MPEG-4视频编码的可分级技术研究

首先分析了MPGE 4视频分级编码的基本思想 ,讨论了如何实现时域和空域上的分级编码算法。在此基础上 ,结合MPEG 4的抗误码技术 ,提出了一种适应IP网络传输的精细粒度分级视频编码方案。     

基于区域重要性的视频时空分级编码

提出了基于区域重要性的视频时空分级编码方法，即根据人眼视觉敏感程度的不同，将视频中的每帧图像划分为重要程度不同的区域，对每个区域分配不同的时空分辨率，以期 在极低码率的传送环境中能最大限度地保证人眼兴趣区域的图像质量和传送效率。实验结果表明，该方法能够在带限的情况下减少图像的抖动，获得较好的图像主观质量。     

基于视频编码流的视频传输端到端失真度估算

研究了基于信源量化、信道错误和差错隐藏的视频传输端到端失真问题.提出了一种基于视频编码流结构的端到端失真度估算方法.采用帧间递归,以宏块为单位根据信道平均误比特率和视频编码信息在编码器端实时估算端到端失真.仿真结果表明,对于绝大部分视频测试序列,在不同信道误比特率下,该方法模型估算的平均相对偏差小于8%,平均绝对偏差控制在0.9 dB以内,准确度高,为基于率失真或联合功率率失真优化中的失真估算提供一个有力的工具.     

基于矢量量化和可变长编码的联合信源信道编码

提出了一个在噪声信道中对可变长信源编码码流传输提供有效差错保护的联合信源信道编码方案，利用信源编码器输出中的残留冗余为传输码流提供差错保护。该方法基于改进的联合卷积软解码以及采用非霍夫曼码的通用可变长码(UVLC)，更接近于一般的信源和信道编码方法，并且信源符号集的大小也不受限制。仿真结果表明，文中提出的联合编码系统可获得比传统的分离编码系统更高的性能增益。     

混合精细可分级视频编码技术的研究

首先分析了视频可分级编码的基本思想,讨论了时域、空域、SNR、FGS等基于单个视频参数的可分级编码方法。在此基础上,论述如何将时域、空域、SNR可分级性融合成新的混合精细可分级编码方法。     

高效视频编码中帧内码率控制改进算法

针对失真漂移现象造成码率拉格朗日因子(R-λ)模型编码效率低的问题,提出一种考虑区域间失真关联性的高效视频编码(HEVC)帧内码率控制改进算法。首先根据帧内预测编码原理,对编码区域间的失真关联性进行分析,得到漂移的失真、当前失真与总失真之间的关系;然后利用编码像素值、参考像素值和参考像素重构值,准确地预测出漂移的失真值;最后结合传统的R-λ模型,获取基于失真漂移的拉格朗日因子λ,继而建立更准确的R-λ模型。实验结果表明,与原始的帧内码率控制算法相比,在相同的码率下所提算法可将编码码率平均降低1.7%,重构视频的峰值信噪比平均提高0.1 dB,证明所提算法的编码效率得到提升,且编码时间增幅非常小。     

基于主动网络的视频分级传输研究

提出了一种基于主动网络的视频分级传输方案(SVM-AN).服务器、客户端以及部署在网络中间的主动节点构建了分级多播结构,原始视频流在服务器端进行分级压缩与标记,客户端根据自身网络情况和处理能力申请合适的视频流,中间主动节点利用其处理能力过滤掉优先级较低的部分视频流,以满足异构网络用户对视频质量的不同需要,与接收端驱动的分层多播(RLM)方案的对比仿真结果表明:SVM-AN方案提供更稳定的带宽、端到端时延以及更小的分组丢失率,为接收端提供稳定的视频回放质量,也提高了网络的总体利用效率.     

视频编码中Lagrange乘子自适应调整算法

为改进视频编码算法的率失真性能,提出了一种应用于视频编码率失真优化算法中的Lagrange乘子自适应调整算法。该算法以信源数据的统计分布为理论基础,将视频编码序列的变换系数方差引入到Lagrange乘子的计算过程中来,使得Lagrange乘子的取值可以根据图像内容变化特性进行自适应的调整。实验结果证明,与传统的Lagrange乘子的取值算法相比,该算法可以取得更好的率失真性能,尤其应用在低码率的视频序列中效果更为明显,同等码率下可以将峰值信噪比提高0.1～0.2 dB。     

采用HEVC的精细可分级编码

针对新一代的视频编码标准HEVC(high efficient video coding),提出一种改进的精细可分级编码方案.该方案的基本层采用HEVC的编码器,提高了基本层的编码效率;通过统计编码单元的分割方式,自适应找到图像中的细节区域;采用选择增强技术,提高细节区域的图像质量.实验结果表明:编码方案能够精细匹配信道带宽的变化,且基本层与增强层相互独立,不会带来误差传递;利用HEVC编码单元的分割方式,可以自适应找到视频序列图像中的细节区域,对运动区域进行提升,视频图像的主观质量有了很大的改善.     

