H.264中的运动估计、帧内和帧间预测算法研究

来源 :浙江工业大学 | 被引量 : 0次 | 上传用户:SuperMMX
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着信息化时代的到来,计算机技术以及多媒体技术的迅猛发展,与数字化视频相关的应用领域不断拓宽。然而,视频的数据量是极其庞大的,对图像的传输、存储带来了极大的困难。因此,极其需要一种更加高效的视频压缩算法来解决视频数据传输及存储问题。H.264是目前最新的视频编码标准,与其它视频压缩标准相比,H.264具有更高的视频压缩性能,例如,在相同编码质量条件下,H.264所需码率大约为H.263的51%以及MPEG-4的61%。但是压缩率的提高是以增加编码复杂度为代价的。研究表明,H.264帧内编码和帧间编码的运算时间大约占整个H.264编码的85%左右。可见,通过提高帧内和帧间编码的速度对视频图像实时编码具有相当大的意义。本文对H.264帧间和帧内算法做了相关的研究,提出了一种新的亚像素搜索算法,改进了UMHexagonS算法,亚像素全搜索算法和快速帧内模式选择算法。第一,新的亚像素搜索算法是基于整像素和亚像素点之间的相关性而提出的。实验表明,与亚像素全搜索算法相比,该算法将搜索点数降至一半,而重建后的图像质量接近于全搜索算法。第二,由于UMHexagonS算法的搜索范围是固定不变的,若能动态调整搜索范围且搜索质量几乎不变,则可以减少搜索点,提高算法速度。改进的UMHexagonS算法正是基于这种思想而提出的,结果表明,改进的UMHexagonS算法在没有影响图像质量的情况下,减少了搜索点数,降低了运算量,提升了算法的运动估计效率。第三,由于H.264亚像素全搜索算法得到的点有可能是局部最优点,因此,提出了一种改进算法。改进的算法搜索所有候选点,防止了落入局部最佳点的可能性,避免了H.264亚像素全搜索算法的缺点。第四,帧内预测模式的选择和计算较复杂,提出了一种基于纹理方向的帧内预测模式选择算法。
其他文献
无线射频识别(radio frequency identification,简称RFID)是一种新兴的自动识别人和物体的无线射频技术。具有标签存储容量大、识别距离远、可同时识别多个被标识物体、识别
基于 agent的模型(ABMs)在人工智能及虚拟现实等领域一直都是在试图模仿人类的行为,在一个人工环境中,为了产生许多社会科学家可以理解的可能现象,agent的决策模块要互相影响并进
随着计算机技术的迅速发展,人们对计算机能够解决的问题的要求也越来越高,随之而来的是更多复杂大型的软件投入了使用,软件维护问题也逐渐成为了当前软件产业面临的重要课题
随着传感器技术、嵌入式计算技术、无线通信技术和分布式信息处理技术的发展,无线传感器网络越来越受到人们的重视。无线传感器网络是一种由大量的微型传感器节点形成的自组
随着互联网和信息技术的快速发展,人们在日常生活和工作中需要处理越来越多的文本,怎样才能快速有效的处理大量的文本成为一个亟待解决的问题。文本聚类是文本处理的重要技术
随着宽带网络的普及和行业管理部门对管理水平提高的需求增加,大到城市的公安、交通、金融、环保、电力状况,小到各种要害单位、管理部门,都对大型联网安全与视频监控平台的
表示层集成是通过组合组件的表示前端而非应用逻辑或者数据的一种集成方式,组件是独立的模块或者应用,属于粗粒度的集成,其目标是利用组件自身的界面来构造复合应用的界面。这种
SaaS(Software as a Service)作为一种新的软件交付模式,已经得到越来越多的应用,必将成为未来的软件科技发展的新趋势。然而,SaaS应用的实现相当复杂,必须确保其具备四大特
汽车电子已成为影响整车性能的重要技术之一,其中,以各种控制系统为代表的机电一体化技术是它的核心。汽车电子化程度是衡量一个国家汽车工业水平的重要标志,也是一个国家电子信
计算机网络的快速发展使得网络数据共享的应用越来越广泛,同时也使得数据系统的安全管理变得越来越困难。网络安全审计作为实现网络信息安全的重要机制之一,对建立完善的信息安