于图像帧的全局信源信道联合失真估算递归模型，按照模型运算率失真优化下的跳帧参数和帧内宏块刷新率，实现整体的图像编码质量优化控制．相对于普遍采用的基于宏块的局部优化控制策略，所提出的优化码率控制策略能获取更一致的图像质量和更高的性能增益．     

基于端到端失真优化的无线视频联合编码方案

在无线视频传输环境端到端失真分析的基础上,针对H.264视频流建立了一种新的端到端失真模型.在使用LDPC信道编码方式与该失真分析模型的基础上,提出了一种基于端到端失真优化的联合信源信道编码方案.该方案根据当前无线信道的信噪比与信道带宽等状态信息,自适应地调节信源编码量化参数和信道编码码率,使端到端失真最小.实验结果表明,与固定码率编码相比,本文提出的联合信源信道编码方案可在不增加带宽的情况下显著提高视频传输质量.     

一种高精度的自适应码率控制图像压缩算法

针对非完全嵌入编码的图像压缩算法难以实现精确的码率控制问题,提出了一种结合码率预测和压缩后率失真优化的高精度自适应码率控制的图像压缩(HTJ2K-RPRD)算法。首先,根据二维离散小波变换高频子带数据的高斯分布特性,计算量化前高频子带数据的信息熵得到最小平均比特数,用最小平均比特数来估计量化编码后高频子带数据的码率预测值;接着,采用与JPEG2000标准压缩质量相当但复杂度比其低的HTJ2K标准进行图像压缩,根据HTJ2K标准中清理通道的编码特点,粗略计算二维离散小波变换低频子带数据在码流中嵌入的平均比特数,用嵌入的平均比特数来估计编码后低频子带数据的码率预测值;然后,统计所有编码后子带数据的码率预测值来估计基础截断位平面;最后,从基础截断位平面编码产生多个编码通道,对产生的编码通道进行率失真优化以实现自适应码率控制的图像压缩。实验结果表明：HTJ2K-RPRD算法在自适应码率控制的情况下可实现带宽受限压缩系统的定码率压缩,且复杂度更低;在不同位深和像素大小的图像上的压缩码率控制精度可达99.997%。     

先进音频编码中的非均匀量化器的动态调整研究

非均匀量化器广泛运用在感知音频编码器中.通过对非均匀量化器失真的研究,引入了量化器的群能量失真概念.该概念定义为量化前的原始信号能量和量化后的重建信号能量的误差期望值.根据此概念提出了零群能量失真量化器,这种量化器能使原始信号能量和重建信号能量保持守恒.在量化器的量化电平间使用零群能量失真原则,约束量化电平间的群能量失真,可以获得与原始量化谱分布相关的动态量化区间划分.通过对原始量化谱的分布进行频数统计,近似计算动态量化区间划分,修改量化器的取整方式,使用该近似的动态量化区间划分,实现了随输入信号分布变化的动态调整量化器.客观音质评价实验显示,使用动态调整量化器先进音频编码,与使用标准推荐的量化器相比,在相同比特率下,客观音质评价指标失真指数和噪声掩模比都有所提高,编码器音质得到改进,且音质改进程度随着比特率的增加而增大.而基于对比听音实验的主观音质退化程度比较表明,使用动态调整量化器的先进音频编码,与标准算法相比,在相同码率下有更高的音质还原度 在维持标准算法音质水平的前提下,可节省一定比特率.该动态调整量化器不改变音频编码器自身结构,在不显著增加的计算量和存储量的条件下,提高了编码器性能,且适用于多种类型音频编码器.     

考虑全帧间参考依赖性的监控视频高效视频编码码率控制算法

针对高效视频编码(HEVC)标准中的码率控制算法在计算目标码率分配权重时未考虑帧间参考依赖性、编码效率低的问题,提出了一种面向监控视频考虑全帧间参考依赖性的HEVC图像级码率控制算法。调研了HEVC低时延结构中编码帧与其所有帧间参考帧之间的参考依赖关系,在此基础上构建了适用于监控视频的考虑全帧间参考依赖性的失真模型。利用构建的失真模型,基于拉格朗日率失真优化理论,建立了拉格朗日率失真代价函数。求解此代价函数,获得每幅图像对应的优化的目标码率分配权重,提出了适用于监控视频的图像级码率控制算法。实验结果表明,与HEVC测试模型HM中使用的平均比率目标码率分配权重的码率控制算法相比,所提算法可以获得更加准确的码率估计,并且所提算法的德尔塔码率(ΔR)可平均降低9.54%。     

基于L阵的分布式信源二维波达方向估计算法

研究了将相干分布式信源积分形式的方向向量化简为点信源方向向量与实向量的Schur-Hadamard积的方法,提出了一种基于L阵的相干分布式信源二维波达方向分离估计算法.利用阵列结构的特点首先估计仰角,然后构造基于Schur-Hadamard积的二阶统计量估计方位角,所利用的二阶统计量对噪声不敏感,具有较好的信噪比性能.该算法将二维波达方向联合估计简化为两步一维估计,有效降低了计算量.仿真实验验证了所提算法的有效性.     

