基于视觉显著计算的视频流媒体渐进式表达方法

为了有效解决视频流媒体传输网络带宽、播出视频质量和用户实时性访问之间的矛盾,本文提出了一种基于视觉显著计算的视频流媒体渐进式表达方法.在视频内容分析和理解的基础上,首先进行场景分类和视觉敏感区域提取;然后根据编码信息确定视频序列中各帧的重要性,估计帧内片层数据重要性;最后基于视觉显著计算的结果提出一种适应网络带宽和质量可伸缩的视频流媒体渐进式表达方法.采用中粒度质量可伸缩(MGS)编码,在模拟网络测试平台上分别针对集中式和分散式视觉敏感区域视频序列进行实验研究,实验结果验证了本文提出的基于视觉显著计算的视频流媒体渐进式表达方法的正确性和有效性.

基于关键帧的开环-闭环混合FGS编码框架

为提高FGS的编码效率，提出了一种基于关键参考帧的开环一闭环混合FGS编码框架．对非关键帧采用单预测环路的开环结构，以提高编码效率；周期性地插入一些使用双预测环路闭环结构的关键帧，以控制开环结构导致的预测漂移．此外，为更好地利用带宽，提出了一种相应的码流截取方式，将码率优先分配给对序列整体质量贡献更大的关键帧．实验结果表明，较之JVT SVC中的AR—FGS，混合FGS编码框架在极宽的码率范围内提高了编码效率，PSNR值平均提高了1—2dB．

一种基于镜头描述的可伸缩视频码流提取方法

可伸缩视频码流提取使视频流能够适应不同带宽的网络带宽和不同处理能力的终端。提出一种基于镜头描述的视频码流提取框架,通过离线预处理获得原始视频镜头的描述,建立参考帧二叉树,基于码流分析和镜头描述实现可伸缩码流提取。实验表明该方法可以实现快速码流提取,在不损失编码效率的前提下保证视觉质量。

基于序列统计的未知无线协议特征提取方法

在未知无线网络环境下,比特流形式的协议数据帧特征不明显,且缺乏先验知识对其进行分析,造成特征提取困难。提出一种利用序列统计提取未知无线协议特征的方法。统计数据中定长序列出现的频次和位置,根据概率和相似性筛选满足频繁条件的固定序列和交互序列,得到频繁项集,并借鉴关联规则连接频繁项集中的频繁序列,去除冗余的序列信息,得到协议特征集。仿真结果表明,该方法能够有效提高未知无线协议特征提取效果,准确率稳定在90%以上。

MIMO系统中的H.264/SVC数据流抽取和重组算法

为了使H.264可分级视频编码(SVC)生成的数据流分割为多个子数据流,便于在多输入多输出(MIMO)无线网络的不同子信道上传输以提高视频传输速率,提出了一个SVC数据流抽取和重组算法。在发送端,该算法利用SVC数据流的分层结构,将其中的基本层和增强层抽取为多个子数据流,并保持基本层子数据流能够独立解码。在接收端,该算法将接收到的子数据流重组成可解码的SVC数据流。实验证明该算法能充分利用MIMO系统提供的高带宽,并具有较低的冗余度和较好的灵活性。

基于内容描述的可伸缩视频码流提取框架

可伸缩视频编码通过码流提取获得子码流以适应不同的网络带宽和处理终端。本文提出一种基于内容描述的视频码流提取框架,根据预处理获得视频内容的描述指导可伸缩视频的码流提取,从而获得更符合视频内容的子码流。实验表明这种方法快速有效,能够在不损失编码效率的前提下保证视觉质量。

基于SVC码流自适应机制的视频转码技术

针对现有转码技术中存在的转码质量低、运算复杂度高、存储容量大和成本高等缺陷,提出一种转码改进方法,将SVC(scalable video coding)应用到转码中以解决以上问题。将改进方法与传统转码技术进行了比较,实验证明,基于SVC的转码不仅复杂度大大降低,并且RD性能也优于传统转码。

基于可伸缩视频编码失真估计模型的超声图像码流抽取新方法

目的研究载人航天任务条件下可伸缩视频框架在超声图像编码中的应用,提供在轨超声检测图像实时传输的码流抽取方法。方法使用一种新的码流抽取算法,通过编码端的重建信息来估计漂移失真;考虑帧到帧的漂移失真传播系数,重建编码的失真估计模型。结果本文所使用的方案相比可伸缩视频编码参考模型(joint scalable video model,JSVM)使用的质量层分配方案,峰值信噪比(peak signal-to-noise ratio,PSNR)相当或略有提升,而计算量上避免了反复解码的复杂操作,对相同测试序列的平均抽取时间提高了10倍。结论本文提出的码流抽取方案,不需要复杂的解码操作,降低了计算复杂度,在载人航天超声图像等可伸缩视频应用中有一定应用前景。