基于视觉冗余模型的码率压缩方法

提出了一种基于视觉冗余模型的码率压缩方法,它是建立在人眼视觉特性视觉冗余模型的基础上,通过与编码标准参考软件相结合,进一步压缩编码比特数。实验结果表明,在图像质量没有明显变化的前提下,此方法在视频编码标准的基础上能进一步压缩编码比特数,平均压缩率在7%～30%左右。     

H.264编码器中1/4像素精度插值算法的VLSI实现

H.264视频编码标准中引入了1/4像素精度插值算法,大大提高了压缩效率,但同时使运算复杂度增加、存储带宽增大。针对以上问题,从运动估计的角度出发,采用一步插值法和数据复用技术,可使带宽减少26%,处理周期可减少45%;设计了相应的硬件结构:采用了5级流水线实现一步插值算法,通过输入缓冲单元实现了参考数据的复用;针对插值过程中产生的大量数据,采用乒乓操作结构,保证数据及时传递。该结构可以显著降低带宽,提高吞吐率,完全可以应用于实时编码器中。     

一种基于运动对象的形状编码新算法

本文提出一种基于运动对象的形状编码新方法,称之为基于曲率尺度空间CSS(Curvature Scale Space)的自适应算术形状编码算法(CSSAS).本算法主要分为两种编码模式:帧内模式和帧间模式.在帧内模式中,我们在对CSS算法进行改进的基础上,对任意形状对象的形状信息进行特征点的分层提取;并用自适应算术编码算法对提取的特征点进行编码.在帧间模式中,提出了一种基于曲率尺度空间图(CSSI)的任意形状对象的运动估计算法.上述运动估计/补偿后所获得的形状曲线的匹配部分使用基于弧长索引的压缩编码算法,而对于不匹配部分,采用与帧内CSSAS算法相同的方法进行压缩编码.实验结果表明,本文提出的CSSAS算法与MPEG-4校验模型中基于上下文的算术形状编码算法(CAE)相比,在帧内模式时,CSSAS比CAE压缩比提高约25%,在帧间模式Dn较大时,CSSAS比CAE压缩比明显提高,而在重构形状的主观质量上,CSSAS这两种模式均优于CAE.     

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%。     

改进的多分辨率形状匹配算法研究

形状匹配算法虽然在基于内容的视频检索中应用广泛，但由于视频数据量非常大，匹配非常耗时，因此形状匹配算法通常会成为实时视频检索的瓶颈，为了快速准确地进行形状匹配和检索，提出了一种改进的多分辨率Hausdorff距离变换算法，该算法是通过对后向匹配算法进行优化来使匹配速度大大加速，可用干进行实时车型比较和识别。实验结果表明，该改进算法在车型识别上具有速度快和准确性高的优点，尤其在模板图像比较大的情况下，此改进算法优势明显。     

小波变换和算术编码在MPEG 4中的应用

给出了MPEG－4中基于小波变换的静态纹理编码,包括最低频带和高频子带的自适应算术编码的算法和仿真实验结果。     

实时运动对象分割和检索算法

提出一套实时视频对象分割检索算法,用运动矢量信息标注运动区域,利用背景检测算法检测对象区域。将检测出的对象区域和运动区域进行并操作运算,得到单帧图像的分割。利用改进的Hausdorff距离跟踪算法进行匹配跟踪和检索。实验表明了该算法的有效性。     

基于混合架构的H.264/AVC视频编码器设计

提出了基于DSP FPGA混合平台的H.264/AVC编码器设计思路与实现方法.以DSP为主处理器,FPGA为协处理器实现算法的硬件加速,针对编码器中最复杂耗时的模块,设计相应的硬件加速引擎.并针对硬件加速引擎制定出便于控制和数据传输的软/硬件通信协议,实现了H.264/AVC D1编码器所需的实时性能.     

基于IP网络的H.264/AVC视频实时传输

随着新的视频编码标准H.264/AVC的逐步推广应用,如何基于IP网络应用环境来实现H.264/AVC视频的实时传输,对于发展高质量视频传输具有重要意义,为此,提出了一种基于IP网络的H.264/AVC实时传输解决方案,并着重从H.264-FGS编码器和速率控制两方面进行阐述。     

基于曲率尺度空间的VOP形状编码算法

首先对曲率尺度空间（CSS）算法进行改进，并用改进的CSS算法对任意形状物体的形状信息进行特征点的分层提取；其次，用自适应算术编码算法对固定长度的八分圆编码算法进行改进，并对所提取的特征点进行算术编码，实验结果表明，这种新的基于特征点提取的形状编码方法比MPEG-4校验模型中基于上下文的算术形状编码算法，在Dn相同的条件下，主观质量更好，且压缩比更高。