结合信源和信道的多级矢量量化联合优化算法

针对传统的信源优化多级矢量量化抗误码性能较差的问题,提出了一种结合信源和信道的多级矢量量化码本联合优化算法。该算法将码本联合优化与非等重信道保护相结合,充分利用多级矢量量化中各级码字之间的相互作用关系和非等重信道保护的特性,对各级码字进行非等重误码率的迭代优化来降低整个系统失真。在低速率语音编码中线谱频率参数的仿真测试表明:与信道优化的多级矢量量化独立码本和非等重信道保护相结合的方案相比,在8%误码率信道下该算法线谱频率参数的平均谱失真降低了0.1dB;与等重误码率的码本联合优化方案相比,在各种误码率信道下该算法线谱频率参数的平均谱失真都有明显降低。     

一种改进的TMN8率失真模型

在视频压缩中,码率控制是必不可少的.通常码率控制算法使用一定的率失真模型来决策量化参数从而控制码率.H.263视频编码标准使用传统的基于DCT系数一致分布假设的TMN8率失真模型,但实际上DCT系数更接近拉普拉斯分布.为此,在基于DCT系数符合拉普拉斯分布的假设下,改进了传统的TMN8模型,得到了一种新的率失真模型.实验证明,这种改进的率失真模型在码率控制的精度和编码效率上都有较好的效果.     

分布式视频编码中量化失真和LDPC编解码失真的优化

针对分布式视频编码中的量化失真和LDPC（Low Density Parity Check）编解码失真问题,提出了基于边缘分类的DCT（Discrete Cosine Transform）系数重组和基于边缘Hash的子块修复方案.首先根据子块边缘方向的不同,WZ （Wyner-Ziv）帧子块被分成3类,对不同类型的子块,其DCT系数采用不同的扫描方式并重组,使较大的DCT系数被组合在一起,减小了交流系数的量化步长.同时,把子块边缘信息作为Hash信息,指导WZ帧LDPC解码出错的子块的修复.最后,通过实验证实了提出的方法能使高量化等级下编码器的PSNR（Peak Signal to Noise Ratio）性能增益达到0.5 dB左右.     

一种选择预测矢量量化的迭代优化设计方法

为了提高选择预测矢量量化的性能,提出了一种迭代优化设计方法。利用常规的前后帧相关性划分训练数据,采用不同的训练数据进行各个预测系数计算和码本设计。采用设计的预测系数和码本对训练数据进行量化,根据量化误差大小调整训练数据划分。通过训练数据划分和码本设计迭代,优化选择预测矢量量化码本设计。该方法改进了训练数据固定划分的缺点,可以有效提高选择预测矢量量化设计性能。以语音线谱对参数为实验数据进行实验,实验结果表明,该方法能减小参数量化失真,改善信号压缩质量。     

LSF标量格型混合量化

为了降低线谱频率(LSF)参数矢量量化器的搜索复杂度和码字存储单元,利用格型矢量量化的优点,设计了一种适合LSF参数量化的标量格型混合量化器。该量化器对LSF参数的预测残差矢量的第一、二个参数进行标量量化,余下的参数则利用格型矢量量化,从而降低了搜索复杂度和码字存储单元,与G.729协议所使用的LSF量化技术相比,有一定的改进。     

噪声信道下最佳矢量量化器的人工神经网络实现方案

噪声信道影响下的矢量量化器设计,实际上是一个信源、信道联合编码(joint soruce/channel encoding)问题。本文提出了一种利用人工神经网络ANN(Artificial Neural Network)技术解决联合编码的组合优化问题的方案,该方案较好地解决了有噪声信道条件下的最佳矢量量化器的设计问题。由于将信道传输特性直接引入到神经网络的构造中,因此,对网络进行训练后,最终得到对噪声信道影响具有一定程度的抑制作用的矢量量化器。我们针对BSC信道对所提方案进行了分析和模拟,结果表明,在量化网络设计中,考虑噪声信道影响的因素,可使训练得到的量化网络的量化特性对噪声信道的影响表现出明显的韧性。     

