论文部分内容阅读
视频细粒度可分级编码是目前视频编码领域的热点和难点问题，而基于对象的视频可分级编码，更鲜有文献提出。因此，对基于对象的视频可分级编码的研究既具有重要的理论意义，又为实际应用所急需。本文对基于对象的小波域视频细粒度可分级编码中的两个关键问题，即视频对象编码和运动估计技术进行了深入研究。视频对象编码方面，本文首先提出了基于提升方案的形状自适应整数小波算法，统计分析了变换系数的分布特性，然后提出一种基于奇数平方和二分法的量化逼近方案，在此基础上，提出了基于整数小波变换和新的量化方案的形状自适应EZW编码算法。实验表明，在相同码率下，与传统阈值选取和量化方案相比，该算法重构图像的PSNR要高出0.5-2dB。运动估计技术方面，本文以小波域运动估计技术的发展为主线，将目前的研究方法归纳为三类：子带直接运动估计技术、子带间接运动估计技术和克服平移可变性的运动估计技术，并对三类运动估计方法进行了深入研究，在此基础上，提出了运动估计方法MLBS(Modified-Low-Band-Shift)，并提出了基于MLBS的小波域视频可分级运动估计方案MLBSSME。利用MLBS方法，提高了运动估计的准确度。借助重叠块运动补偿方法，有效降低了最高分辨率下解码图像的块效应。根据小波变换的多分辨率特性，利用缩小了的搜索窗口提高了搜索速度。实验表明，该算法的补偿质量同LBS方法相当，而其时空复杂度仅是LBS方法的30％-40％，并且可广泛用于空间、速率及其混合可分级的编码中。