附加可变尺寸运动估计的FGS视频编码

基于增强层运动估计的精细粒度伸缩编码(FGS),可以在整体上提高常规FGS编码的效率·但在低码率段,编码效率还有待进一步提高·提出了一种基于附加可变尺寸运动估计的FGS视频编码框架,在基本层运动估计部分附加了可变尺寸运动估计来改善常规运动估计的效果·同时在FGS编码中引入了基于宏块的参考帧选择技术和增强层的目标码率比例截断法·仿真实验表明,这种编码方法提高了低码率段的编码效率,在整个增强层码率范围内都优于传统的FGS编码·     

空域精细可扩展编码算法的研究

把精细可扩展编码的基本思想运用到空间域,提出了一种空域精细可扩展编码算法(S-FGS),在不损失压缩码率和重建图像质量的情况下,使压缩码流具备细粒度的空域可扩展性,提供了对网络带宽的灵活适应能力.在此基础上,提出了基于S-FGS算法的编解码系统模型,实现了静态图像的空域可扩展编码.实验证明,S-FGS算法的复杂度主要受扩展粒度影响,在一定粒度设置下算法是可行的.     

基于灰度直方图窗口扫描分类的FGS图像编码

针对静止图像网络传输数据量大,网络用户对接收图像质量要求不同的问题,对图像基本层的编码策略加以改进,提出了基于灰度直方图窗口扫描分类的FGS(Fine Granularity Scalable)图像编码方法\.该方法根据像素点出现概率的大小对灰度区间进行分类,像素值根据所属的类别进行不同程度的编码,并通过与用户之间的交互式操作满足用户不同的需求\.研究结果表明,该方法可使编码图像的每位数据信息在解码时得到充分利用,同时兼顾了网络传输性质与用户对内容的关注方式,更加便于网络传输与浏览。     

FGS增强层编码技术

通过对大量实验数据的分析指出了MPEG一4FGS标准在低比特面编码方式上存在的不足,并提出针对存在不足的改进方案．该方案对于0、1接近均匀分布的比特面采用直接编码的方法．并将改进后的方法与原始方法进行比较,实验结果表明了改进方案的有效性．     

5.8 GHz室外环境传播特性分析

为了给下一代无线通信系统(B3G:Beyond 3G)参数设计提供参考以及为算法仿真提供信道建模,针对国内城市室外环境不同的传播场景,在58 GHz频段和20 MHz信道带宽的测量条件下,进行了室外信道测量和研究。根据测量数据统计分析,58 GHz频段路径损耗指数在视距通信(LOS:Line of Sight)时为253,在非视距通信(NLOS:No Line of Sight)时为33～38;同时,对COST231-WI路径损耗模型进行了修正,考虑到阴影衰落的影响,修正后的模型能较准确地预测接收功率,为系统覆盖范围预测提供参考。均方根时延扩展(Root Mean Square Delay Spread)的累积概率为09时,在05～08 μs之间变化。均方根角度扩展(RMS Azimuth Spread)主要由发射天线位置和传播环境决定。     

基于M-QAM和UEP的无线可伸缩视频联合优化传输

可伸缩视频编码可以根据信道波动的情况传输部分码流获取较低的视频质量以适应无线信道的波动。该文在满足信道传输速率的约束条件下,给出了率失真意义下联合优化多进制正交调幅子信道分配、可伸缩视频编码的传输层数以及各层的信道编码保护级别的视频传输算法。实验结果表明,在加性高斯白噪声信道下,与等重保护且不考虑多进制正交调幅子信道差异的机制相比,该传输方案能够取得平均1.5~2dB的解码增益,显著提高了可伸缩视频码流无线传输的鲁棒性。     

基于M-QAM和UEP的无线可伸缩视频联合优化传输

可伸缩视频编码可以根据信道波动的情况传输部分码流获取较低的视频质量以适应无线信道的波动。在满足信道传输速率的约束条件下,给出了率失真意义下联合优化多进制正交调幅子信道分配、可伸缩视频编码的传输层数以及各层的信道编码保护级别的视频传输算法。实验结果表明,在加性高斯白噪声信道下,与等重保护且不考虑多进制正交调幅子信道差异的机制相比,该传输方案能够取得平均1.5~2 dB的解码增益,显著提高了可伸缩视频码流无线传输的鲁棒性。     

改进的用于增强层码流的差错鲁棒编码

在MPEG-4标准的视频流化框架中,精细的可伸缩性视频编码FGS是关键的编码技术。FGS编码框架所生成的分层码流具有可伸缩性和出错恢复能力,这使得FGS码流适合在易发生差错的信道中传输。由于增强层之间的关联关系,任何一个发生在增强层的传输差错都会导致大量接收到的增强层码字因不能解码而被丢弃。为此提出了在进行增强层的位平面编码时,使用再同步变长编码RVLC来代替变长编码,从而将错误的影响尽可能地限制在一个块中,以提高编码的鲁棒性。     

Joint Optimization Strategy for Video Transmission over Distributed Cognitive Radio Networks

A novel joint optimization strategy for the secondary user( SU) was proposed to consider the short-term and long-term video transmissions over distributed cognitive radio networks( DCRNs).Since the long-term video transmission consisted of a series of shortterm transmissions, the optimization problem in the video transmission was a composite optimization process. Firstly,considering some factors like primary user’s( PU’s) collision limitations,non-synchronization between SU and PU,and SU’s limited buffer size, the short-term optimization problem was formulated as a mixed integer non-linear program( MINLP) to minimize the block probability of video packets. Secondly,combining the minimum packet block probability obtained in shortterm optimization and SU’s constraint on hardware complexity,the partially observable Markov decision process( POMDP) framework was proposed to learn PU’s statistic information over DCRNs.Moreover,based on the proposed framework,joint optimization strategy was designed to obtain the minimum packet loss rate in long-term video transmission. Numerical simulation results were provided to demonstrate validity of our strategies.