使用矢量量化技术压缩SAR原始数据

该文研究基于矢量量化技术的合成孔径雷达（SAR）原始数据压缩算法，提出了块自适应树型矢量量化（BATSVQ）算法和块自适应球形矢量量化（BASVQ）算法。与块自适应矢量量化（BAVQ）算法相比较，该文提出的算法采用约束型矢量量化技术，能够充分利用SAR原始数据经过自适应块处理后在较小的范围内具有稳定高斯分布的特性。采用以上算法对SAR实测数据进行了验证，并比较图像及其性能参数，结果表明BATSVQ算法和BASVQ算法能够获得算法性能和实现复杂度之间的合理折衷。     

基于Context量化的Context模型

 Context模型广泛地使用在图像编码系统中以提高压缩性能.然而,如果没有特殊的处理,预期的压缩收益将会由于高阶context模型引入的模型代价而被抵消.Context量化是解决这个问题的有效方法.详细分析了一般context量化存在的问题,提出context量化与一般矢量量化问题的相似性,并且证明了,如果设定了一个合适的失真度量准则,运用Lloyd迭代算法可设计出最优的context量化器.     

神经网络矢量量化的设计与实现

设计了一种混合神经网络矢量量化编码方法。利用Ｋｏｈｏｎｅｎ网络的自组织聚类功能设计矢量量化器码书，实现矢量量化，用３层ＢＰ网络完成码字的信道符号编码。该神经网络矢量量化编码器能够并行处理输入矢量，速度快，效率高，适用于语音和图像数据压缩     

变比特率均值匹配相关矢量量化图像编码算法

矢量量化(VQ)是一种有效的数据压缩技术。为找出与输入矢量最匹配的码字,传统的穷尽搜索矢量量化编码算法需要计算输入矢量与所有码字之间的失真测度。码书大小和矢量维数越大,穷尽搜索矢量量化编码的计算复杂度就越高。为了降低穷尽搜索矢量量化器的编码复杂度,本文提出了一种用于快速图像编码的均值匹配相关矢量量化器(MMCVQ)。在编码前,首先计算所有码字的均值,然后按照这些均值从小到大对码书进行排序。编码阶段,利用邻近图像块的高度相关性和当前输入矢量的均值共同确定相应的码字搜索范围。实验结果表明,当阈值大小为320时,与传统穷尽搜索矢量量化编码法相比,虽然MMCVQ算法的编码质量下降约0.3～0.4dB,但速度快14倍而且比特率下降0.1～0.2比特像素。     

基于条件PDF的宽带ISF参数分裂矢量量化方法

宽带ISF参数的矢量量化是语音编码中的重要环节,其量化性能的高低对于解码端语音的质量有重要影响.针对宽带语音ISF参数矢量量化问题,提出了一种新的量化方法.该方法利用ISF参数帧间相关性,将相邻2帧ISF参数的条件PDF用高斯概率模型表示.与传统分裂矢量量化不同,该方法首先根据前一帧的量化结果对当前帧分类、选择合适的码书,然后对该帧在选定的码书中进行分裂矢量量化.实验表明,该算法在每帧编码比特数44时达到透明量化,且平均谱失真比利用传统分裂矢量量化时的谱失真小.     

一种甚低码率声码器的设计

在混合激励线性预测 (mixed excitation linear prediction, MELP) 模型的基础上,以超帧为单位,采用多帧联合编码技术,分模式对子帧的语音特征参数进行联合量化,实现了一种码率为600 bit/s的声码器。为了进一步减小量化误差,设计出了一种基于高斯混合模型的预测分类分裂矢量量化器(predictive switched split vector quantization based on Gauss mixture model, GMM-PSSVQ),该量化器对超帧中某些子帧的线谱频率进行量化,并利用帧间预测和线性插值等方法提高编码效率。采用谱失真对设计的矢量量化器进行性能评估,并分别与多级矢量量化和预测分裂矢量量化算法进行性能比较;通过客观感知语音质量评估和主观判断韵字测试对实现的声码器进行性能测试。测试结果表明,设计的矢量量化器平均谱失真最低,实现的声码器合成语音具有较高的清晰度和可懂度。     

基于Gaussian混合模型的LSF参数量化方法

为了高效率量化线谱频率(linear spectrumfrequency,LSF)参数,提出了基于G auss ian混合模型(G auss ian m ix ture m ode l,GMM)的LSF量化算法。假设LSF矢量属于GMM中的某一个G auss ian分布,用G auss ian分布随机矢量的量化方法对LSF矢量进行了量化。利用准确的G auss ian分布变量量化误差,得到了G auss ian分布矢量的比特分配方法。应用G auss ian分布随机变量的非均匀量化方法量化每一维LSF参数。最后给出了分裂矢量量化、基于概率密度函数(probab ility dens ityfunction,PDF)量化方法和该算法的性能对比。该无记忆LSF量化算法在21 b/帧可以达到透明量化,比传统Sp litVQ节省3 b。