非局部低秩正则化视频压缩感知重构

视频压缩感知在采样资源受限的视频采集领域具有重要研究意义,重构算法是视频压缩感知系统的关键技术.为了更好地从压缩采样数据中重构视频信号,提出一种基于全变分与非局部低秩正则化的视频重构算法,为视频重构提供一种新的思路.算法第1步考虑视频帧内和帧间的局部相关性,应用全变分模型作为先验约束得到初步恢复的视频帧;第2步考虑视频帧内与帧间的非局部自相似性,应用改进的非局部低秩正则化算法对其进一步重构,该步骤针对初步恢复的图像帧分块在本帧和关键帧中寻找相似块,构建低秩矩阵进行低秩正则化重构.仿真结果表明,所提出算法能够精确重构视频信号,相比主流的视频压缩感知重构算法具有更高的重构质量.     

基于运动矢量细化的帧率上变换与HEVC结合的视频压缩算法

将帧率变换技术与新型视频压缩编码标准HEVC相结合有利于提升视频的压缩效率。针对直接利用HEVC码流信息中的低帧率视频的运动矢量进行帧率上变换时效果不理想的问题,文中提出了一种基于运动矢量细化的帧率上变换与HEVC结合的视频压缩算法。首先,在编码端对原始视频进行抽帧,降低视频帧率;其次,对低帧率视频进行HEVC编解码;然后,在解码端与从HEVC码流中提取出的运动矢量相结合,利用前向-后向联合运动估计对其进行进一步的细化,使细化后的运动矢量更加接近于对象的真实运动;最后,利用基于运动补偿的帧率上变换技术将视频序列恢复至原始帧率。实验结果表明,与HEVC标准相比,所提算法在同等视频质量下可节省一定的码率。同时,与其他算法相比,在节省码率相同的情况下,所提算法重建视频的PSNR值平均可提升0.5 dB。     

结合帧率变换与HEVC标准的新型视频压缩编码算法

相比于之前主流的H.264视频压缩编码标准,HEVC在保证重建视频质量相同的前提下,可以将码率降低近50%,节省了传输所需的带宽.即便如此,由于一些特定的网络带宽限制,为继续改善HEVC视频编码性能,进一步提升对视频的压缩效率仍然是当前研究的热点.本文提出一种HEVC标准编码与帧率变换方法相结合的新型的视频压缩编码算法,首先在编码端,提出一种自适应抽帧方法,降低原视频帧率,减少所需传输数据量,对低帧率视频进行编解码;在解码端,结合从HEVC传输码流中提取的运动信息以及针对HEVC编码特定的视频帧的分块模式信息等,对丢失帧运动信息进行估计;最后,通过本文提出的改进基于块覆盖双向运动补偿插帧方法对视频进行恢复重建.实验结果证实了本文所提算法的有效性.     

基于加权非局部相似性的视频压缩感知多假设重构算法

分布式视频压缩感知(Distributed Compressed Video Sensing,DCVS)多假设重构算法将传统视频编码中的多假设预测运动估计思想引入到分布式压缩感知视频编码系统中,改善了对视频序列的重构质量。在该算法中,大变化块采用本帧邻域块信息作为参考,而当本帧邻域块含有较多纹理和细节时,算法性能有待提高。为此,对非局部相似性的思想进行改进,提出基于加权非局部相似性的分布式视频压缩感知多假设重构算法。在该算法中,对大变化块中的纹理块采用加权非局部相似性在相邻已重构帧中寻找自相似块,最终生成辅助重构信息块;对于非纹理块,则简单利用加权非局部相似性生成相似块。对不同特点的视频序列的仿真实验结果表明,改进后的算法有效改善了视频序列的重构质量,具有较优的重构SSIM,PSNR指标,其中PSNR约提高1dB。     

结合全变差与自适应低秩正则化的图像压缩感知重构

针对基于固定变换基的协同稀疏图像压缩感知(CS)重构算法不能充分利用图像自相似特性的问题,提出了一种改进的联合全变差与自适应低秩正则化的压缩感知重构方法。首先,通过图像块匹配法寻找结构相似块,并组成非局部相似块组;然后,以非局部相似块组加权低秩逼近替代协同稀疏表示中的三维小波变换域滤波;最后,结合梯度稀疏与非局部相似块组低秩先验构成重构模型的正则化项,并采用交替方向乘子法求解实现图像重构。实验结果表明,相比协同稀疏压缩感知重构(RCoS)算法,该方法重构图像的峰值信噪比平均可提升约2 dB,所提算法在准确描述图像非局部自相似结构特征的前提下显著提高了重构质量,更好地保留了图像的纹理细节信息。     

基于菱形编码的视频信息隐藏算法

针对基于视频帧内预测模式调制的信息隐藏算法嵌入容量较小、比特率上升较明显等问题,提出一种基于菱形编码的帧内视频信息隐藏算法。该算法基于高效视频编码（HEVC）,将相邻两个4×4块预测模式组成模式对,采用改进的菱形编码算法指导模式调制和信息嵌入过程;并采取二次编码方式在保留原始平台最优编码划分下进行第二次隐秘信息嵌入编码,在保证嵌入量的同时抑制帧内失真漂移。实验结果表明：所提算法峰值信噪比（PSNR）值下降在0.03dB以内,码率增长低于0.53%,嵌入量有大幅提升,并能很好地保证视频主客观质量。     

