CN102158703B - 基于分布式视频编码自适应相关噪声模型构造***及方法 - Google Patents
基于分布式视频编码自适应相关噪声模型构造***及方法 Download PDFInfo
- Publication number
- CN102158703B CN102158703B CN 201110113780 CN201110113780A CN102158703B CN 102158703 B CN102158703 B CN 102158703B CN 201110113780 CN201110113780 CN 201110113780 CN 201110113780 A CN201110113780 A CN 201110113780A CN 102158703 B CN102158703 B CN 102158703B
- Authority
- CN
- China
- Prior art keywords
- coefficient
- average
- model
- frame
- tape
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明公开了一种基于分布式视频编码自适应相关噪声模型构造***及方法,属分布式视频编码技术领域,***包括DCN均值计算模块、有原始信息辅助的残差处理模块、判定模块和建立模型模块。编码端将原始Wyner-Ziv帧DC系数均值传到解码端,解码端将DC和AC系数带相关噪声区分开来构造模型,首先利用编码端提供的原始信息辅助模型的定位和参数计算,再结合图像运动的情况,动态调整模型,实现了自适应的模型构造。本发明主要解决现有技术准确性低和灵活性差的技术问题,在不增加编码复杂度和传输码率基础上,使相关噪声模型更准确,提高了整个***的率失真性能,本发明可用于分布式视频通信***。
Description
技术领域
本发明属于视频编码技术领域,主要涉及分布式视频编码***以及相关噪声模型构造***和方法,具体是一种基于分布式视频编码自适应相关噪声模型构造***及方法,可用于分布式视频编码***。
背景技术
传统的视频编码标准如MPEG-X和H.26X系列,主要依靠编码器利用编码信号的统计特性来实现压缩编码,从而导致编码器的运算复杂度是解码器的5至10倍以上。近年来,一些新的视频应用如无线视频传感器网络、移动视频电话和无线视频监控等在快速地融入和改变着人们的生活。然而,这些新出现的多媒体应用对视频的编解码***提出了与以往不同的需求,即编码器因资源有限必须尽可能的简单,而解码器拥有较多资源可进行复杂的解码运算,这对视频编、解码***的结构设计提出了新的挑战。
分布式视频编码***,即Wyner-Ziv视频编码***具有与传统编码标准相反的***结构,与上述应用需求完全吻合。20世纪70年代,Slepian和Wolf提出了分布式信源无损编码理论,随后Wyner和Ziv提出了有损分布式信源编码,这两个理论奠定了Wyner-Ziv视频编码的基础。与传统的视频编码***相比,分布式视频编码***将主要的高运算复杂度模块从编码端转移到了解码端,由解码器利用信源的相关性实现高效的压缩编码。分布式视频编码已经广泛用于实际,最常见的应用为无线视频传感器网络,也就是随处可见的监控***,分布在各处的摄像头相当于编码设备,它们进行独立编码,而监控中心则相当于解码设备,进行联合解码。
参见图2,分布式视频编码***将输入视频序列分为关键帧和原始Wyner-Ziv帧,两者在编码端进行独立编码,解码端联合解码。其中关键帧采用H.264帧内编码和解码,而对于Wyner-Ziv帧,首先进行离散余弦变换DCT并提取系数带,对系数带进行Zigzag扫描排序;然后对系数带均匀量化,对量化系数提取比特面,将比特面分别送入低密度奇偶校验LDPC编码器进行编码。解码时,首先对关键帧进行H.264帧内解码,利用解码出的前后两个关键帧,通过运动补偿内插产生边信息SI帧;然后对SI帧进行与编码端相同DCT、扫描、量化和比特面提取,并送入LDPC解码器;图2中阴影部分是相关噪声模型CNM构造***,该***利用SI帧生成过程中产生的运动补偿残差帧Z计算模型参数并构造CNM,CNM为LDPC解码和反量化重构提供信息;LDPC解码器利用收到的校验位、对应边信息系数带以及CNM,对各个系数带从最高位平面开始依次解码;接下来,将LDPC解码器输出结果依次通过合并位平面、反量化和反变换得到Wyner-Ziv帧的解码重构图像。
