基于纹理合成的图像编码算法

论文摘要

以图像和视频为核心的多媒体应用在人们的日常生活中已经日益广泛。例如：现在几乎所有的手机和笔记本电脑都装有数字摄像头。随时随地用照片或视频记录自己的生活,已经逐渐成为一种文化。数字照片和数字视频的总量正在全球范围内以指数速度增长,YouTube的成功就证明了这一点。这个世界正在变得更加绚丽多彩,在这背后,支撑它的一项关键技术就是JPEG和MPEG家族不断演进的国际图像和视频编码标准。例如：JPEG-2000, MPEG-Ⅱ,和H.264/AVC等。这些技术在全球范围内彻底的改变了无数用户对数字图像和数字视频的存储、交换和显示方式。尽管传统的图像和视频编码国际标准在过去和现在都取得了巨大的成功,得到了广泛的应用,但是,人们普遍认为现有的编码算法仍然有巨大的提升空间。例如,现有的图像和视频编码中采用的运动补偿、帧内预测和变换编码来去除时间和空间上的冗余性,都是基于均方误差准则（MSE）的。这种编码机制被严格限制在去除像素层面的冗余上,而没有考虑到人的主观感觉上的冗余。学术界已经得到广泛共识,追求像素层面上的严格一致并不一定等同于获得更好的主观质量。本论文提出一种亮度自适应的纹理合成算法（BAPTS）。该算法针对自然图像中即使同一纹理区域也往往存在亮度变化的特性,在基于块拼贴的纹理合成算法基础上引入亮度自适应算法,使得合成图像不但具有原始图像的纹理特征,而且在亮度变化上与原始图像保持一致。克服了传统的纹理合成算法在处理自然图像时的缺陷,提高了合成图像的主观质量,为将纹理合成算法应用到图像压缩领域打下了基础。本论文提出一种改进的H.264/AVC帧内编码算法,采用L型模板预测算法预测4×4块的帧内预测模式。与H.264/AVC标准算法相比,更充分的利用了像素间的空间相关性,提高了预测帧内预测模式的准确率,从而提高了压缩效率。通过大量实验验证,平均码率节省5.90%（BD-Rate）,在低压缩率时平均码率节省2.46%,在高压缩率时平均码率节省9.45%。基于以上算法,本论文提出一种新颖的基于纹理合成的静止图像编码算法。该算法将图像中的纹理区域自动的分割出来,采用BAPTS算法对纹理进行高效的压缩。为了保证合成纹理图像的主观质量,本论文提出了一种基于纹理相似性测量的质量控制算法,用于自动调整BAPTS的编码参数。对于纹理以外的背景区域采用改进的H.264/AVC帧内编码算法进行压缩。基于纹理合成的静止图像编码算法与传统的编码算法相比,更好的利用了人眼的视觉冗余特性,在这里称作感觉上的冗余更为恰当,显著提高了压缩效率。在实验中与H.264/AVC帧内编码算法比较,在相同的主观质量下,测试图像的压缩效率可以提高37%。随着Internet和移动通信的迅猛发展,以数字图像和数字视频为核心的多媒体应用正日益成为主流业务。本论文提出一种移动网络中GOP级视频流传输失真模型,用于估计视频流在网络传输过程中由于丢包而产生的失真。通过线性逼近算法对失真进行估计,预先判断GOP中各帧的重要性,从而合理的分配有限的信道资源,应用不等重保护技术保证视频流的可靠传输。仿真实验证明,该算法计算复杂度低而且预测准确。

论文目录

• 摘要
• ABSTRACT
• 第一章 序论
• 1.1 课题的意义和目的
• 1.2 课题研究背景
• 1.2.1 图像和视频编码基本原理
• 1.2.2 图像和视频编码发展简述
• 1.2.3 视频编码研究现状
• 1.3 论文主要研究成果与结构安排
• 1.3.1 论文主要研究成果
• 1.3.2 论文结构安排
• 1.4 本章参考文献
• 第二章 亮度自适应的纹理合成算法
• 2.1 什么是纹理
• 2.2 纹理合成算法
• 2.2.1 纹理的统计模型
• 2.2.2 纹理合成算法
• 2.3 亮度自适应的基于块拼贴的纹理合成算法
• 2.3.1 算法流程
• 2.3.2 颜色空间转换
• 2.3.3 亮度变化信息提取
• 2.3.4 AC纹理采样及合成
• 2.3.5 输出纹理图像合成
• 2.4 实验结果及分析
• 2.5 小结
• 2.6 本章参考文献
• 第三章 基于纹理合成的图像编码算法
• 3.1 引言
• 3.2 编码器
• 3.2.1 编码流程
• 3.2.2 图像分割
• 3.2.3 形状编码
• 3.2.4 BAPTS编码器
• 3.2.5 合成纹理质量控制算法
• 3.2.6 改进的H.264/AVC帧内编码算法
• 3.3 解码器
• 3.3.1 解码流程
• 3.3.2 H.264/AVC解码器
• 3.3.3 形状信息解码
• 3.3.4 BAPTS解码
• 3.3.5 图像后处理
• 3.4 实验结果及分析
• 3.4.1 编码效率实验
• 3.4.2 主观质量实验
• 3.5 小结
• 3.6 本章参考文献
• 第四章 移动网络中GOP级视频流传输失真模型
• 4.1 引言
• 4.2 研究现状
• 4.3 GOP级视频流传输失真模型
• 4.3.1 传输失真
• 4.3.2 传输失真传播行为分析
• 4.3.3 传输失真预测模型
• 4.4 实验结果及分析
• 4.5 小结
• 4.6 本章参考文献
• 附录A 计算L型模板中像素的预测值
• 附录B 英文缩略语
• 致谢
• 攻读博士学位期间发表的学术论文