視頻編碼量化預測及多模塊的關聯性度量.pdf

1、視頻編碼就是將原數字視頻信號量化到較小取值范圍的過程,同時保證解壓縮之后可以正?；謴鸵曈X效果。預測一個合適的量化參數可以權衡視頻質量和編碼復雜度的同時又減少視冗余,縮減編碼長度,是碼率控制算法中關鍵的技術之一。在多種碼率控制方案中,目前運用最廣的視頻編碼標準H.264/AVC的碼率控制算法將視頻量化的流程模型化,根據序列幀的實際值動態地調整量化值,在編碼長度和圖像精度之間折衷,達到整體最佳效果。
　　但是碼率控制方案并不能十分精確

2、地控制運動劇烈或場景切換的序列,同時對帶寬的波動過于敏感。因此本文首先對碼率控制中量化參數的預測模型進行了研究,結合神經網絡知識對原有模型進行了改進。該方法建立了一個三層的BP網絡,取當前幀的目標比特、當前幀的MAD和前一幀編碼的QP和實際比特數作為輸入,通過訓練得到預測模型,直接動態預測量化參數對編碼幀進行量化。實驗證明,利用BP神經網絡的學習能力和魯棒性,本文方案在保證碼率精確度的同時減少了PSNR的波動,得到更平穩的視頻質量。

3、r>　　在對傳統的碼率控制算法進行改進后,本文針對模塊之間存在復雜關聯,模塊算法改變對整體編碼多目標參數性能的影響并不是簡單的線性關系,其部分編碼性能被耦合的現象,致力于視頻編碼中多模塊的關聯性度量。
　　由于目前并沒有資料對多模塊的算法設計進行系統的調查研究,本文嘗試對模塊間的關聯性度量進行了初步探索。將視頻編碼標準中的未規定具體實現細節的用戶可定制算法,根據其在編碼流程的功能并結合傳統標準中的定義,歸納為視頻預分析、碼率控制、

4、運動估計、模式選擇這四個模塊,并給出了相關性因子的定量測試方法。實驗以x264為平臺,并給出了結果,驗證了本文提出的方法和理念,這對多模塊聯合算法優化有意義重大。
　　為了盡可能提高視頻編碼的率失真性能,同時權衡編碼復雜度,需要協調這些待定模塊間的參數設置。因此本文又根據關聯性度量結果,利用文中得到的兩個影響因子特性對編碼優化方法進行了改進。通過改進后的視頻編碼參數優化配置方案,最終性能可以接近所有模塊均優化后的全局最優狀態,同時