基于H.264的转码初始量化参数自适应选择

针对不同的视频内容造成编码前几帧质量低下的问题,提出一种基于I帧复杂度的初始量化参数(QP)选择算法。在编码前利用解码码流中得到的I帧宏块模式信息,运用宏块中的3种不同帧内预测模式判断I帧的复杂度,并采用目标码率和初始QP的关系重新拟合新的初始QP的选择方法。实验结果表明,在相同的码率下,该算法避免了传统码率控制中初始QP选择算法的弊端,可提高视频的客观质量,降低判断I帧的复杂度,客观峰值信噪比值比现有相关算法平均提高0.6 dB,最高提高1.69 dB。     

可伸缩视频编码的自适应QP级联算法

针对可伸缩视频编码标准中采用的分级B帧预测结构,提出一种图像级的内容自适应量化参数(QP)级联算法。在该算法中,任意一帧图像的最终QP值由分级预测的结构及该图像内所有宏块的运动预测模式决定。实验结果证明,与目前SVC标准采用的技术相比,该算法最多可以提升0.363 dB的编码性能。     

基于率失真特性的视频编码优化算法

率失真（R-D）优化是视频编码器中一项关键技术,然而当前广泛采用的独立率失真优化远未达到全局最优性能。为了进一步提升高效视频编码（HEVC）的压缩性能,提出了一种结合率失真依赖性和率失真特性的二次编码优化算法。首先,采用原始HEVC的方法对当前帧进行第一次编码,从而得到当前帧消耗的比特数和每个编码树（CTU）单元的率失真模型参数;然后,结合时域依赖率失真优化,根据当前帧比特预算和率失真模型参数计算每个CTU的最佳拉格朗日乘子及量化参数;最后,对当前帧中每个CTU采用不同的优化目标重新编码。实验结果表明,在低延迟B帧和P帧编码配置下,与HEVC基准相比,所提视频编码优化算法在同样编码质量下节省了3.5%和3.8%的码率,获得了显著的率失真性能提升。     

基于H.264压缩域的视频盲水印算法

为了解决H.264视频信息的版权保护问题,提出了一种基于即时解码刷新(IDR)帧离散余弦变换(DCT)域的盲水印算法。该算法首先分析IDR帧的纹理特征,利用滑动矩形窗根据图像的梯度特性提取出复杂纹理区域;然后,计算该区域内每个宏块的16个4×4子块能量,得到能量最高子块;最后,通过自适应修改子块的一个交流(AC)系数幅值以达到嵌入水印的目的。实验结果表明：对CIF分辨率视频测试序列嵌入水印后,视频图像的峰值信噪比(PSNR)平均下降0.15dB,码率平均增加了0.49%,水印检测准确率达到91%以上,并且该算法能够有效抵抗不同量化参数(QP)的重复编码攻击。     

结合恰可察觉编码失真模型的HEVC大容量信息隐藏方法

目的 数字视频通常经过压缩后传输,结合视频编码标准嵌入秘密信息是视频信息隐藏的主流技术。然而,现有基于HEVC（high-efficiency video coding）的视频信息隐藏技术存在码率增长过快、视频质量下降等问题。针对以上问题,提出结合恰可察觉编码失真模型（JNCD）的HEVC大容量信息隐藏方法。方法 JNCD模型是一种面向HEVC视频编码的视觉感知模型。该模型充分考虑编码过程的模糊和块效应,有效去除视频感知冗余,在相同码率下可获得更高的主观感知质量。结合JNCD模型,调节I帧中编码单元（CU）的最优量化参数（QP）值,并利用基于方向调整（EMD）算法嵌入秘密信息,进一步增加信息隐藏容量。为了提高信息的安全性,用密钥对秘密信息进行置乱加密处理,在解码端只有持有该密钥的用户才能正确解密,获得秘密信息。结果 实验使用HEVC参考软件HM16.0,选取分辨率不同的序列进行测试。结果表明,秘密信息嵌入后,视频测试序列的PSNR平均值为41.16 dB,与现有的信息隐藏方法相比,不仅保持较好的主观和客观视频质量,而且信息隐藏容量平均提升2倍左右。结论 采用本方法在保证原视频图像的质量的情况下,能够有效增加信息隐藏的容量,并能够一定程度阻止码率增长,符合信息隐藏的不可见性、安全性和实时性要求。     

802.11e中失真驱动的视频传输跨层优化

针对H.264视频在802.11e无线网络中传输时,由丢包和编码量化引起的接收端失真问题,提出了一种以失真为驱动的跨层优化算法,以减少接收端的失真。通过率失真模型得到量化参数(QP)和量化失真之间的关系后,根据不同视频数据分区的丢包率,估计出接收端的传输失真和总体失真;然后,以这个总体失真为依据,提出一个求最优量化参数的选择算法。实验结果表明,所提方法相比只针对H.264视频不同数据分区赋予不同传输优先级的由上向下跨层架构,或者只考虑根据传输丢包率调整编码器量化参数的由下到上的跨层架构,平均峰值信噪比(PSNR)提高了1~2dB,具有更小的接收端失真。     

