论文部分内容阅读
随着立体视像、三维数字建模及虚拟仿真、全息影像等技术不断取得突破性进展，立体技术和产品日臻完善，并且正革命性地影响和改变着人们的沟通、工作和生活方式。 影响3D视频技术发展的关键因素之一在于3D视频的压缩技术。相比于传统的2D视频，3D视频将会带来视频数据的急剧增加，使得视频数据的存储和传输难度大大增加。尽管当前的网络传输技术已经有了很大提高，但是带宽仍然是十分稀缺的资源，因此高效的视频数据压缩是非常必要的。另外，对于3D视频，编解码器需要编码或者解码多路视频和多路深度，其压缩和解析的复杂度都将是2D视频的数倍。但过高的复杂度将会无法满足实时的应用场景，也会限制3D视频产业的发展。因此，需要在不降低编码效率的前提下探索低复杂度编码方法。 针对3D视频纹理图像编码复杂度高的问题，本文从两个方面降低编解码复杂度:快速模式决策、提高编解码并行度。一方面，本文提出了一种编码单元四叉划分提前终止优化算法。该算法利用预测信号和原始信号均方差与CU划分之间的相关性，在不影响性能的情况下选择性地终止CU的四叉划分过程，从而大幅节省了编码时间。另一方面，针对现有标准中高级运动矢量预测（AMVP）严重依赖相邻块、并行度低的问题，本文提出三种AMVP并行导出算法。其中，方案一提出若一个PU的AMVP候选处于当前CU内部，则用CU外部对应的块来替代该候选;方案二强制CU内部所有划分类型的PU均共享2Nx2N PU的AMVP候选集合;方案三要求当前PU的候选和它本身位于同一个CU组时禁止使用该候选。三个方案均能有效实现PU的AMVP并行导出，保证了运动估计的并行性，从而大大提高HEVC的吞吐量。 针对3D视频深度图像编码中基于深度特性的帧内预测编码复杂度高的问题，本文从码流结构复杂度、存储需求两个方面降低了编解码复杂度。首先，针对3D-HEVC中帧内模式编码码流结构复杂度高的问题设计了统一帧内编码方法。该方案不仅能够简化深度帧内编解码流程;而且可以减少语法元素数量、上下文模型的数量，从而提高解析吞吐率、减少存储。其次，针对64x64的SDC模式使用的存储较大的问题，本文提出了一种降低帧内预测所需存储的方案，该方案几乎不影响编码性能。最后，本文提出了一种深度帧内模式熵编码的简化方案，降低了熵编码所需的存储量并且提高了解析的吞吐率。 针对3D视频编码中压缩效率不够的问题，本文提出了一种深度图自适应边缘样本补偿滤波算法。该算法在考虑了深度图像特征的情况下，提出在编码重构深度图像上进行有选择性的环路滤波进而提高合成视点的质量。实验结果表明该方法能够有效地节省编码压缩比特率并能显著提高合成视点主观质量。