基于异构多核处理器的视频编码去相关性研究

论文摘要

视频编码是当前国内外研究和工业应用的热点之一。视频编码通过对视频进行去相关处理实现视频压缩目的。因此,视频编码中的去相关方法研究具有重要的理论价值和实际意义。异构多核处理器（Heterogeneous multi-core processor,HMP）逐渐成为未来处理器发展的主流趋势,针对HMP的高效视频编码方法也获得了相当的关注。论文以提高HMP上的视频编码率失真（Rate-distortion,RD）性能为主要目标,提出了一些新的帧内预测以及变换工具,并对并行运动估计算法进行了研究。针对帧内预测中的DC（Direct current）预测模式不适合于图像平坦区域的问题,提出了一种基于距离加权的预测（Distance-based weighted prediction,DWP）方法。该方法根据平坦区域中像素间的相关性与像素间的距离具有反比的关系建立了线性预测模型。为了减少计算复杂度特别是便于硬件实现,进一步提出了iDWP（integralDWP）方法。实验结果表明,采用DWP和iDWP能够获得更好的去相关效果。由于不同帧内预测模式下的预测残差具有不同的能量分布特征,而DCT（Discrete cosine transform）采用固定的变换矩阵,因而很难达到理想的去相关性效果。卡洛变换（Karhunen-Loeve transform,KLT）是均方差意义下的最优变换,不过,KLT的变换性能具有数据依赖性。根据每种预测模式对应的残差信号具有较为一致的能量分布特性,提出基于最优频谱匹配（Optimal frequency matching,OFM）算法为每种预测模式训练出唯一的KLT矩阵,避免了实时训练KLT矩阵的巨大计算量。实验结果表明,训练得到的KLT矩阵具有稳定的且优于DCT的变换性能。视频编码中常常采用可变尺寸的块预测,预测块尺寸同DCT矩阵不匹配不仅降低了去相关性能,同时也导致大于4×4的块内部存在严重的块效应。论文提出将多通道滤波器组（M-channel filter bank,MCFB）用于残差块分解。基于块的多通道分解方式具有以下三个优点:其一,卷积运算自身的特性可以减少预测块内部的块效应;其二,可以进行基于块的RD优化;其三,变换系数具有同DCT系数相似的频率特性。实验表明,同DCT相比,采用MCFB能明显提高解码图像的主客观质量。此外,为了减少变换过程的计算复杂度,论文中进一步构造出整数多通道滤波器组。运动估计过程具有相当高的计算复杂度,HMP中的GPU（Graphics processingunit）常常用来加速运动估计过程。不过,在GPU的并行处理模式下,当前宏块在进行运动估计时无法获得相邻宏块的运动和模式信息作为参考,从而无法进行真正意义上的率失真优化来选择最佳运动向量。已有的方法都是直接根据SAD（Sum ofabsolute difference）来选择最佳运动向量。论文提出基于对等宏块的并行运动估计（Collocated macroblock based motion estimation,CMME）算法,利用前一帧中宏块的运动信息作为参考来估计当前运动向量代价。实验结果表明,CMME算法特别适合于较低码率以及运动较为平缓的视频序列,在增加了较少量计算代价的前提下,最高可以获得0.8dB的PSNR增益。综上所述,在对视频编码中的去相关方法进行了深入研究的基础上,提出了一系列新的帧内预测以及变换技术来提高编码的RD性能并给出相应的整数化实现方案。同时,针对并行计算模式下的运动估计算法进行了研究。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 视频编码基础及发展
• 1.2 去相关性方法研究现状
• 1.3 异构多核处理器及并行编程模型
• 1.4 基于异构多核处理器的视频编码框架
• 1.5 论文研究内容
• 1.6 本章小结
• 2 基于距离加权的帧内预测方法
• 2.1 帧内预测技术
• 2.2 帧内预测技术研究现状
• 2.3 基于距离加权的帧内预测方法
• 2.4 整数基于距离加权的帧内预测方法
• 2.5 实验结果及分析
• 2.6 本章小结
• 3 基于最优频谱匹配的KLT矩阵训练方法
• 3.1 帧内预测残差特性分析
• 3.2 KLT的定义及基本性质
• 3.3 KLT的研究现状
• 3.4 基于最优频谱匹配的KLT矩阵训练方法
• 3.5 实验结果及分析
• 3.6 本章小结
• 4 基于多通道滤波器组的变换框架
• 4.1 基于可变尺寸块预测
• 4.2 多通道滤波器组的性质及发展
• 4.3 基于MCFB的变换框架
• 4.4 整数多通道滤波器组的构造
• 4.5 实验结果及分析
• 4.6 本章小结
• 5 基于对等宏块的并行运动估计算法
• 5.1 并行运动估计算法
• 5.2 基于CUDA的并行运动估计算法
• 5.3 基于对等宏块的并行运动估计算法
• 5.4 实验结果及分析
• 5.5 本章小结
• 6 全文总结
• 6.1 结论
• 6.2 未来的研究方向
• 致谢
• 参考文献
• 附录1 攻读博士学位期间发表的论文
• 附录2 攻读博士学位期间参加课题目录