论文部分内容阅读
近年来，无线视频监控、多媒体传感网络、多视点视频等新型应用的出现对传统视频编码方案提出了挑战。新型应用多信源终端的特点使得编码器的复杂度及功耗受到很大的限制，传统视频编码方案如H.26x.MEPG系列复杂的编码器不能满足新应用的需求。分布式视频编码作为一种全新的视频编码方案应运而生，基于分布式信源编码Slepian-Wolf理论和Wyner-Ziv理论提出的分布式视频编码方案视频帧采用独立编码、联合译码的结构。仅仅在译码端挖掘信源的统计相关性，使得分布式视频编码在具有高压缩效率的同时具有编码器简单的特点。
采用独立编码联合译码的分布式视频编码，视频帧信源信息包括编码端生成的关于视频帧的主信息和译码端根据信源相关性获得的关于视频帧的边信息。要实现高压缩效率的分布式视频编码，高质量的边信息生成技术是关键所在，边信息质量越高，则实现限定失真的视频帧成功译码编码端需要传递的主信息数量越少，分布式视频编码系统压缩效率相应越高。
本文首先在研究现有边信息生成方法的基础上，提出了一种改进的联合哈希校验和线性预测的边信息生成方法。该方法对帧间编码帧宏块(Wyner-Ziv帧)根据其相对参考帧的运动情况分为零运动、慢运动及剧烈运动三类，译码端根据编码端分类信息和辅助信息对各类宏块分别采用跳过模式、线性预测模式及哈希校验运动估计模式生成边信息。与现有边信息生成方法相比较，仿真结果表明，提出方法较运动补偿内插方法(MCI)性能上有1.1dB提高。
然后在统计学习边信息生成方法的基础上，提出了基于双向运动矢量学习的边信息生成方法(BML)。该方法通过简化Wyner-Ziv帧参数的最大后验概率估计模型，将解码端Wyner-Ziv帧的估计转化为运动矢量学习和帧参数LDPC译码学习过程。另外，为了降低译码端计算的复杂度，双向运动矢量学习简化为前向和后向运动矢量学习交互进行。
最后设计实现了采用BML方法的分布式视频编码系统，仿真结果表明，BML方法系统较前向运动矢量学习方法能够带来0.6-1.2dB的率失真增益，较MCI方法性能提高1-1.4 dB。