A WYNER-ZIV VIDEO CODING METHOD UTILIZING MIXTURE CORRELATION NOISE MODEL

In Wyner-Ziv (WZ) Distributed Video Coding (DVC), correlation noise model is often used to describe the error distribution between WZ frame and the side information. The accuracy of the model can influence the performance of the video coder directly. A mixture correlation noise model in Discrete Cosine Transform (DCT) domain for WZ video coding is established in this paper. Different correlation noise estimation method is used for direct current and alternating current coefficients. Parameter estimation method based on expectation maximization algorithm is used to estimate the Laplace distribution center of direct current frequency band and Mixture Laplace-Uniform Distribution Model (MLUDM) is established for alternating current coefficients. Experimental results suggest that the proposed mixture correlation noise model can describe the heavy tail and sudden change of the noise accurately at high rate and make significant improvement on the coding efficiency compared with the noise model presented by DIStributed COding for Video sERvices (DISCOVER).

Wyner-Ziv视频编码中边信息生成算法研究

在Wyner-Ziv视频编码系统中,针对生成边信息容易出现块效应和重影现象的问题,提出了一种基于原始图像相关性的重叠块双向运动补偿算法。在编码端计算原始图像相关性,并将相关性数据发送到解码端辅助运动估计,得到较精确的运动矢量,最后通过重叠块双向运动补偿生成边信息。实验结果表明,与现有的双向运动补偿内插算法相比,提出的算法生成边信息的平均PSNR可以提高1.5~3dB,且边信息的主观质量也有明显改善。

Wyner-Ziv视频编码中无反馈速率控制算法研究

为了避免在分布式视频编码系统中使用反馈信道,提出了一种基于Wyner-Ziv编码的无反馈速率控制算法。首先,利用目标码率和目标帧率进行GOP层码率分配;然后,根据原始图像的帧间相关性动态选择量化因子和量化矩阵来分配每个GOP内关键帧和Wyner-Ziv帧的比特数;接下来,利用系数带级的相关性计算相关噪声模型参数,并选择对应的LDPC校验矩阵,提出Wyner-Ziv帧的无反馈比特面速率控制算法。实验结果表明,在给定目标码率下,所提算法的编码码率误差小于0.57%,且与现有无反馈速率控制算法相比,解码恢复图像的PSNR(峰值信噪比)可以提高1dB。另外,该算法基本没有增加编码端复杂度,可用于实际分布式视频通信系统。

基于变换域Wyner-Ziv视频编码的相关噪声模型

在Wyner-Ziv(WZ)视频编码中,原始WZ帧数据和边信息(Side information,SI)间相关噪声模型是影响编码效率的关键因素。现有文献通常认为边信息和当前解码WZ帧的概率分布近似符合零均值拉普拉斯分布。本文详细研究了变换域WZ帧与相应边信息的残差系数的分布关系,发现其残差变换后直流系数带统计分布相比零均值拉普拉斯分布存在一定偏差,且系数带的相关噪声分布随时间和空间变换。根据变换域残差系数的分布特征,提出了一种基于变换域的相关噪声分布模型及自适应参数估计算法,利用帧内插时前向和后向运动补偿帧变换残差,在解码端估计系数带的分布参数。实验结果表明该算法有效提高了WZ视频编码的编码效率。

一种空间域Wyner-Ziv视频编码系统的性能改进算法

分布式视频编码是建立在Slepian-Wolf和Wyner-Ziv信息编码理论基础上的全新视频编码框架,具有编码复杂度低,编码效率较高,抗误码性能好的特点.本文首先简单介绍了一种典型的分布式视频编码实现方案——空间域Wyner-Ziv视频编码,随后提出一种空间域Wyner-Ziv视频编码系统的性能改进算法,该算法在不增加编码复杂度的基础上,在解码端利用双向运动估计预测获取更高质量的边信息,同时采用基于Huber-Markov随机场约束的联合迭代解码算法重建图像.实验结果表明,在相同的输出码流情况下,本文改进算法在解码端重建图像的峰值信噪比与空间域Wyner-Ziv视频编码算法相比平均提高2dB,并且主观效果有所改善.

