MPEG-2到H.263 Transcoding的若干关键问题

该文在前人的工作基础上提出了在压缩域MPEG-2到H.263码流transcoding的通用框架,并进行了深入的分析和优化。这种优化的目标是,在实现视频流格式转换和瘦化的同时能够最大程度地利用源视频流的计算信息。该文对transcoding过程进行了形式化推导和分析,使transcoding的计算复杂性和存储消耗大大降低,同时理论上能实现在transcoding级上的更好视频质量(与传统方法相比)。这种通用框架能够以标准附件的形式加入高级应用功能,如数据隐藏模块、误码掩藏模块、链路适应模块。这种工作的意义在于,通过把transcoding复杂性推向网络边缘设备transcoder,降低了用户的硬件更新成本和视频服务器存储成本,使不同类型终端和不同链路环境的用户能够高效地透明地访问高质量视频流域。同时,计算复杂性和存储消耗的降低有利于服务器端以较低成本实现更多用户接入能力。

针对H.264改进的快速整像素运动估计算法

以视频压缩标准H.264联合开发模型(JM)中的运动估计算法UMHexagonS为基础,提出了一个新的快速整像素运动估计算法来改进压缩编码性能。在起始搜索点预测部分,提出了新的预测运动矢量(MV)检测顺序,以提高起始搜索点的准确度;在全局搜索部分提出了自适应全局搜索方法,根据准确度最高的两个预测MV之间的关系,适当跳过非对称十字型模板搜索和非均匀多重六边形模板搜索,并通过对不同序列的测试,验证了判断准则的可行性与准确性。根据实际序列中最佳MV相对起始点的分布,提出了改进5×5搜索。另外,增加了针对子宏块的提前终止策略,在不增加额外运算量的前提下,进一步减少了运动估计开销。实验结果表明,相对UMHexagonS算法,提出的改进算法使搜索点总数平均减小了83.80%,信噪比平均下降了0.021dB,或输出码率等效增加了0.46%。该算法有效降低了运动估计的运算量,而只带来了很小的编码性能下降,且对不同运动强度的视频序列具有均匀的算法效果。

针对网络视频应用的视频转码技术综述

对视频转码的技术基础,尤其是3种典型的体系结构进行了简述和比较,然后讨论了利用从输入视频流中易于得到的信息,减少计算复杂度和改善视觉质量的方法。同时,对近年来出现的一些热点技术,如信息(包括水印和具有差错抑制特征的数据)嵌入的视频转码、H.264码流转码等进行了重点讨论。对视频转码技术的未来发展也进行了展望。

自适应块匹配运动估计搜索算法

为了提高块匹配运动估计快速算法的搜索速度、精度和鲁棒性 ,提出了一种根据空域相关块的运动水平 ,自适应选择搜索检查点样式、搜索窗范围以及是否采用多候选值策略的混合算法 本算法中对应于小运动块的基于中心偏置的搜索样式和针对大运动块的多候选矢量亚采样搜索策略 ,满足了视频编码对运动估计算法在速度和精度上的双重要求 实验结果表明 ,该算法在速度上和精度上都明显优于性能优越的菱形搜索算法DS 。

压缩域H.264视频转换编码及其关键技术分析

在分析最新的视频编码标准H.264与以前的编码标准差异基础上,针对压缩域的H.264视频转码,系统地研究了其关键技术的进展,并按DCT到HT的系数变换、运动矢量快速重估计、修正和帧内/间编码模式和速率控制等4个方面进行了分类归纳,还对未来本领域值得研究的问题进行了展望和预测。

改进的斑点检测算法

为了最大化斑点检测中正确检测率与错误检测率之间的比值,改进了简单排序差分算法(SROD)的斑点判别准则,并提出新的斑点检测方法。针对同一帧图像中不同的斑点区域,使用自适应阈值迭代算法,使得每个斑点区域能够自动收敛到合适的阈值,同时采用纹理匹配方法克服了在斑点区域由于运动估计不准确而导致的偏差。通过对人工随机添加斑点的图像序列进行测试,实验结果表明,改进的方法比原有算法取得了更好的检测效果。

一种AVS-M整数像素运动估计快速算法

根据AVS—M编码过程中运动估计的特点，在整数像素运动矢量搜索过程中，提出一种基于起点预测和早停止的自适应运动估计快速搜索算法．与MVFAST算法相比，大大减少了搜索点数，加速了搜索过程，平均速度提高了39．9％～45．7％，减少了整数像素运动估计的计算量，在保持较低的编码码率和较好的图像质量的同时，提高了编码速度．