在分布式视频编码***中,相关噪声是指Wyner-Ziv帧的DCT系数带和SI帧的DCT系数带之间的残差,现有的分布式视频编码***均采用4×4DCT变换,所以DCT系数带包括1个直流DC系数带和15个交流AC系数带,相应的相关噪声包括DC系数带相关噪声DCN和AC系数带相关噪声ACN。相关噪声模型CNM是相关噪声服从的统计分布。
CNM是影响分布式视频编码***性能的一个重要因素,如果CNM能准确模拟残差的分布,则比特面置信度计算准确,进而解码重构更准确,***率失真将有所提高;反之,***率失真性能将有所下降。
现有分布式视频编码***均采用位置参数为零的拉普拉斯分布作为CNM,具体模型如下所示:
其中n表示相关噪声值,f(n)表示相关噪声n的概率密度函数,b为拉普拉斯分布的尺度参数。该模型有以下缺点:第一,由于解码端没有原始图像的信息,该模型是完全利用解码端的估计信息得到的,故准确性受限;第二,由于DCN和ACN的重要性和统计特性不同,该模型没有对二者进行区分对待,而是采用相同的模型;第三,由于DCN的分布与图像运动情况有关,该模型采用固定的分布模拟DCN的分布,未能根据图像运动情况来动态调整,灵活性差。这些缺点都影响了CNM的准确性,导致整个***的率失真性能下降。
发明内容
本发明的目的在于克服上述已有技术的缺点,提出一种基于分布式视频编码自适应相关噪声模型构造***及方法,以提高相关噪声模型的准确性,为解码端比特面置信度计算和解码重构提供更准确的信息,进而提高整个***的率失真性能。
为实现上述目的,本发明提供了一种基于分布式视频编码自适应相关噪声模型构造***,包括残差处理模块,该模块的输出为建立相关噪声模型提供信息,其特征在于:所述的残差处理模块是有原始信息辅助的残差处理模块,该构造***还包括有:DCN均值计算模块、判定模块和建立模型模块,其中DCN均值计算模块将算得的残差帧直流DC系数的均值μ,即DC系数带相关噪声DCN的均值发送到有原始信息辅助的残差处理模块和建立模型模块,有原始信息辅助的残差处理模块先对残差帧Z进行DCT并提取系数带,再计算出所有系数的平方和SQC,并在均值μ的辅助下计算出系数的方差和尺度参数,系数的方差和尺度参数被送入建立模型模块,SQC被送入判定模块,判定模块结合SQC进行图像运动是否剧烈的判定,判定结果输出到建立模型模块,建立模型模块结合均值μ、判定结果以及系数的方差和尺度参数,依据高斯分布和拉普拉斯分布的公式建立自适应相关噪声模型;上述DCN均值计算模块包括编码端均值计算单元ECU、解码端均值计算单元DCU和偏移量计算单元BCU,其中ECU在编码端计算原始Wyner-Ziv帧的DC系数的均值μWZ,DCU在解码端计算边信息SI帧的DC系数的均值μSI,μWZ与μSI被发送至BCU,BCU对二者作差得到DCN均值μ,即μ=μWZ-μSI。
现有技术由于完全利用解码端的估计信息构造CNM,导致CNM与实际相关噪声的分布之间误差较大,而本发明利用编码端原始信息来辅助CNM的构造,提高了CNM的准确性。本发明还根据图像运动情况与DC系数带相关噪声之间的关系,动态调整模型,实现了自适应的模型构造,克服了现有技术灵活性差的缺点。
本发明的实现还在于所述有原始信息辅助的残差处理模块包括:变换单元、SQC计算单元、B参数计算单元和C参数计算单元,残差帧Z经过变换单元的处理得到16个系数带,B参数计算单元先计算每个AC系数带的方差和尺度参数,再结合均值μ计算出DC系数带的方差和尺度参数,然后所有系数带的方差和尺度参数被送到C参数计算单元进行计算,得到的系数的方差和尺度参数被送至建立模型模块,通过变换单元处理得到的16个系数带还被送至SQC计算单元,计算得到的SQC被送至判定模块。
现有技术完全利用解码端的估计信息计算方差和尺度参数,没有原始信息的辅助,而本发明利用了编码端的原始信息来辅助B参数计算单元和C参数计算单元的操作,故提高了DC系数带相关噪声模型参数计算准确性。
本发明的实现还在于建立模型模块结合DCN均值计算模块输出的均值μ、判定模块输出的判定结果、有原始信息辅助的残差处理模块输出的系数的方差和尺度参数,根据高斯分布和拉普拉斯分布的公式建立相关噪声模型。
现有技术采用固定且单一的模型,无法根据视频序列的具体情况灵活的调整模型,而本发明综合原始信息及图像的运动情况自适应的构造模型,使得模型可以根据具体视频内容来动态调整,提高模型的灵活性和准确性。
本发明还是一种基于分布式视频编码自适应相关噪声模型构造方法,该方法所示适用的***是本发明提出的基于分布式视频编码自适应相关噪声模型构造***,该方法包括如下步骤:
步骤1.计算残差帧DC系数的均值μ,即DC系数带相关噪声DCN的均值;
步骤2.利用已解码的前后两个关键帧运动补偿后的残差帧Z来代替原始Wyner-Ziv帧和SI帧之间的残差帧,对Z进行4×4离散余弦变换DCT并提取系数带,得到16个残差系数带Ti,i=1~16;
步骤3.先计算所有系数的平方和SQC,再计算每个AC系数带的方差和尺度参数,然后结合均值μ,计算DC系数带的方差和尺度参数,最后计算每个系数的方差和尺度参数;
步骤4.确定门限N,并比较SQC和门限N,如果SQC>N,则判定当前Wyner-Ziv帧运动剧烈,并用α·N+(1-α)·SQC更新门限,反之,判定当前Wyner-Ziv帧运动平缓,不更新门限;
步骤5.对于残差帧的AC系数带,即AC系数带相关噪声ACN,选择位置参数为零的拉普拉斯分布作为模型,对于残差帧的DC系数带,即DC系数带相关噪声DCN根据判决结果自适应的构造模型,如果当前Wyner-Ziv帧运动剧烈,选择位置参数非零的拉普拉斯分布作为模型,如果当前Wyner-Ziv帧运动平缓,选择均值非零的高斯分布作为模型,并根据步骤1得到的均值μ对DCN出现的偏移进行校正,实现相关噪声模型CNM的准确定位,具体如下:
其中n表示相关噪声值,f(n)表示相关噪声n在变换域的概率密度函数,μl和b分别为拉普拉斯分布的位置参数和尺度参数,μg和σ2分别为高斯分布的均值和方差。
对比现有技术和本发明的模型可以发现,本发明不仅将原始信息渗透到模型的参数b和σ2的计算中,还利用原始信息来对模型进行准确定位,本发明还根据系数带的重要性和图像的运动情况对模型进行细化。
本发明的实现还在于步骤1均值μ的计算包括:
5.1)编码端计算原始Wyner-Ziv帧DC系数带的均值μWZ并传送到解码端;
5.2)解码端计算SI帧DC系数带的均值μSI;
5.3)编码端传送过来的μWZ与解码端的μSI作差,得到DCN的均值μ,即μ=μWZ-μSI;
由于均值μ是根据编码端原始Wyner-Ziv帧DC系数带的均值和解码端SI帧DC系数带的均值计算得到的,所以它是实际相关噪声的均值,是一个准确值,并非估计值,将均值μ用于后续的模型参数计算和定位,有利于提高模型的准确性。
本发明的实现还在于步骤3残差处理包括:
6.1)计算所有系数的平方和SQC;
6.4)对于系数带的方差不作任何修正,直接将其值当做该系数带内每个系数的方差,用于模型的构造,对于系数带尺度参数进行修正得到每个系数的尺度参数bi(m),具体修正方法如下:i=1~16
其中i表示系数带的序号,i=1~16,bi(m)是第i个系数带的第m个系数的尺度参数,bi表示第i个系数带的尺度参数,表示第i个系数带的方差,Di(m)=|Ti(m)|-E[Ti],|Ti(m)|表示第i个系数带的第m个系数的绝对值,E[Ti]表示第i个系数带的均值,Di(m)表示|Ti(m)|与其所属系数带i的均值E[Ti]间距离;
本发明设计了基于分布式视频编码自适应相关噪声模型构造***,提供了基于分布式视频编码自适应相关噪声模型构造方法。
本发明与现有技术相比具有如下优点:
(1)本发明利用编码端原始图像的信息来辅助解码端模型参数的计算,解决了现有技术由于缺少原始图像的信息而使模型参数误差较大的技术问题;
(2)本发明根据DCN和ACN的重要性和统计特性的差异,对DCN和ACN采用不同的分布作为模型,解决了现有技术对DCN和ACN进行无区分模型构造所带来的准确性低的技术问题;
(3)本发明根据DCN的分布与图像运动情况之间的关系,动态调整模型,如果当前Wyner-Ziv帧运动剧烈,采用位置参数非零的拉普拉斯分布作为模型,如果当前Wyner-Ziv帧运动平缓,采用均值非零的高斯分布作为模型,解决了现有技术采用固定且单一的模型带来的灵活性差、模型不能随图像运动情况而动态调整的技术问题;另外,本发明利用原始图像的信息辅助DC系数带相关噪声模型的定位,进一步提高了模型的准确性。
附图说明
图1是本发明基于分布式视频编码自适应相关噪声模型构造***的构成框图;
图2是无反馈分布式视频编码***框图;
图3是本发明的算法流程示意图;
图4是本发明与现有技术的相关噪声模型CNM准确性比较图,其中图4(a)是以foreman为测试序列的CNM准确性比较图,图4(b)是以coastguard为测试序列的CNM准确性比较图;
图5是采用本发明与现有技术的***率失真性能比较图,其中图5(a)是以foreman为测试序列的***率失真性能比较图,图5(b)是以coastguard为测试序列的***率失真性能比较图。
