论文部分内容阅读
实时视频传输应用正在成为互联网上最具发展潜力的应用之一。然而,目前尽力服务的互联网只能提供有限的服务质量保证,网络可用资源不足导致过度的传输延迟、抖动以及丢包,影响视频传输质量。利用视频数据之间的存在的重要性区分,进行非均等的资源分配是一种提高视频传输质量的有效手段。视频传输的资源优化分配依赖于三个核心部分:待分配的视频数据的重要性度量;端到端的视频传输失真预测;根据视频数据的重要性,寻找最优的非均等资源分配策略使得端到端的传输失真最小。为了获得更好的资源利用效率,本文研究基于内容感知的视频数据重要性度量以及传输失真度量,并研究传输层的带宽资源分配和差分服务网络中的数据包调度算法。首先,考虑到视频帧经常作为资源分配的基本单位,而不同内容特性的视频帧丢失带来的失真影响也不相同,仅根据帧类型或者帧在GOP(Group ofPicture)中位置来进行计算不能准确的反映出视频帧的重要性。本文提出一种基于参数和权重估计的H.264视频帧重要性度量模型—RFDI(RelativeFrame-loss-induced Distortion Index)。通过对宏块的编码模式、运动向量、参考帧选择等参数来标记权重,反映宏块内容对丢失的敏感程度,利用宏块的权重计算GOP内不同视频帧的重要性。该模型能够更准确的度量帧的重要性,由于参数可以直接从码流提取,计算复杂度也很低。另一方面,为了获得更好的传输鲁棒性,视频帧通常会拆分成若干数据包传输,帧级别的重要性建模方法忽视了属于同一帧的数据包之间存在的重要性差异。为了克服这个缺点,提出一种基于宏块分类的数据包重要性度量方法,通过宏块重要性分类、编码来划分帧内的重要数据,并度量数据包的重要性。这种方法更有利于视频传输时根据数据包的重要性来进行资源分配。其次,最小化端到端的传输失真是资源分配的优化目标之一,但是准确度量端到端的视频传输失真需要很高的复杂度。为了降低计算开销,本文提出一种基于错误扩散建模的视频传输失真估算方法。采用错误扩散系数来度量丢包带来的错误扩散影响,避免了递归计算方法带来的高复杂性;该方法还考虑了视频传输的打包方式和解码端的错误处理机制,建立网络丢包和有效视频数据丢失之间的映射关系。实验结果表明该方法能够较准确的度量视频传输失真。最后,在上述工作基础上,研究了资源优化分配算法,包括两个部分:其一,提出一种基于RFDI模型的FEC冗余数据分配机制,在GOP内的不同BOP(Block of Packets)之间寻找最优的FEC冗余数据包分配策略,以获得最小的视频传输失真。其二,在差分服务网络中,为了避免传统的两速率三颜色标记(trTCM)算法在网络过载的时候会将部分重要性高的视频数据包标记为低优先级的问题,提出一种改进的trTCM包标记算法。利用基于宏块分类的数据包重要性度量机制,在包标记的时候考虑视频数据包内容的重要性,能够在网络拥塞时有效地降低重要性高的数据包被丢弃的概率。