基于分布式视频编码的相关噪声模型研究

论文摘要

传统的视频编码标准，如MPEG和H.26x，在编码端采用运动补偿预测技术，导致编码器复杂度很高，限制了其在传感器网络、视频监控系统、多视角视频等领域的应用，分布式视频编码具有良好的抗误码性能且编码简单，有效的解决了这一问题，目前已成为视频编码领域的一个研究热点。本论文重点研究了分布式视频编码中解码端的相关噪声模型，旨在提出更加准确的相关噪声模型，为解码重构提供更加可靠的信息。主要内容包括：根据相关噪声的统计特性、图像内容的变化情况以及编码端的原始信息，提出了一种自适应相关噪声模型的构造算法，自适应的选择高斯分布或拉普拉斯分布作为相关噪声模型；针对信道存在丢包的情况，分析了相关噪声的构成，给出了一种基于混合概率密度函数的自适应相关噪声模型，并采用期望最大化算法(EM算法)估计模型参数。最后，利用上述相关噪声模型的构造算法，实现了无反馈分布式视频编码系统(UDVC)，并构建量化变换、LDPC编解码以及反量化重构等模块。实验结果表明，与H.263帧内编码方法相比，UDVC能够提高PSNR约4~6dB，与H.264/AVC帧内编码方法相比，UDVC能够提高1~3dB，并大大改善了恢复视频的主观质量，且编码器简单、易实现，可用于终端编码设备简单的实际视频通信系统中。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 分布式视频编码的优势
• 1.3 分布式视频编码的典型应用
• 1.4 论文内容及结构安排
• 第二章 分布式视频编码基础
• 2.1 分布式视频编码的理论基础
• 2.2 分布式视频编码的典型实现方案
• 2.2.1 PRISM 系统
• 2.2.2 Wyner-Ziv 视频编码系统
• 2.3 小结
• 第三章 自适应相关噪声模型
• 3.1 相关噪声模型简介
• 3.2 传统的相关噪声模型构造方法
• 3.3 自适应相关噪声模型构造方法
• 3.3.1 实验分析
• 3.3.2 自适应相关噪声模型构造算法
• 3.4 实验结果
• 3.5 小结
• 第四章 丢包环境下的相关噪声模型
• 4.1 问题的引入
• 4.2 丢包引入的相关噪声
• 4.3 基于混合概率模型的自适应相关噪声模型
• 4.3.1 丢包环境下的解码过程
• 4.3.2 构建丢包情况下的相关噪声模型
• 4.3.3 模型参数估计方法
• 4.4 实验结果
• 4.5 小结
• 第五章 无反馈分布式视频编码系统及其实验结果
• 5.1 无反馈分布式视频编码系统
• 5.2 关键技术简介
• 5.3 实验结果
• 5.4 小结
• 第六章 总结与展望
• 6.1 全文总结
• 6.2 下一步的研究工作
• 致谢
• 参考文献
• 研究成果