具体实施方式
实施例1
参照图1,本发明是基于分布式视频编码自适应相关噪声模型构造***,包括残差处理模块,该模块的输出为建立相关噪声模型提供信息,本发明的残差处理模块是有原始信息辅助的残差处理模块,而现有技术是直接利用解码端的估计信息构造模型,没有原始信息的辅助。本发明的构造***还包括有:DCN均值计算模块、判定模块和建立模型模块,其中DCN均值计算模块将算得的残差帧直流DC系数的均值μ,即DC系数带相关噪声DCN的均值发送到有原始信息辅助的残差处理模块和建立模型模块,有原始信息辅助的残差处理模块先对残差帧Z进行DCT并提取系数带,再计算出所有系数的平方和SQC,并在均值μ的辅助下计算出系数的方差和尺度参数,系数的方差和尺度参数被送入建立模型模块,SQC被送入判定模块,判定模块结合SQC进行图像运动是否剧烈的判定,判定结果输出到建立模型模块,建立模型模块结合均值μ、判定结果以及系数的方差和尺度参数,依据高斯分布和拉普拉斯分布的公式建立自适应相关噪声模型;上述DCN均值计算模块包括编码端均值计算单元ECU、解码端均值计算单元DCU和偏移量计算单元BCU,其中ECU在编码端计算原始Wyner-Ziv帧的DC系数的均值μWZ,DCU在解码端计算边信息SI帧的DC系数的均值μSI,μWZ与μSI被发送至BCU,BCU对二者作差得到DCN均值μ,即μ=μWZ-μSI。
在分布式视编码***中,解码端没有原始Wyner-Ziv帧,只有边信息SI帧,所以无法得到实际的DC系数带相关噪声DCN的均值μ,但为了提高CNM准确性,本发明要求解码端利用均值μ辅助模型的构造,为此要求编码端传送原始Wyner-Ziv帧的DC系数均值μWZ到解码端,解码端利用μWZ与SI帧的DC系数均值μSI作差得到μ,μ被用于有原始信息辅助的残差处理模块和建立模型模块。由于编码端原本就要计算μWZ,故本发明没有增加编码端运算复杂度,只是每个视频帧多传输一个均值,增加的传输码率可忽略不计。
本发明的有原始信息辅助的残差处理模块用已解码的前后两个关键帧的运动补偿的残差帧Z代替原始Wyner-Ziv帧和SI帧之间的残差,残差帧Z经过变换单元的处理得到16个系数带,B参数计算单元先计算每个AC系数带的方差和尺度参数,再结合均值μ计算出DC系数带的方差和尺度参数,然后所有系数带的方差和尺度参数被送到C参数计算单元进行计算,得到的系数的方差和尺度参数被送至建立模型模块,通过变换单元处理得到的16个系数带还被送至SQC计算单元,计算得到的SQC被送至判定模块。
由于系数的方差和尺度参数的计算都有原始信息参与,使得二者的准确性得到提高,使用这样的方差和尺度参数构造模型,也就提高了模型的准确性。
本发明的判定模块用于确定Wyner-Ziv帧图像变化门限N,并比较有原始信息辅助的残差处理单元输出的SQC与门限N,判断当前Wyner-Ziv帧图像变化是否明显,将判定结果送到建立模型模块,然后根据判决结果更新门限N。
本发明的建立模型模块结合DCN均值计算模块输出的均值μ、判定模块输出的判定结果、有原始信息辅助的残差处理模块输出的方差和尺度参数,根据高斯分布和拉普拉斯分布的公式建立相关噪声模型;对ACN选择均值为零的拉普拉斯分布作为模型,对DCN则根据判定模块输出的判定结果建立模型,当图像变化剧烈时,选择位置参数非零的拉普拉斯分布作为DCN的模型,当图像变化平缓时,选择均值非零的高斯分布作为DCN的模型,模型参数由DCN均值计算模块和有原始信息辅助的残差处理模块给出。
本发明提出的基于分布式视频编码自适应相关噪声模型构造***处于解码端的边信息的生成和解码重构之间,在不增加编码端复杂度和传输码率的基础上,提高了CNM的准确性,为解码和重构提供了更可靠的信息。
实施例2
基于分布式视频编码自适应相关噪声模型构造***同实施例1,参见图1,本发明专门设计了DCN均值计算模块和有原始信息辅助的残差处理模块,DCN均值计算模块包括编码端均值计算单元ECU、解码端均值计算单元DCU和偏移量计算单元BCU,其中:
编码端均值计算单元ECU:用于计算编码端原始Wyner-Ziv帧的DC系数的均值μWZ,并将μWZ发送至解码端的偏移量计算单元;
解码端均值计算单元DCU:用于计算解码端边信息SI帧的DC系数的均值μSI,并将μSI发送至偏移量计算单元;
偏移量计算单元BCU:利用输入的μWZ与μSI作差得到DC系数带噪声DCN的偏移量μ;
有原始信息辅助的残差处理模块包括:变换单元、SQC计算单元、B参数计算单元和C参数计算单元,其中:
