论文部分内容阅读
网络技术和计算机软硬件技术的飞速发展的背景下,视频内容如果不经过编码而直接使用,数据量会大得难以保存或传输。可伸缩视频编码(SVC, Scalable Video Coding)技术通过仅仅一次编码视频,产生包含不同分辨率、帧率以及视频质量的码流,在不同设备和网络环境下,用户可以很方便地只接收解码需要的那部分。然而由于SVC的高复杂度,在实时应用场景下,当视频分辨率增大时编码器编码速度不够快；在离线场景下,运动估计的约束导致视频质量不够高。本文重点从编码速度和编码性能两个角度去考虑,论文的主要工作和创新点在于：1.论文针对实时应用场景,在可伸缩视频编码的大框架下提出了不同粒度的并行算法,主要有图像组级、时间层级、片级三种并行框架。该算法充分利用多核计算机的并行计算功能来进行不同粒度的并行编码,达到很好的并行度,提高了编码器的编码速度与效率。2.论文针对实时应用场景下有些设备无法解码SVC码流而只能解码H.264/AVC(Advanced Video Coding)的码流,提出一种并行的可实时SVC重写技术。该并行重写算法通过对编码器编码特定编码模式的约束,突破了传统SVC重写器只能串行重写的限制,提高了重写的并行度,并保留了很好的重写后视频质量。3.论文针对离线应用场景,提出一种全局运动信息优化技术。为了解决视频编码标准由于基于块的运动估计而忽略了块与块之间的相关性,本文提出了一种二次编码方法,在每一帧模式选择完成后,使用模拟退火算法进行随机扰动,找出能提升整体编码性能的运动信息。该方法挖掘了块与块之间的相关性,利用这些信息可以提高整帧的编码性能,改善视频编码的质量。通过一系列实验表明,本文所提出的速度优化算法在能显著地提高编码速度和重写速度,在不牺牲视频质量的情况下达到实时应用场景的需求；另外,本文提出的全局运动信息优化算法可以在离线应用场景下提高视频编码质量,尤其对运动剧烈和分辨率不大的视频效果比较显著。