论文部分内容阅读
近年来,多媒体应用所带来的真实的深度感知与身临其境的视觉享受使人们对三维视频的需求急剧上升。目前,3D视频广泛采用多视点+深度(Multiview Video plus Depth,MVD)的表示格式。该格式能够高质量地表示3D世界的视频内容,并且通过基于深度的虚拟视图绘制技术(Depth Image Based Rendering,DIBR)可生成编码视点之间任意位置的虚拟视图。与此同时,MVD格式的高数据量给3D视频的编码与传输带来挑战。本文主要研究高效的深度编码技术。视频编码采用率失真优化方法来进行编码模式选择。在基于3D-HEVC的深度编码率失真优化过程中,根据深度图自身的特征和应用场景把视点合成失真变化(Synthesized View Distortion Change,SVDC)作为失真度量是保证虚拟合成视图质量的有效途径。本文基于视频编码的率失真优化技术,针对3D-HEVC编码标准,考虑纹理信息对深度编码的影响,在提升深度图编码率失真性能方面进行深入探讨。计算SVDC时需要在编码过程实际执行基于像素级的视点合成操作,该方案可获得较好的编码性能,但其计算复杂度给编码端带来严重的负担。视点合成失真估计(Synthesized View Distortion Estimation,VSDE)模型的提出有效提升了深度编码的效率。本文在现有的视点合成失真估计模型上进行改进,把视点合成失真的定义转换为像素级面积失真数学模型,提出基于精细面积的合成失真估计模型。相比原来的失真估计模型,在相同合成视图质量下,改进算法获得平均1.03%的编码码率节省。进一步,论文对率失真代价函数中的拉格朗日乘子进行分析。失真度量机制变化后,需要调整拉格朗日乘子使码率和失真达到一定的平衡,进而选择到最优的编码模式。由于视点合成失真同时受深度失真和纹理失真的影响,本文实验验证了深度编码率失真优化过程中的拉格朗日乘子不仅与深度量化参数(Quantization Parameter,QP)相关,还与对应的纹理QP相关。最后提出基于纹理失真的深度拉格朗日乘子选择方法,在相同合成视图质量下,纹理和深度的总码率平均降低了1.36%。