基于掩模金字塔的高精度全局运动估计算法

在视频序列的全局运动估计中,前景运动对象的存在常常会大幅度地降低估计的精度,为此提出一种对前景对象自适应的高精度全局运动估计算法.该算法以像素块为单位,利用块内外点的比重判定前景区域,同时引入马尔可夫聚类方法进行后处理,有效地提高了运动对象的定位精度;通过对目标函数引入权重系数增强对残差的鲁棒性,以进一步提高算法的估计精度.此外,基于像素掩模的3层金字塔构建序列图像,并将改进的梯度方法引入到优化过程中,提高了算法的实时性.对不同运动类型的标准视频序列的实验结果表明,该算法有效地提高了全局运动估计的精度和速度.

MPEG—2视频编码算法的几点改进

在ＭＰＥＧ—２ＴＭＳ［１］的基础上，本文提出如下几项改进：１）根据视觉特性，引入亮度掩盖算子修正ＴＭ５的自适应量化级计算方法，节省了码字而不影响主观质量。２）为了均匀分配亮度掩盖节省的码字，以当前Ｐ、Ｂ帧中具有较大均方差值的帧内量化宏块为编码难度的测度在编码过程中自适应地调整预置的帧码字数。这一措施也是处理场景切换的一种可行方式。３）在运动估值中综合考虑ＭＡＤ值和运动矢量编码占用比特，进一步提高编码效率，并使运动矢量场的一致性有所改善。计算机模拟实验结果表明，采用本文方法，平均视频解码信噪比提高了０．３ｄＢ以上。由于在视觉敏感区平均量化级有明显下降，图像的主观质量得到改善。

一种结合遗传算法和钻石搜索的多模式快速运动估计方法

为了解决视频编码中运动矢量搜索精度与速度的矛盾,本文提出了一种基于遗传算法(GA)和钻石搜索(DS)的多模式快速运动估计方法———MMS算法.它以图像序列的时空预测矢量作为图像活动剧烈程度的判据,自适应选择搜索模式.针对平缓运动类型使用快速的DS搜索模式,针对剧烈运动类型使用GA/DS联合搜索模式.与现有的次优解快速算法相比,MMS有效地解决了在大运动矢量情况下编码器性能下降的问题,可以从整体上提升编码器的性能,接近理想的全搜索法的结果;与其它直接利用GA进行全局优化的方法相比,MMS利用DS配合GA实现加速收敛.此外,通过引入多模式处理的概念,在保证搜索精度的同时,充分发挥了次优解算法的效率,整体编码速度与DS等快速算法的结果十分接近.这一方法为有效地解决运动估计中的矛盾问题提供了一个新的处理框架.实验结果验证了算法的性能.

一种新的基于运动矢量场及弹性模板的自适应快速搜索算法

该文提出了一种新的基于运动矢量场及弹性模板自适应快速搜索算法 ,它是以视频运动具有高度时空相关性为基础 ,从运动矢量场的均匀性出发 ,综合采用了快速块匹配、自适应弹性模板选择策略、自适应阈值与搜索中止准则等一系列技术 ,是一种具有伸缩性结构的自适应快速运动估计算法 .实验结果表明 ,该算法以极小的搜索代价得到了与全搜索相当的效果 ,并在搜索速度和搜索效果方面明显优于MPEG 4最新推荐的快速运动估计算法 ,特别是在中低码率压缩时有着更优良的性能 ,非常适合于低码率实时视频压缩领域的应用 .

一种基于线性回归模型的运动矢量重估算法

针对H.264/AVC空间分辨率缩减的视频转码,提出一种基于线性回归模型的运动矢量重估计算法.它利用原始视频流的运动矢量与下采样视频流的运动矢量之间的相关性,运用线性回归模型建模,得到下采样视频的运动矢量.仿真实验结果表明:在保持率失真性能的同时,计算复杂度明显降低.