变换单元:用已解码的前后两个关键帧运动补偿后的残差帧Z代替原始Wyner-Ziv帧和SI帧之间的残差,对Z进行4×4的DCT并提取系数带,得到系数带Ti,i=1~16;
SQC计算单元:对所有系数先平方再求和得到系数平方和SQC;
B参数计算单元:先计算每个AC系数带的方差和尺度参数,再结合均值μ计算出DC系数带的方差和尺度参数;
C参数计算单元:对系数带的方差和尺度参数进行修正得到系数的方差和尺度参数。
这两个模块有效的融入了原始信息,使得用于模型构建的参数更接近实际值。
实施例3
参见图3,本发明作为一种基于分布式视频编码自适应相关噪声模型构造方法,所适用***同实施例1-2,该构造方法包括如下步骤:
步骤1.计算残差帧DC系数的均值μ,即DC系数带相关噪声DCN的均值,具体的均值计算步骤如下:
5.1)编码端计算Wyner-Ziv帧DC系数带的均值μWZ并传送到解码端;
5.2)解码端计算SI帧DC系数带的均值μSI;
5.3)将从编码端传送过来的Wyner-Ziv帧DC系数带的均值μWZ与相应边信息DC系数带的均值μSI相减,得到相关相关噪声分布模型的偏移量μ=μWZ-μSI;
步骤2.利用已解码的前后两个关键帧运动补偿后的残差帧Z来代替原始Wyner-Ziv帧和SI帧之间的残差帧,对Z进行4×4离散余弦变换DCT并提取系数带,得到16个残差系数带Ti,i=1~16,残差帧Z的表达式如下所示:
式中(x,y)表示像素位置,ff和fb是前后已解码的两个关键帧,dxf,dyf和dxb,dyb分别是前后向运动补偿时得到的运动矢量横、纵坐标;对残差帧Z进行4×4的DCT变换并提取系数带,得到16个残差系数带Ti,i=1~16。
步骤3,计算所有系数的平方和SQC,每个系数的方差和尺度参数,具体计算步骤如下:
6.1)计算所有系数的平方和SQC;
6.4)对于系数带的方差不作任何修正,直接将其值当做该系数带内每个系数的方差,用于模型的构造,对于系数带尺度参数进行修正得到每个系数的尺度参数bi(m),具体修正公式如下式(3)所示;
步骤4.确定门限N,并比较SQC和门限N,如果SQC>N,则判定当前Wyner-Ziv帧运动剧烈,并用α·N+(1-α)·SQC更新门限,反之,判定当前Wyner-Ziv帧运动平缓,不更新门限;
步骤5.对残差帧的AC系数带,即AC系数带相关噪声ACN,选择位置参数为零的拉普拉斯分布作为模型,对残差帧的DC系数带,即DC系数带相关噪声DCN,根据判决模块的结果选择模型,当SQC>N,选择位置参数非零的拉普拉斯分布作为DCN模型,当SQC<N,选择非零的高斯分布作为模型,并且根据步骤1得到的均值μ对DC系数带相关噪声出现的偏移进行校正,实现模型的准确定位,本发明通过大量的实验和分析发现DCN的分布是存在偏移的,并非分布在零值附近,所以本发明在建立CNM时将偏移量这一因素考虑在内。具体的相关相关噪声模型如(2)式所示。
实施例4
基于分布式视频编码自适应相关噪声模型构造方法同实施例3,所适用的***同实施例1-2。由于DC系数带相关噪声DCN的分布情况与对应的Wyner-Ziv帧的运动情况有关,Wyner-Ziv帧的运动情况不同,对应的DCN的分布情况也不同,所以需要对当前Wyner-Ziv帧的运动情况进行判定。
考虑到原始Wyner-Ziv帧在解码端不可得,而边信息SI帧又可以看作是原始Wyner-Ziv帧的“带噪声”的版本,故本发明使用SI帧与相邻两个关键帧间的内容变化程度来近似衡量Wyner-Ziv帧的运动情况。又由于前一个关键帧的运动补偿帧ff(x+dxf,y+dyf)与SI帧之间残差ff(x+dxf,y+dyf)-SI(x,y)反映了SI帧与前一个关键帧间的内容变化;同理,SI帧与后一个关键帧的运动补偿帧fb(x+dxf,y+dyf)之间残差SI(x,y)-fb(x+dxb,y+dyb)反映了SI帧与后一个关键帧间的内容变化;对这两方面的内容变化取平均并求平方和,得到当前Wyner-Ziv帧的运动情况为由于基于分布式视频编码***采用4×4整数DCT,而该变换是酉变换,遵循帕斯瓦尔定理,即像素域能力与变换域能力相等,用公式表示即为下式:
式中ACi,j表示Z在变换域上第i个AC系数带的第j个系数,DCj表示Z在变换域上第j个DC系数,为系数的平方和,用SQC表示。由以上分析可知,解码端可用系数的平方和SQC来衡量Wyner-Ziv帧的运动情况,这样既能感知视频内容的变化,又没有增加额外计算量。如果SQC>N,判定当前Wyner-Ziv帧运动剧烈;反之,表示当前Wyner-Ziv帧运动平缓。为了保证CNM的准确性,N值应该随着视频图像运动情况的变化而自适应的改变,当判定当前Wyner-Ziv帧运动剧烈,就用α·N+(1-α)·SC更新门限,当判定当前Wyner-Ziv帧运动平缓,则不更新门限,这样使得门限既能动态调整,又不至于波动太大。其中α为经验值,其取值范围为[0,1],本例取值为0.3。
