论文部分内容阅读
3D-HEVC中引入深度图实现更好的视图合成。针对深度图的特点3D-HEVC在深度图帧内模式选择过程中增加了深度建模模型(Depth modeling modes,DMMs)。目前3D-HEVC中的帧内模式除了35种传统模式外还有DMMs模式,如此众多的模式导致编码时间大幅增加。针对上述问题,结合大量实验发现DCT变换的能量聚集特性,其在3D-HEVC深度图编码过程中可以明显区分编码块是否具有边缘。据此本文在第三章中提出基于DCT的深度图帧内模式选择方法。本方法简化了DCT变换算法,忽略了DCT右下角系数与AC系数,只提取最具辨别性的左上角6个系数进行计算。实验证明每个系数能量聚集程度不同,故本算法给予6个系数不同权重。根据权重区别依次将系数值与阈值比较,若满足算法给定条件则将DMMs模式加入候选列表;否则不加入,DMMs模式直接不进行RD-cost计算。实验结果证明,本算法与参考算法相比,BD-rate减小了1.78%,BD-PSNR增加了0.21dB,平均编码时间减少了34.52%。基于DCT的算法主要思想为是否将DMMs加入候选列表中计算,进一步研究发现DMMs中不同模式适用于不同边缘复杂度的深度图像,模式选择可以更精化,故本文在第四章中提出基于边缘复杂度的深度图帧内模式选择算法。本算法首先检测图像边缘点,然后计算每个边缘点边缘方向,将方向归一化作为边缘复杂度。依据算法中给出的阈值与归一化结果比较,若为边缘复杂度大图像则只将DMMs中适合编码复杂边缘的模式加入候选列表;若为边缘复杂度小图像则只将DMMs中适合编码简单边缘的模式加入候选列表;若为无边缘图像则DMMs所有模式皆不加入。最终结果显示,本算法相比于参考算法,BD-rate减小了0.09%,BD-PSNR增加了0.09dB,平均编码时间减少了29.24%。为了将文中两个快速算法运用到实际中,实现了阵列相机视频采集与编解码系统平台并在第五章中介绍。本系统平台由硬件(阵列相机与PC)与软件(摄像头、配置、录制编码、解码单元)两部分组成,可以实现多视点视频采集、录制、编码、解码整个流程。实验组数据证明,算法的优化性能在系统平台应用中达到了同等水平。