基于视频压缩的快速自适应菱形搜索算法

针对视频压缩标准H.264中运动估计算法的特点,在兼顾视频图像质量和算法运行时间的基础上,提出了基于视频压缩的快速自适应菱形搜索算法。实验结果表明,该算法与菱形搜索算法相比,搜索时间平均减少了1.5ms,信噪比平均提高了1.3dB。

基于自适应搜索模式的运动估计算法

提出一种可自适应选择搜索模式的运动估计算法。将非零运动块分为大、中、小3种类型,相应地利用基于六边形、基于标准菱形及基于小菱形的搜索策略实现运动估计。实验结果表明,该算法减少了块匹配的搜索点数,在保证运动估计精确度的同时,降低算法复杂度,提高搜索效率。

一种改进的UMHexagonS运动估计算法

在分析UMHexagonS运动估计算法的基础上,根据中心偏移特性在起始搜索点预测中加入了原点预测;利用预测运动矢量的运动信息把当前块的运动类型区分为慢速运动、中速运动和快速运动,并采取相应的搜索策略;考虑到常见视频序列水平、垂直方向运动相对剧烈的特性,提出了用13点中菱形模板和8点多层次大菱形模板分别代替正方形模板和多层次六边形模板;在中菱形搜索和大菱形搜索的步骤后均加入提前终止判定,减少了对不重要搜索点的搜索。仿真结果表明,改进后的新算法在保证信噪比和编码码率基本不变的情况下,使得运动估计的时间减少了10%～23%,增强了编码的实时性。

基于运动估计与回溯自适应正交匹配追踪的视频压缩传感

为了解决传统视频压缩传感方法中对视频逐帧单独重构所产生的图像模糊,将压缩传感理论与MPEG标准视频编码的相关技术相结合,提出了一种基于运动估计与运动补偿的视频压缩传感方法,以消除视频信号在空域和时域上的冗余。该方法在充分考虑视频序列时域相关性的同时,首先对视频图像进行前、后向和双向预测和补偿,然后采用回溯自适应正交匹配追踪(BAOMP)算法,对运动预测残差进行重构,最后实现当前帧的重构。实验结果表明,该方法较逐帧重构的视频图像质量有较大改善,且可获得更高的峰值信噪比。

采用自适应缩放系数优化的块匹配运动估计

尽管基于平移模型的快速块匹配运动估计算法在一定程度上解决了高计算量的问题,但却是以牺牲运动补偿质量为代价的,而高阶运动模型尚存在计算量高、收敛不稳定的不足.通过实验统计发现,视频中约有56.21%的块包含缩放运动,进而得出缩放运动是除平移运动外最主要的视频运动形式的结论.进而借助双线性插值,在传统的块平移模型中引进一个缩放系数,将运动补偿误差表示为该缩放系数的一元二次函数,利用韦达定理推导出1D缩放运动下最佳缩放系数的计算方法,并将其进一步推广到2D等比例缩放运动的情况下.在此基础上,提出了一种采用自适应缩放系数优化的快速块匹配运动估计算法.该算法以菱形搜索计算平移矢量,再用自适应缩放系数确定待预测块的最佳匹配块.在33个标准测试视频上的实验结果表明,与基于平移模型的块匹配全搜索和快速菱形搜索相比,该算法的平均运动补偿峰值信噪比(peak signal-to-noise ratio,简称PSNR)分别提高了0.11dB和0.64dB,计算量比全搜索下降了96.02%,略高于菱形搜索;与基于缩放模型的运动估计相比,该算法的平均峰值信噪比较之3D全搜索下降了0.62dB,但是比快速3D菱形搜索提高了0.008dB,而计算量仅分别为两者的0.11%和3.86%,并且无需向解码端传输缩放矢量,能够实现编、解码端的自同步,不会增加边信息的码流开销.此外,该自适应缩放系数计算方法还可与菱形搜索以外的其他快速块匹配运动估计相结合,提高其运动补偿质量.

基于运动矢量预测性程度的快速运动估计算法

针对复杂剧烈运动视频信号在进行运动估计时出现的预测误差问题,提出基于运动矢量预测性程度的快速运动估计算法。根据局部运动矢量的一致性程度与运动矢量在时间上相关性程度的关系,决定运动矢量的可预测性程度,将待估计的运动矢量分类为不可预测、中度可预测和高度可预测,不同的可预测性采用不同的搜索策略进行运动估计。实验结果表明,该算法能提高运动估计的速度,并且具有与其他快速运动估计算法近似或更好的PSNR性能。

一种方向延伸的快速运动搜索算法

利用图像块运动的方向特性,减小帧间编码中运动估计的运算量。该算法利用小模板钻石搜索,先确定中心检测点到最小块失真检测点为搜索方向,然后在此方向上不断延伸一个检测点进行块失真匹配,直至下一个检测点的块失真大于当前检测点的块失真。接着以当前检测点作为中心检测点,重复以上操作,直至中心检测点为最优检测点,结束搜索。搜索中利用自适应门限提前退出搜索。搜索速度比钻石搜索算法提高了20%～60%。