低比特率视频压缩算法的研究

论文摘要

数字视频压缩编码技术是多媒体通信的关键技术,目前有关视频压缩的国际标准已基本上满足了中高码率的需求,并且进入了实用化阶段,而现有的传输和存储能力对低比特率的窄带通信有着更高的要求。如何更高效进行压缩仍是一个研究热点。本文主要针对低比特率视频压缩算法进行了研究。论文首先介绍了目前视频压缩的常用方法,并对其优缺点进行了分析。考虑视频序列帧内和帧间相关性,本文将视频数据看作一个三维的立体图像,经过三维小波变换,然后在变换域进行相应的量化编码和分形编码。这样不仅避免了传统算法中的运动补偿,提高了效率,而且压缩比也得到了一定程度的提高。为了提高压缩质量,对矢量量化算法进行了研究,利用引入进化策略和人眼视觉特性的SOFM网络来训练矢量量化的码书,从而提高量化的压缩性能。接着利用单帧图像在上述码书映射下的像密度图,提取特征矢量,组成距离矩阵,分割视频镜头,减少了小波变换的计算量,同时保证变换序列的内容相似性,提高了效率。最后在分割的镜头组内进行色系转换来防止色偏并能提取更多冗余,然后进行三维小波变换,对变换后的低频系数进行矢量量化编码,对高频系数进行自适应四叉树分形编码,这样不仅有效的利用了小波系数的相似关系,也克服了分形编码中的搜索带来的编码延迟。同时系统还实现了视频的解码程序。实验结果表明:本文算法对于低码率下的视频压缩具有压缩比高,编码效率西安理工大学硕士学位论文高,重构质量好,并且不受视频内容约束等优点,具有一定的实际意义。关键词:视频压缩矢量量化小波变换进化策略镜头分割分形编码本论文受到西安理工大学青年教师攻读硕士研究基金的赞助。

论文目录

• 1 概述
• 1.1 数字视频压缩编码的意义
• 1.2 图像压缩编码技术
• 1.3 低比特率下视频压缩编码的现状
• 1.4 课题的难点及本论文所采用的方法
• 1.4.1 三维小波变换
• 1.4.2 矢量量化
• 1.4.3 三维分形编码
• 1.5 本文的内容安排
• 2 矢量量化编码
• 2.1 矢量量化
• 2.2 自组织特征映射网络
• 2.2.1 SOFM网络模型
• 2.2.2 SOFM网络训练过程
• 2.3 基于进化策略的矢量量化
• 2.3.1 进化算法
• 2.3.2 基于进化策略的SOFM算法
• 2.4 实验效果图
• 3 基于小波和分形的混合编码
• 3.1 小波变换
• 3.1.1 小波变换的理论和特点
• 3.1.2 图像的小波变换
• 3.2 分形编码
• 3.2.1 分形学与分形图
• 3.2.2 分形编码原理
• 3.2.3 基于分形的图像压缩
• 3.2.4 实验效果
• 3.3 基于小波和分形的图像压缩
• 3.3.1 小波分解与分形编码
• 3.3.2 实验效果
• 4 视频镜头分割
• 4.1 视频数据结构
• 4.2 视频分割帧的检测
• 4.2.1 模板匹配法
• 4.2.2 直方图法
• 4.2.3 基于边缘的镜头分割方法
• 4.3 基于像密度图的镜头分割
• 4.3.1 像密度图
• 4.3.2 帧间特征矩阵
• 4.3.3 镜头检测
• 4.4 实验结果分析
• 5 基于三维小波变换的视频编码
• 5.1 三维小波变换
• 5.2 三维分形编码
• 5.3 系统总体设计
• 5.3.1 色系转换
• 5.3.2 低频矢量量化
• 5.3.3 高频分形编码
• 6 实验结果分析与展望
• 6.1 实验条件和设备
• 6.2 实验结果和分析
• 6.3 展望
• 致谢
• 参考文献
• 已发表论文及科研情况