无反馈分布式视频编码中Wyner-Ziv帧的顽健重构算法

在无反馈分布式视频编码系统中,提出了一种Wyner-Ziv帧的顽健重构算法。针对比特面解码错误带来的视频质量下降问题,对DC系数和AC系数使用不同重构方法,特别是对于解码失败的DC系数量化值,利用编码端原始图像的相关信息自适应地调整边信息量化值和解码失败量化值对重构的贡献,从而完成重构。实验结果表明,与最小均方误差重构算法相比,该算法可以有效提高解码视频的平均PSNR(peak signal-to-noise ratio),且解码视频图像的主观质量有明显改善。

无反馈分布式视频编码中Wyner-Ziv帧码率控制算法

基于分布式视频编码系统,提出一种Wyner-Ziv帧的码率控制算法.首先,通过理论推导和实验,提出了针对Wyner-Ziv帧不同系数带的率失真估计模型,并通过训练学习的方法针对不同系数带分别确定模型参数;然后,使用提出的率失真模型估计当前帧的编码码率,并结合目标码率约束确定最优量化矩阵;最后,为每个比特面分配相应数目的校验位,完成LDPC编码并输出.实验结果表明,在相同目标码率下,与现有无反馈码率控制算法相比,使用本算法可提高解码恢复视频峰值信噪比0.3～1dB,且编码端运算复杂度增加很小.

Wyner-Ziv视频系统中解码算法研究

首先简要介绍了一种典型的分布式视频编码-Wyner-Ziv视频编码。然后对Wyner-Ziv视频编码中边信息进行理论分析,随后给出了基于加权MAD准则的边信息估计算法和基于先验概率约束的联合解码算法。实验仿真结果表明,采用本文解码优化策略,在编码端相同输出码率情况下,重建解码图像的PSNR比原始算法平均提高1.5dB。

变换域Wyner-Ziv视频编码的码率控制

为了降低变换域Wyner-Ziv视频编码的解码复杂度,利用信道相关特征量及系数带的时间相关性提出了一种有效的码率控制算法.该算法在编码端估计传送的最小码率块,并利用不同系数带的时间相关性及信道的平均反馈次数,对估计的最小码率进行调整,得到实际需要传送的初始码率,从而有效地控制解码反馈次数,降低系统延时和解码复杂度.实验结果表明,该算法在保证编码效率的同时可以大幅降低解码复杂度,最大可降低82%.

泛在网络中基于压缩感知的Wyner-Ziv空域可分级视频编码

提出一种适用于泛在网络中的基于压缩感知的Wyner-Ziv空域可分级视频编码。在编码端,基本层和增强层之间独立编码,基本层编码器将视频信号下采样,然后进行H.264视频编码,增强层编码器采用自适应的压缩感知测量、量化和熵编码。在解码端,利用时域稀疏模型,基本层和增强层联合进行压缩感知重建。理论分析和实验结果表明,所提编码算法能够灵活地调整输出码流,具有较好的率失真性能和传输的顽健性。

Wyner-Ziv视频编码中边信息估计改进算法

首先简要介绍了分布式编码基本原理和一种典型的分布式编码方案——Wyner-Ziv视频编码。然后在Wyner-Ziv视频编码中提出了一种改进边信息估计算法,该算法中运动估计采用加权MAD准则。实验仿真结果表明,采用该文算法得到的运动矢量场更为准确,同时在相同输出码率时PSNR比原始算法平均提高0.7dB。

像素域Wyner-Ziv视频编码的码率控制

Wyner-Ziv视频编码通常利用反馈信道在解码端执行码率控制,造成解码复杂度很大,限制了其实际的应用.在分析与码率相关的特征量的基础上,提出一种像素域Wyner-Ziv视频编码系统的码率控制算法.首先使用相关噪声模型分布参数估计运动量的大小,然后利用位平面的时间相关性确定解码当前位平面时编码端需要传送的初始码率,从而使解码反馈次数减小,降低解码复杂度.实验结果表明,文中算法在保证编码效率的同时使解码反馈请求次数减少到原解码端码率控制算法的30%左右.

基于像素域的Wyner-Ziv视频编码算法

在分布式视频编码有损编码理论的基础上,提出了一种基于像素域的分布式视频编码方法。在该方法中,输入的视频帧被分为Key帧和Wyner-Ziv帧两类,其中Key帧使用传统的帧内编码方式进行编码,而Key帧之间的Wyner-Ziv帧使用基于像素域的编码方法。在解码端,通过对相邻的Key帧进行运动补偿插值,得到Wyner-Ziv帧的辅助信息,再结合编码比特流的解码信息获得重构Wyner-Ziv帧。实验结果表明:基于像素域的Wyner-Ziv分布式视频编码算法具有优于H.264全I帧编码的性能。