针对H.264码率控制的初始量化参数选择算法

针对JVT-H017提案码率控制算法初始量化参数选择与视频内容无关的问题,在总结现有改进算法基础上,提出一种快速有效的初始量化参数选择算法。该算法只需第一个P帧的平均绝对误差（MAD）值及每像素平均比特率信息即可快速给出初始量化参数。实验结果表明,在恒定比特率下,所提算法与JVT-H017算法相比,预测的初始量化参数更加准确,ΔPSNR最大能提高1.1dB,并且算法对含B帧编码结构同样有效。     

一种面向SVC的码率控制算法

H.264/AVC可伸缩性扩展视频编码系统(JSVM)提供了一种可伸缩视频编码(SVC)的解决方案,然而它本身并没有提供一种有效的码率控制算法.文中基于JSVM的分层预测结构,提出了一种全新的码率控制算法.首先在码率分配方面,考虑到分层B帧预测(或运动补偿时间域滤波(MCTF))结构,给出一种分层的码率分配方案;然后,针对不同类型和不同时间分解层各自的统计特性,分别为它们设计了不同的率失真(R-D)模型.实验结果表明,文中算法能够有效地控制码率,使得目标码率跟实际产生码率之间的偏差最大不超过2%;同时文中算法较大地提高了解码图像的质量,使得峰值信噪比(PSNR)在低码率端可提高1dB;另外,JSVM是通过不断调整量化参数(QP)使得实际产生的码率逐次逼近目标码率,较之这种尝试型的码率控制算法,文中基于模型的码率控制是在一次编码中产生最终的目标码率,从而大大降低了计算复杂度.     

An early split and skip algorithm for fast intra CU selection in HEVC

The rapid development and increase of multimedia applications, as well as the demand for higher video-quality services at restricted resources such as storage capacity, transmission bandwidth and power consumption, has brought the urgent need for more efficient video compression techniques. The new video coding standard high efficiency video coding (HEVC) has a significant superiority over its predecessor advanced video coding (AVC). HEVC is reported to halve the bit rate with the same visual quality, or a better quality with the same bit rate when compared with AVC. Beside other improvements, HEVC significantly gets its power from the use of dynamic hierarchical quad-tree structure by partitioning the frames into smaller regions called coding units (CU), by means of a rate–distortion optimization process. However, this improvement yields to a dramatic increase of high computational complexity and increased encoding time, which primarily restricts its adaptation in real-time applications. In this paper, we proposed an early CU determination algorithm for fast encoder realization to reduce the encoding time which is the most important part of the standard standing for development. The experimental results show that the proposed algorithm has approximately 45 % encoding time saving with a 4.6 % bit-rate increment, on average.     

道路交通场景监控视频编码研究

道路交通监控摄像机所能拍摄的最大场景范围已知,分析监控视频中交通流流动的规律,提出基于场景的压缩方法。通过运动在空间上的分布,建立运动能量图,取反获取掩模。改进HEVC编码方法,针对运动分布区域交通流的方向性强且运动剧烈特征,使用非对称模板改进TZSearch运动搜索算法;针对掩模区域运动性弱特征,提前设置运动搜索终止阈值。实验结果表明,与AVS2和MPEG-4编码相比,改进方法能够同时保证交通显著性以及压缩性能;与HEVC编码比较,改进方法的平均比特率节约、平均PSNR增效和平均时间节约分别为11.80%、3.90 dB和5.55%,车辆识别的准确率能够提高7.41%,增强了视频编码效率的同时强化了视频本身的分析性能。     

SSIM-based joint-bit allocation for 3D video coding

The quality of a 3D video display depends on virtual view synthesis process which is affected by the bit allocation criterion. The performance of a bit allocation algorithm is dependent on various encoding parameters like quantization parameter, motion vector, mode selection, and so on. Rate-distortion optimization (RDO) is used to efficiently allocate bits with minimum distortion. In 3D video, rate-distortion (RD) property of synthesized view is used to assign bits between texture video and depth map. Existing literature on bit allocation methods use mean square error (MSE) as distortion metric which is not suitable for measuring perceptual quality. In this paper, we propose structural similarity (SSIM)-based joint bit allocation scheme to enhance visual quality of 3D video. Perceptual quality of a synthesized view depends on texture and depth map quality. Thus, SSIM-based RDO is performed on both texture and depth map where SSIM is used as distortion metric in mode decision and motion estimation. SSIM-based distortion model for synthesized view is determined experimentally. As SSIM cannot be related to quantization step, SSIM-MSE relation is used to convert distortion model in terms of MSE. The Lagrange multiplier method is used to solve the bit allocation problem. The proposed algorithm is implemented using 3DV-ATM as well as HEVC. RD curves show reduction in bitrate with an improvement in SSIM of synthesized view.