基于紋理特征的視頻編碼技術研究.pdf

1、自上世紀90年代以來，隨著Internet和移動通信的迅猛發(fā)展，視頻信息和多媒體信息在Internet網(wǎng)絡和移動網(wǎng)絡中的處理和傳輸成為了當前信息化中的熱點技術。當前，視頻壓縮技術主要從三個方面消除數(shù)據(jù)中的冗余：空間冗余、時間冗余和統(tǒng)計冗余。最新的視頻壓縮標準MPEG-4H.264/AVC和我國具有自主知識產權的AVS標準在壓縮效率上已經(jīng)大大超過了前幾代標準。這些編碼標準普遍采用了消除時空域冗余的運動補償、幀內預測和變換量化的編碼框架，并

2、采用率失真優(yōu)化作為性能評價的準則。然而視頻場景中經(jīng)常會出現(xiàn)大量的紋理區(qū)域，如：草地、水等，這些區(qū)域可以看作視頻幀的背景部分。對觀察者而言，大多數(shù)情況下人們只關注這些區(qū)域的語義學意義，而對它們的具體細節(jié)并不關心。傳統(tǒng)的編碼框架以宏塊為單位進行，對這些紋理區(qū)域細節(jié)的編碼會耗費大量比特，在網(wǎng)絡帶寬資源日益寶貴的今天，如何能既保證紋理區(qū)域的圖像質量，又能花費較少的比特編碼這些區(qū)域顯得尤為重要。
　　本文利用基于紋理分析與紋理合成的編碼框架

3、，首先將輸入的視頻序列分為紋理幀和非紋理幀，紋理幀通過分析與合成的方法進行編碼，非紋理幀仍然用傳統(tǒng)方法編碼。在紋理分析部分，本文提出了一種基于JND(JustNoticeableDistortion)profile的紋理分割算法來檢測和劃分紋理區(qū)域，與以前的分割方法相比，該方法充分考慮了HVS(HumanVisualSystem)的特性，劃分的結果也更為準確。對檢測出的紋理區(qū)域，本文采用了基于AR(AutoRegressive)模型的合

4、成方法，通過Direct模式找到對應的前后向參考幀信息，為每個紋理幀求出一組AR參數(shù)。因為對一幀中的紋理區(qū)域只需編碼一組AR參數(shù)，而不用編碼殘差、運動矢量等信息，所以該方法在很大程度上提高了編碼效率。
　　此外，本文還提出了一種基于AR模型的宏塊自適應編碼框架，即，對序列中的所有紋理幀，使用迭代的方法為每個宏塊求取一組AR參數(shù)，然后將合成結果與傳統(tǒng)框架下選出的最優(yōu)模式進行比較。實驗結果表明，當AR模式被選中的比例遠大于傳統(tǒng)模式時，