多描述图像/视频编码的研究

论文摘要

随着网络技术的发展,图像/视频业务在多媒体通信中占据越来越重要的地位。然而,目前的互联网和无线网络存在网络拥塞、网络异构性等问题,严重影响了多媒体数据流实时可靠的传输,因此,设计兼具压缩性和鲁棒性的编码方案成为目前图像/视频编码研究的重点内容。作为一种效率高容错性能强的编码,多描述编码已经引起了国内外学者的广泛关注。本论文以设计高效的多描述图像视频编码器为主要研究目的,融合现有的差错控制技术,在静止图像编码方面,提出了基于格型矢量量化的多描述图像编码方案和基于平移格型矢量量化的多描述图像渐进编码方案;在视频编码方面,提出了率失真优化的时域亚采样的多描述视频编码方案和基于优先级传输的多描述视频编码方案。所做的工作如下:①提出了基于格型矢量量化的多描述图像编码方案。该方案将经典的多描述格型矢量量化的理论应用于图像编码中,对方案中的各个模块逐一进行了改善:充分利用不同子带的小波系数的方向相关性,将小波系数组织成矢量;对编码器的两个参数即格型矢量量化的步长和子格的索引值进行了优化设计;改进了索引分配策略和相应的交替传输机制,有效地利用了矢量之间的相关性,使得解码端能够更好地进行错误隐藏。与基于标量量化的多描述图像编码相比,同样比特率下,中心重建质量有0.2-0.7dB的提高,单路重建质量有2-5dB的提高。与基于相关变换的多描述图像编码相比,同样比特率下,中心重建质量提高了近2 dB,单路重建质量提高了近5dB。②提出了基于平移格型矢量量化的多描述图像渐进编码方案。该方案的主要特点如下:一方面,平移格型矢量量化算法充分利用了格型矢量量化器的几何结构,与传统的多描述格型矢量量化算法相比,不但具有较好的率失真性能,而且有效地减小了中心失真和单路失真之间的差距,SVS方案在子格点索引值为N=7时的落差高达9-11dB,而所提出的多描述平移格型矢量量化算法中,两者落差只在4dB左右;另一方面,在传统的小波零树编码的基础上,设计了基于格型矢量量化的零树编码,进而实现了中心路和单路的渐进传输。与基于标量量化的多描述渐进编码方案相比,同样比特率下,中心重建质量提高了1-1.5dB,单路重建质量提高了0.2-0.5 dB。③提出了率失真优化的时域亚采样的多描述视频编码方案。该方案利用代价函数优化算法对联合的帧内插帧拷贝模式进行合理的选择,从而实现了率失真优化的设计目标;同时,该方案也可以很好地兼容现有的视频编码标准,如H.26X系列和MPEG-X系列。与传统的时域亚采样方案相比,在同样比特率下,整个视频序列的平均单路重建质量提高了0.4-0.8dB,对于存在运动变化较大的帧,其单路重建质量提高了近8 dB,并且在主观视觉效果方面都取得了明显的改善;在包丢失网络环境下,所提出的方案比传统方案的重建质量提高0.3-1dB;与一维的空域亚采样的多描述视频编码方案相比,无论是中心重建质量还是单路重建质量,所提出的方案都有明显的改善,分别提高了0.2-1.4dB和0.3-1.2dB;与二维的空域亚采样方案相比,所提出的方案具有更为明显的优势,在同样比特率下,中心重建质量提高了2.5-3dB,单路重建质量提高了2-3dB。④提出了基于优先级传输的多描述视频编码方案。该方案突破了传统的基于FEC的多描述编码方法中必须使用可伸缩编码的限制,具备了与现有标准视频编解码器的良好兼容性。在构造消息的过程中,充分利用原始视频序列的运动变化特征,使得每个消息内部都能够保持较好的时域相关性,有利于恢复丢失的信息;同时,采用灵活的GOP（Group of Picture）组织形式匹配视频序列的运动情况,保证发生显著运动变化的帧被编码为优先级较高的Ⅰ帧,从而使得优先级的分布更为合理。在优先级编码传输方案中,按照数掘段的重要性以及实际的包丢失率,提出了优先级的设定方案。与基于平等保护的方案相比,该方案有效缓解了当包丢失率达到一定程度时重建视频质量直线下降的问题,重建质量也有了明显的改善,其性能的最大差距达到了8dB左右。

论文目录

• 致谢
• 中文摘要
• ABSTRACT
• 序
• 1 绪论
• 1.1 引言
• 1.2 差错控制技术的研究现状
• 1.2.1 差错控制技术的研究动机
• 1.2.2 差错控制技术的分类
• 1.2.3 MPEG-4和H.264/AVC标准中的差错控制
• 1.3 多描述编码的研究现状
• 1.3.1 多描述编码的研究意义和应用
• 1.3.2 多描述编码的国内外研究现状
• 1.4 本论文的主要工作和组织结构
• 2 多描述编码的基本理论和方法
• 2.1 引言
• 2.2 多描述编码的信息论基础
• 2.2.1 传统的率失真函数
• 2.2.2 多描述编码的率失真函数
• 2.3 多描述编码的实现方法
• 2.3.1 基于亚采样的多描述编码
• 2.3.2 基于量化的多描述编码
• 2.3.3 基于相关变换的多描述编码
• 2.3.4 基于FEC的多描述编码
• 2.4 本章小结
• 3 基于格型矢量量化的多描述图像编码
• 3.1 引言
• 3.2 格型矢量量化器概述
• 3.2.1 格的定义和性质
• 3.2.2 格型矢量量化的算法
• 3.3 经典的MDLVQ方案
• 3.3.1 SVS方案的框架
• 3.3.2 索引分配
• 3.4 改进的MDLVQ方案
• 3.4.1 小波变换编码基础
• 3.4.2 整体框架设计
• 3.4.3 编码端的优化方案
• 3.4.4 解码端的优化方案
• 3.4.5 实验结果和分析
• 3.5 本章小结
• 4 基于平移格型矢量量化的多描述图像编码
• 4.1 引言
• 4.2 平移格型矢量量化算法
• 4.2.1 SLVQ算法的原理
• 4.2.2 实验结果和分析
• 4.3 改进的小波零树编码
• 4.3.1 传统的小波树结构
• 4.3.2 基于格型矢量量化的零树编码
• 4.4 基于SLVQ的多描述渐进图像编码
• 4.4.1 设计框架
• 4.4.2 实验结果和分析
• 4.5 本章小结
• 5 率失真优化的时域亚采样的多描述视频编码
• 5.1 引言
• 5.2 设计框架及实现
• 5.2.1 预处理的理论分析
• 5.2.2 预处理方法
• 5.2.3 运动补偿帧插值算法
• 5.2.4 预处理的率失真优化方法
• 5.2.5 开关信道下的后处理方法
• 5.2.6 包丢失信道下的后处理方法
• 5.3 实验结果和分析
• 5.4 本章小结
• 6 基于优先级传输的多描述视频编码
• 6.1 引言
• 6.2 优先级编码传输算法
• 6.2.1 纠删码简介
• 6.2.2 数据分割
• 6.2.3 打包算法
• 6.3 所提出的方案
• 6.3.1 设计框架
• 6.3.2 优先级的设定
• 6.4 实验结果和分析
• 6.5 本章小结
• 7 总结
• 7.1 工作总结
• 7.2 工作展望
• 参考文献
• 发表论文情况
• 学位论文数据集