实施例5
参照图4,基于分布式视频编码自适应相关噪声模型构造方法同实施例3-4,将本发明和现有技术分别用于图2所示的无反馈分布式视频编码***,以DC系数带相关噪声模型和实际DC系数带相关噪声分布之间的误差平方和SSE作为CNM的准确性测度,比较二者的准确性,具体实验条件如下:图像组GOP长度为2,即序号为偶数的图像为关键帧,序号为奇数的图像为Wyner-Ziv帧,块大小为4×4像素,测试序列为foreman和coastguard,视频格式为QCIF,即分辨率为176×144,实验结果如图4所示,SSE表达式如下:
式中xi为实际的DC系数带相关噪声值,f(xi)为CNM在xi处的概率密度,而yi为实际DC系数带相关噪声分布在xi处的概率密度。
图4(a)是以foreman为测试序列的CNM准确性比较结果,由图可知,与现有技术相比,对于90%的图像,本发明的SSE明显比现有技术的SSE低,对于剩余的10%图像,本发明的SSE略低于现有技术的SSE。图4(b)是以coastguard作为测试序列的CNM准确性比较结果,由图可知,与现有技术相比,对于95%的图像,本发明的SSE明显比现有技术的SSE低,对于剩余的5%图像,本发明的SSE略低于现有技术的SSE。
foreman序列是典型的运动较剧烈的序列,coastguard序列是典型的运动较平缓的序列,由以上实验结果可知,不论是运动剧烈还是运动平缓的序列,本发明的CNM准确性均要高于现有技术的CNM准确性。
实施例6
参照图5,基于分布式视频编码自适应相关噪声模型构造方法同实施例3-4,将本发明和现有技术分别用于图2所示的无反馈分布式视频编码***,以解码恢复Wyner-Ziv帧的峰值信噪比PSNR作为***率失真性能的测度,比较采用本发明和采用现有技术得到的***率失真性能,具体实验条件与实施例5相同,实验结果如图5所示。
图5(a)是以foreman为测试序列的***率失真性能比较图,由该图可知,与现有技术相比,使用本发明得到的***率失真性能提高了约0.5dB,图5(b)是以coastguard为测试序列的***率失真性能比较,由该图可知,与现有技术相比,使用本发明得到的***率失真性能提高了约1dB。
foreman序列是典型的运动较剧烈的序列,coastguard序列是典型的运动较平缓的序列,由以上实验结果可知,不论是运动剧烈还是运动平缓的序列,使用本发明得到的***率失真性能均好于使用现有技术的***率失真性能。
本发明主要解决现有技术准确性低和灵活性差的技术问题,在不增加编码复杂度和传输码率基础上,使相关噪声模型更准确,提高了整个***的率失真性能,可用于分布式视频通信***。
Claims (2)
1.一种基于分布式视频编码自适应相关噪声模型构造***,包括残差处理模块,该模块的输出为建立相关噪声模型提供信息,其特征在于:所述的残差处理模块是有原始信息辅助的残差处理模块,该构造***还包括有DCN均值计算模块、判定模块和建立模型模块;其中DCN均值计算模块将算得的残差帧直流DC系数的均值μ,即DC系数带相关噪声DCN的均值发送到有原始信息辅助的残差处理模块和建立模型模块;有原始信息辅助的残差处理模块先对已解码的前后两个关键帧运动补偿后的残差帧Z进行DCT并提取系数带,再计算出所有系数的平方和SQC,并在均值μ的辅助下计算出系数的方差和尺度参数,系数的方差和尺度参数被送入建立模型模块,SQC被送入判定模块;判定模块结合SQC进行图像运动是否剧烈的判定,判定结果输出到建立模型模块;建立模型模块结合均值μ、判定结果以及系数的方差和尺度参数,依据高斯分布和拉普拉斯分布的公式建立自适应相关噪声模型,其中对AC系数带相关噪声ACN选择均值为零的拉普拉斯分布作为模型,对DCN则根据判定模块输出的判定结果建立模型,当图像运动剧烈时,选择位置参数非零的拉普拉斯分布作为DCN的模型,当图像运动平缓时,选择均值非零的高斯分布作为DCN的模型,模型参数由DCN均值计算模块和有原始信息辅助的残差处理模块给出;上述DCN均值计算模块包括编码端均值计算单元ECU、解码端均值计算单元DCU和偏移量计算单元BCU,其中ECU在编码端计算原始Wyner-Ziv帧的DC系数的均值μWZ,DCU在解码端计算边信息SI帧的DC系数的均值μSI,μWZ与μSI被发送至BCU,BCU对二者作差得到DCN均值μ,即μ=μWZ-μSI;所述的有原始信息辅助的残差处理模块包括:变换单元、SQC计算单元、B参数计算单元和C参数计算单元,残差帧Z经过变换单元的处理得到16个系数带,B参数计算单元先计算每个AC系数带的方差和尺度参数,再结合均值μ计算出DC系数带的方差和尺度参数,然后所有系数带的方差和尺度参数被送到C参数计算单元进行计算,得到的系数的方差和尺度参数被送至建立模型模块,通过变换单元处理得到的16个系数带还被送至SQC计算单元,计算得到的SQC被送至判定模块。
