论文部分内容阅读
传统的视频编码方法,如MPEG/H.26X,由于编码端要完成运动估计和运动补偿预测,因此编码端的复杂度一般是解码端的5到10倍以上。这种不对称的编码方式适用于一次编码、多次解码的情况,如电视广播、流媒体点播等。但是在某些应用环境下这种编码方式就不适用了,例如无线视频监控系统、无线视频摄像机等。这些无线视频采集设备需要对采集的视频序列进行实时编码并传送到中心节点进行解码,如监控中心的处理器。这类应用场景的特点是编码设备简单且能量有限,而解码设备一般无能量限制且有较强的计算能力,在这种情况下,我们需要一种编码端简单的视频编码方法。分布式视频编码技术就是在这种需求下产生的,它将运动估计与运动补偿预测从编码端转移到解码端进行,有效地降低了编码端复杂度。本文对分布式视频编码的关键技术进行了研究,做出了一些理论推导、并提出了一些新的算法,主要内容如下:在分布式视频编码框架方面,针对视频监控这一应用场景,提出了一种新的分布式视频编码框架。在该框架中,我们首先判断边信息中每个图像块可靠性的高低,并将判断结果反馈给编码端。边信息中图像块的可靠性越高,表明该图像块与WZ帧中相同位置的图像块越接近。编码器对WZ帧编码时,对具有高可靠性参考块的WZ图像块不做编码(在监控场景中,这类图像块是比较多的),在解码端直接用边信息中的参考块作为该WZ图像块的重建图像块;对于具有低可靠性参考块的WZ图像块做简单的块内预测编码,编码后的码流经哈夫曼编码后传送到解码端做相应的解码,解码后的信息与解码端边信息一起得到重建的WZ图像块。实验结果表明无论是编码端还是解码端,其复杂度都要低于像素域的分布式视频编码方法,IST-PDWZ,且系统性能较IST-PDWZ框架提高了1dB左右。在分布式视频编码中的编码端码率估计方面,本文提出了一种无反馈信道的编码端码率估计方法。该方法在编码端引入简单的运动估计与运动补偿,得到解码端边信息的一个估计;然后通过实验的方法得到WZ帧和其估计的边信息位平面之间的汉明距离与解码当前位平而所需校验位数之间的关系;最后利用得到的这一关系实现编码端的码率估计。实验结果表明,与Morbee提出的编码端码率估计方法相比,本文提出的码率估计方法的码率估计的准确度提高了5.18%-52.93%;并且基于本文提出的编码端码率估计方法的分布式视频编码系统的系统性能也要略高于Morbee的系统性能。在对基于压缩感知的分布式视频编码系统的研究方面,我们注意到,在现有的框架中,研究者们根据分布式压缩感知理论,利用相邻视频帧之间的相关性,在给定重建图像质量的条件下,降低了系统所需要的测量值的个数,从而实现了对测量值的压缩。但是如何对测量值本身进行有效的编码,从另一个角度实现对测量值的压缩,仍然是该研究领域内的一个难点问题,到目前为止,还没有研究者提出任何一种测量值的编码方法。针对这一问题,本文首次提出、并证明了相邻帧测量值的残差是符合高斯分布的,基于该分布模型,本文选用累积的低密度校验码(LDPCA, Low-Density Parity-Check Accumulate)对相邻帧测量值进行压缩编码。随后,本文将提出的测量值压缩编码方法与现有分布式视频压缩感知系统相结合,提出了一种分布式视频压缩感知系统的实现方法。实验结果表明,对于运动复杂度不同的测试序列,本文提出的分布式视频压缩感知系统的测量值压缩率在48%-88%之间,系统性能较未使用测量值压缩方法前提高了1-4dB。针对本文提出的分布式视频压缩感知方法中,系统反馈次数多、系统延时大的问题,提出了一种编码端校验码码率估计的方法。在该方法中,本文首先推导出,当选用SBHE (Scrambled Block Hadamard Ensemble)矩阵作为测量矩阵时,当前帧测量值与其参考帧测量值位平面之间是符合二进制对称信道(BSC, Binary Symmetrical Channel)模型的;然后我们建立了LDPCA码在二进制对称信道下,条件熵与该条件熵下所需校验码码率之间的关系;利用这一关系提出了一种简单的编码端码率估计方法。实验结果表明,本文提出的编码端码率估计方法减少了82.35%-95.97%的反馈次数,同时因过估计产生的码率的增加也非常小,不足1%,对系统压缩性能产生的影响可以忽略不计。