一种基于Wyner-Ziv结构的贝尔模板图像编码方法

该文提出一种基于Wyner-Ziv(WZ)结构的四通道贝尔模板图像分布式编解码方法。在编码端对贝尔模板图像进行结构分离转换,形成4个分量图像并分别执行离散余弦变换,依据拉格朗日代价函数的收敛性,利用Lloyd迭代算法设计了全局优化的量化器,采用Slepian-Wolf(SW)信道编码方法对各分量变换系数的量化输出进行独立编码,在解码端利用亮度分量作为边信息,联合解码重构贝尔模板图像。实验表明,在高速率情况下,其率失真性能得到较好的改善。

基于联合估计的Wyner-Ziv系统边信息重建

在不显著增加解码复杂度的前提下,为提高Wyner-Ziv视频编码系统的边信息(SI)重建质量,提出一种基于SI信度的整像素/半像素联合估计算法。该算法引入一个SI质量判定因子判断边信息的重建质量,根据SI置信度是否超过设定的判别阈值进行整像素和半像素边信息重建方法的自适应切换。实验结果表明,在保持甚至超过传统亚像素边信息重建算法性能的基础上,该算法明显降低了系统解码复杂度。

Wyner-Ziv视频编码中边信息估计研究

Wyner-Ziv视频编码是一种典型的分布式视频编码。为了产生较为精确的边信息,提出了一种基于运动估计双向预测边信息的方法,构造了运动补偿内插框架以及改进了算法。Matlab仿真结果表明,改进方法的率失真性能比H.264帧内编码高出0.1～9.0dB,比基于Turbo码的Discover软件高出0.01～0.90dB。

一种新的Wyner-Ziv视频编码关键帧抗误码方案研究

在Wyner-Ziv视频编码传输系统中,关键帧的正确传输和准确解码对于整个系统的编解码性能有着重要影响.然而在无线通信系统中,由于网络故障、网络拥塞等会造成关键帧数据丢包的问题,这严重影响了接收端的解码质量.本文针对关键帧丢包问题提出一种新的解决方案,即在有反馈信道的条件下,通过对丢包帧增加部分额外Wyner-Ziv码流进行纠错并恢复解码端的受损图像,从而有效地提升视频质量.实验测试结果表明：当关键帧丢包率为1%~20%时,相比于典型的帧内错误隐藏算法,本文方案对重建图像纠错后的PSNR最大可提高20dB,且即便是丢包率很高的情况下,也能够较好地提升关键帧的R-D性能.

基于像素域的Wyner-Ziv编码技术分析

分布式视频编码是一种全新的视频压缩技术,该编码理论基于20世纪70年代的Slepian-Wolf和Wyner-Ziv提出的信息论相关理论。首先介绍了分布式视频编码的基本信息论基础,然后着重分析了一种使用帧内编码、帧间解码技术的Wyner-Ziv编码器框架。在该框架中,输入的帧被分为Key帧和Wyner-Ziv帧两类,其中Key帧使用传统的帧间编码进行压缩,而Key帧之间的Wyner-Ziv帧使用Turbo码进行编码,并且在解码端通过对相邻的Key帧进行运动补偿插值,而得到用于解码Wyner-Ziv帧的辅助信息,最终将辅助信息与Wyner-Ziv帧结合,得到了效果比较理想的解码帧。文章的最后给出了相关结论。

基于变换域Wyner-Ziv视频编码的有效重建算法

为了减少分布式视频编码系统重建值与真实值之间误差,提出了基于变换域Wyner-Ziv视频编码最小均方误差(MMSE)重建的一种有效重建算法。该算法充分利用视频帧间相关性,对MMSE重建算法积分区间做出调整,当边信处于解码值对应量化区间之内时,在量化区间内利用MMSE重建;当边信息处于解码值对应量化区间之外时,对量化区间做出调整,在改进后的区间利用MMSE重建。实验结果表明,与最佳重建最小均方误差重建算法相比,该算法可以有效提高解码视频的平均PSNR。

频率域Wyner-Ziv视频编码算法的改进

为提高分布式视频编码压缩率,依据无线传感网络终端设备及Wyner-Ziv视频编码特点,针对Bernd Girod的频域Wyner-Ziv视频编码方案提出改进算法。该算法在编码端通过简单DCT运算提出将图像块分为Skip模式、低频模式和全频模式三种可选模式,在解码端根据相应的编码模式分别选择平均插值、自适应搜索运动估计插值和自适应搜索精细运动估计插值的边信息估算方法联合解码。该算法既能通过消除大量的帧间预测与熵编码实现低码率传输,又能以最小的解码代价获得更精确的边信息,从而有效地避免图像解码质量下降。实验结果表明,在相同峰值信噪比情况下,该算法的码率比Bernd Girod提出的频域Wyner-Ziv算法平均下降40%。