2.一种基于分布式视频编码自适应相关噪声模型构造方法,适用于权利要求1所述 的***,其特征在于:该方法包括:
步骤1.计算残差帧DC系数的均值μ,即DC系数带相关噪声DCN的均值,均值μ的计算包括:
1.1)编码端计算Wyner-Ziv帧DC系数的均值μWZ并传送到解码端;
1.2)解码端计算边信息SI帧DC系数的均值μSI;
1.3)编码端传送过来的μWZ与解码端的μSI作差,得到DCN的均值μ,即μ=μWZ-μSI;
步骤2.利用已解码的前后两个关键帧运动补偿后的残差帧Z来代替原始Wyner-Ziv帧和SI帧之间的残差帧,对Z进行4×4离散余弦变换DCT并提取系数带,得到16个残差系数带Ti,i=1~16;
步骤3.计算所有系数的平方和SQC,每个系数的方差和尺度参数,计算包括:
3.1)计算所有系数的平方和SQC;
3.4)对于系数带的方差不作任何修正,直接将其值当做该系数带内每个系数的方差,用于模型的构造,对于系数带尺度参数进行修正得到每个系数的尺度参数bi(m),具体修正方法如下:i=1~16
其中i表示系数带的序号,i=1~16,bi(m)是第i个系数带的第m个系数的尺度参数,bi表示第i个系数带的尺度参数, 表示第i个系数带的方差,Di(m)=|Ti(m)|-E[Ti], |Ti(m)|表示第i个系数带的第m个系数的绝对值,E[Ti]表示第i个系数带的均值,Di(m)表示|Ti(m)|与其所属系数带i的均值E[Ti]间距离;
步骤4.确定门限N,并比较SQC和门限N,如果SQC>N,则判定当前Wyner-Ziv帧运动剧烈,并用α·N+(1-α)·SQC更新门限,反之,判定当前Wyner-Ziv帧运动平缓,不更新门限,其中α为经验值,其取值范围为[0,1];
步骤5.对于残差帧的AC系数带,即AC系数带相关噪声ACN,选择位置参数为零的拉普拉斯分布作为模型,对于残差帧的DC系数带,即DC系数带相关噪声DCN,根据判决结果自适应的构造模型,如果当前Wyner-Ziv帧运动剧烈,选择位置参数非零的拉普拉斯分布作为模型,如果当前Wyner-Ziv帧运动平缓,选择均值非零的高斯分布作为模型,并根据步骤1得到的均值μ对DCN出现的偏移进行校正,实现相关噪声模型CNM的准确定位,具体如下:
其中n表示相关噪声值,f(n)表示相关噪声n在变换域的概率密度函数,μl和b分别为拉普拉斯分布的位置参数和尺度参数,μg和σ2分别为高斯分布的均值和方差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110113780 CN102158703B (zh) | 2011-05-04 | 2011-05-04 | 基于分布式视频编码自适应相关噪声模型构造***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110113780 CN102158703B (zh) | 2011-05-04 | 2011-05-04 | 基于分布式视频编码自适应相关噪声模型构造***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102158703A CN102158703A (zh) | 2011-08-17 |
CN102158703B true CN102158703B (zh) | 2013-01-23 |
Family
ID=44439846
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110113780 Expired - Fee Related CN102158703B (zh) | 2011-05-04 | 2011-05-04 | 基于分布式视频编码自适应相关噪声模型构造***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102158703B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102724495A (zh) * | 2012-05-04 | 2012-10-10 | 西安电子科技大学 | 基于率失真的Wyner-Ziv帧量化方法 |
