一种最小变形度全景视频映射方法

全景视频需要经过采样映射转换成平面矩形视频,以便后续的压缩编码.针对现有映射方法存在的内容变形和采样不均匀问题,提出一种最小变形度映射方法(Minimum Deformation Projection,MDP).首先提出新的变形度计算公式求得最优解,其次结合像素排列为矩形的要求和人工边界等因素对最优解做近似,最后得到了最优的多边形映射形状和像素排列方案.实验数据表明,MDP的采样密度更均匀,结合使用x265,相对于ERP可以获得约14.47％的增益,优于其他映射方法.     

一种适应运动前景的快速行人检测算法

针对智能监控视频中行人的运动特性和基本HOG加SVM人体检测算法的特点,将运动目标检测算法融入基本的HOG加SVM人体检测算法。首先,利用运动目标检测算法确定运动区域矩形窗,并扩大调整矩形窗尺寸获得ROI窗口;然后,根据运动区域尺寸与训练样本尺寸的差距调整ROI窗口的首级窗口缩放因子,并对ROI窗口进行人体检测。实验结果表明,本文算法优于基本的HOG加SVM人体检测算法,具有良好的实时性和适应性。     

基于边缘建模的纹理深度联合快速三维编码

HEVC的三维视频编码扩展部分（3D-HEVC）引入了视间预测和纹理深度联合预测的工具对相关性较强的纹理、深度视点进行高效编码,同时它沿用了HEVC中的四叉树编码结构和率失真优化来选择最优预测模式和块划分模式,这样导致计算量很大。在3D视频中,纹理图像、深度图像中存在大片较为平坦的纹理区域,深度图像中的平坦区域占比更是达到85%,然而对于平坦区域进行计算量极大的率失真过程是冗余的,针对此问题提出一种基于边缘建模的纹理深度联合快速编码算法。该方法对纹理图像以及深度图像进行边缘建模,对其中的编码单元进行平坦性分析,通过边缘模型中的平坦性和方向性对编码过程进行指导,从而有效地避免了一些冗余的CU深度以及块划分模式的遍历。实验结果表明,在随机访问配置（RA）的情况下,该方法平均降低59.0%的编码时间,而仅在合成视点端带来3.8%性能下降。     

快速AVS2帧内预测选择算法

针对目前数字音视频编解码技术标准(AVS2)中帧内预测模式判断过程计算较为复杂,而如今超高清视频的普及给编解码系统带来很大压力的问题,提出了一种快速帧内预测选择算法.该算法先对最底层最小编码单元(SCU)进行预测模式删选,减少了底层SCU的计算量;再通过下层编码单元(CU)的预测模式得到上层CU的预测模式,从而减少了上层CU的计算量.实验表明,该算法对压缩效率的影响很小,并且编码时间平均下降超过15%,并可有效地降低帧内编码的复杂度.     

一种面向HEVC的并行码率控制算法

视频通信时通常带宽有限,为了能在规定的目标码率下获得尽可能高质量的解码图像,需要在视频编码时进行码率控制.目前针对HEVC的并行编码以及对应码率控制已成为研究热点,现有并行结构下的平均比特率控制算法受到帧间依赖性的约束,待编码帧无法及时获得与其并行编码帧的实际比特数,因此本文算法通过预测并行帧的实际比特数来进行码率控制,并在此基础提出了自适应调整帧层量化参数补偿值.仿真结果表明,相比已有算法,前者减少码率误差约为3.38％,后者可提高PSNR约为0.204 dB同时减少约0.3％的码率误差.     

一种快速HEVC帧内预测算法

为了提高HEVC帧内预测的编码速度,提出了一种快速帧内预测算法。该算法充分利用视频序列的时间相关性,利用相邻帧CU的大小相关性在CU(Code Unit)层提前判定CU的最佳编码尺寸以及利用相邻帧在PU层减少预测方向数目来加速帧内预测的过程。实验结果表明:提出的算法与HEVC已有快速算法相比,峰值信噪比(PSNR)平均下降0.06 dB,输出码率平均减少0.09%,而帧内预测时间平均减少了约49.81%。     

AVS标准中的视频码流缓冲区校验模型分析

分析了AVS标准和MPEG-2标准中的视频码流缓冲区校验模型,阐述了视频码流缓冲区校验模型的原理,对标准中的相关规定进行了整理和总结,对标准中晦涩难懂的部分进行了解释,对标准中没有明确规定的部分提出了建议。将码流缓冲区模式分成3类,并提出了高延迟模式的概念。通过对编解码过程的分析,推导出编码器维持缓冲区不溢出的条件。     

基于SVM的GPS有效性分析方法

GPS定位在室外复杂环境下会受到影响,造成定位结果发散。针对GPS数据设计了一种基于SVM的GPS有效性判断,该方法突破了传统的GPS精度判断指标,创新地引入了其他GPS数据作为GPS有效性的指标,并提出了一种基于SVM的GPS信号的有效性进行分析判断。实验结果表明,该方法的GPS有效性判断准确率达到95.1%,剔除了无效的GPS信号。