论文部分内容阅读
随着互联网的快速发展,数字视频得到越来越广泛的应用,视频流式传输(也称流媒体)是其中一项迅猛发展的技术,能够满足人们学习娱乐等方面的需求。随着技术的不断进步,可以利用数字视频服务的互联网终端也越来越多,其规格和所处网络环境也越来越多样化,因此,在互联网上进行流媒体传输对视频压缩和网络传输等都提出了新的挑战。为了克服网络终端多样性及带宽的不稳定性等问题,可伸缩视频编码SVC(Scalable Video Coding)应运而生。它可以根据用户需求及网络带宽状况,自适应地通过丢弃部分编码数据包来实现码率截断等,从而大大提高了压缩视频的网络适应性。
然而,对于一个给定的SVC码流和具体的传输码率,可以有多种不同的码流截断方法,所获得的各个子流的编码效率会因为不同的方案而有很大的差异性。因此,怎样设计一种有效的算法,使得在提取SVC子流时可以最大限度地保证子流视频的质量,成为了一个非常具有研究意义的问题。当前针对这一问题虽然已有不少研究人员提出了很多相关算法,但大多是基于多次反复解码以确定各SVC数据包的优先级,运行速度较慢。为了使SVC能更好地发挥其性能,我们需要寻找一种可以快速高效地对SVC码流进行截取的方法。
针对此问题,本文的研究内容和主要工作有:(1)基于对SVC MGS(Medium-Granular scalable)的率失真分析,提出一种面向SVC MGS的构建率失真模型的方法,建立预测模型用于估算MGS分层次B帧结构下各数据包的率失真情况,实验验证结果表明模型建立合理,估算较为准确。(2)基于SVC MGS率失真模型构筑的一种简单快捷的MGS视频最优质量截取算法,算法仅需进行两次解码即可获得各调度包优先级,实现对于SVC码流的快速最优截取。实验证明该方法可在较低复杂度下获得与参考软件中方法相当的效率。(3)基于率失真模型构筑的一种MGS视频平滑质量截取算法,利用该模型寻找序列中质量最低的部分并分配码率,从而使整个序列PSNR波动量小,实现对于码流的快速平滑截取。实验表明该截取算法无论是在客观PSNR对比还是主观视觉感觉评价下都获得了较好的实验结果。