CN105939475A (zh) * | 2016-06-06 | 2016-09-14 | 中国矿业大学 | 一种高质量边信息生成方法 |
CN110234011B (zh) * | 2019-04-19 | 2021-09-24 | 网宿科技股份有限公司 | 一种视频压缩方法及*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101854548B (zh) * | 2010-05-25 | 2011-09-07 | 南京邮电大学 | 一种面向无线多媒体传感器网络的视频压缩方法 |
CN102026000B (zh) * | 2011-01-06 | 2012-07-04 | 西安电子科技大学 | 像素域-变换域联合的分布式视频编码*** |
-
2011
- 2011-05-04 CN CN 201110113780 patent/CN102158703B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN102158703A (zh) | 2011-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102026000B (zh) | 像素域-变换域联合的分布式视频编码*** | |
CN101534436B (zh) | 一种视频图像宏块级自适应码率分配方法 | |
CN101854548B (zh) | 一种面向无线多媒体传感器网络的视频压缩方法 | |
CN101335892B (zh) | 基于帧内模式决策的混合分布式视频编码方法 | |
CN101860748A (zh) | 基于分布式视频编码的边信息生成***及方法 | |
CN103327325B (zh) | 基于hevc标准的帧内预测模式快速自适应选择方法 | |
CN101835044B (zh) | 一种频率域分布式视频编码中的分类组合方法 | |
CN102186077B (zh) | 基于Wyner-Ziv视频编码的Wyner-Ziv帧码率控制***和方法 | |
CN102281446B (zh) | 一种分布式视频编码中基于视觉感知特性的量化方法 | |
CN102970536B (zh) | 一种改进的带有预测残差调整的视频编码方法 | |
CN102572428B (zh) | 面向多媒体传感网分布式编解码的边信息估计方法 | |
CN103533359A (zh) | 一种h.264码率控制方法 | |
CN102857760B (zh) | 一种无反馈的优化码率的分布式视频编解码方法及其*** | |
CN101562750B (zh) | 视频编码快速模式选择装置及方法 | |
CN102158703B (zh) | 基于分布式视频编码自适应相关噪声模型构造***及方法 | |
CN102625102A (zh) | 一种面向h.264/svc mgs编码的率失真模式选择方法 | |
CN106303521A (zh) | 一种基于感知敏感度的hevc率失真优化方法 | |
CN102833536A (zh) | 一种面向无线传感器网络的分布式视频编解码方法 | |
CN101854555A (zh) | 基于预测残差自适应调整的视频编码*** | |
CN105611301A (zh) | 基于小波域残差的分布式视频编解码方法 | |
CN102740081A (zh) | 一种基于分布式编码技术的多视点视频传输差错控制方法 | |
CN102724495A (zh) | 基于率失真的Wyner-Ziv帧量化方法 | |
CN107205151B (zh) | 基于混合失真度量准则的编解码装置及方法 | |
CN102790881B (zh) | 基于帧级编码端速率控制的变换域分布式视频编解码器 | |
CN102088612B (zh) | 具有鲁棒性的无反馈Wyner-Ziv视频解码器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130123 Termination date: 20190504 |