没有合适的资源?快使用搜索试试~ 我知道了~
沙特国王大学学报基于加权熵和优化量化矩阵Sunil Kumar B Sa,A.S.Manjunathb,S.ChristopherCa印度卡纳塔克邦达万格尔通用汽车技术学院,邮编577006Siddaganga Institute of Technology,Tumakuru,Karnataka 572103,Indiac国防部研究&与&发展总局,国防研究与发展组织。 去吧,印度新德里阿提奇莱因福奥文章历史记录:2017年8月18日收到2017年11月6日修订2017年11月20日接受在线提供2017年保留字:高效视频编码(HEVC)视频压缩量化矩阵PSNR优化量化矩阵A B S T R A C T由于量化矩阵的概念成为最近视频编解码器中的重要特征,因此在高效视频编码(HEVC)标准中考虑优化的量化矩阵。本文通过对优化量化矩阵的介绍,对熵编码进行了详细的描述,从而使改进的熵编码能够获得更高的压缩比。实验表明,对于八个基准视频序列和PSNR不同的数据传输速率进行了探索。在性能测试的基础上,对改进的熵编码和标准熵编码进行了比较分析。仿真结果表明,该方法(WE-OQM)在提高压缩比的情况下,仍能较好地保留解码视频序列的原始性。此外,总体分析表明,该方法比标准编码好35.29%,比WE编码好62.5%。©2017制作和主办由Elsevier B.V.代表沙特国王大学这是一篇基于CC BY-NC-ND许可证的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。1. 介绍由于多媒体和互联网使用的快速发展,视频通过网络的高效传输是主要关注的问题。为了有效地通过因特网传输视频流,采用了视频编码过程,对数字化视频数据进行压缩。视频编码的基本前提是在不影响质量的前提下传输较少的视频信息。视频译码的实际应用包含高清晰度电视、视频流式传输、视频通信等(Yeh等人,2015年)。视觉编码专家组(VCEG)制定了早期的视频编码标准,诸如MPEG-1、MPEG-2和H. 264/AVC(Correa等人,2012年)。后来,视频译码联合协作小组(JCT-VC)通过了高效视频译码(HEVC)标准(Han等人,2012;Sullivan 等 人 , 2012 年 、 2013 年 ) 。 最 新 的 HEVC 标 准 是H.264/MPEG4部分的高级形式*通讯作者。电子邮件地址:sunilkumarbs@gmit.ac.in(S.K. B S)。沙特国王大学负责同行审查10-高级视频编码(AVC)标准(Sandeep等人, 2015年)。已经提出了先进的HEVC来辅助高比特率、空间和可靠的可伸缩性、多视图视频编码和附加的颜色格式(Xiang等人, 2011年)。因此,HEVC的关键目标是以低复杂度和计算成本改善多媒体性能(Choi和Choi,2013)。HEVC涉及多个编码工具,即四叉树编码块分割工具中的预测单元、编码单元、变换单元。在四叉树工具中,图片被细分为用于预测和编码的许多块(Bossen等人, 2012年)。 虽然与诸如MPEG和H.264/AVC之类的传统视频编码标准相比,HEVC性能在比特率方面很好,但是HEVC的编码部分遭受诸如计算复杂性和存储问题之类的缺 点 ( Correa et al. , 2012; Sunil Kumar 等 人 , 2016 a , b;Shanableh等人,2013年)。帧内编码提供了高质量的视频,但它有一定的缺点。另一方面,量化可以通过获得更高的峰值信噪比(PSNR)来改善视频的主观质量(Wang等人, 2015年)。通过调整量化参数,可以有效地执行比特率控制。使用比特率控制,精确地分配目标比特(Sun等人,2014年)。在以下文献综述中给出了几种量化方法(Zhou et al. 2015年)。在早期的视频编解码器中,DCT系数主要根据均匀标量量化器(USQ)来量化(Sun等人,二〇一三年;https://doi.org/10.1016/j.jksuci.2017.11.0041319-1578/©2017由Elsevier B. V.代表沙特国王大学制作和主办。这是一篇基于CC BY-NC-ND许可证的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。制作和主办:Elsevier可在ScienceDirect上获得目录列表沙特国王大学学报杂志首页:www.sciencedirect.comS.K. B S et al./Journal of King Saud University785;;;不不Winken等人,2015年)。后来,除了USQ死区之外,在MPEG-4、AVS和早期的H. 264/AVC参考代码中采用了USQ +死区(DZ)( Yin 等 人 , 2015; Sunil Kumar 等 人 , 2016 年 b ) 。 对 于 H.264/AVC的高级版本以及HEVC,已经提出了速率失真优化量化(RD 0 Q)以及块级自适应量化方法(BLAQ)(Wang等人,2015年)。流行的软判决量化(SDQ)技术被实现用于视频编码以实现系数级率失真优化量化(RDOQ)(Yin等人, 2015年)。本文的其余部分组织如下。首先,在第2节中回顾了文献中各种熵编码技术的相关工作。在第3节中呈现了在HEVC视频编码标准的当前发展状态中用于HEVC视频编码标准中的熵编码的技术的简要描述。第4节描述本文中用于优化HEVC中的量化矩阵的方法。第5节给出了一组八个视频序列的实验结果,分析了编码性能和计算成本之间的权衡。最后,结论见第6节。2. HEVC贡献综述2.1. HEVC中的编码概念HEVC中的其他相关工作包括一种新颖的算法,即自适应快速四叉树级别决策(AFQLD)算法,以在HEVC中对编码单元分裂做出更快的决策,其由Honrubia等人(2016)在2015年引入。此外,Hu和Yang(2015)在2016年解决了快速决策问题,并使用快速帧内模式决策(OIMD)算法克服了该问题。 同年,叶等。(2015)提出了用于提高HEVC中的帧内编码的性能的帧内预测模型。此外,通过提高视频质量,帧内帧速率控制与基于梯度的R-λ(GRL)方法的帮助下,实验研究的王等。(2014年)。相比之下,若干方法集中于HEVC中的变换译码。2013年,Nguyen et al. (2013)已经引入了被称为残差四叉树的基于四叉树的分区,其支持增加变换块的大小,并且在2012年,Sole等人(2012)已经致力于变换系数编码,其包括扫描模式和编码方法。2.2. 质量管理的定制在早期的视频编解码器中,量化矩阵(QM)主要用于改善视频质量2010年,Malavika Bhaskaranand提出了Campbell由于谱熵方法带来了延迟,该方案可以用来定制QM的每帧的基础上,宏块自适应QM方案提出的H. 264视频编码器。此外,QM设计方法涉及延迟,但不是计算密集型的(Bhaskaranand和Gibson,2010年)。随着视频业务的快速发展,视频显示单元(VDU)是一种新的用于显示高清(HD)和超高清(UHD)显示分辨率的视频数据近年来,一些成功的解决方案已经提出。为了进一步提高显示分辨率,LeePrangnell最近提出了一种基于人眼视觉系统的二维对比敏感度函数量化矩阵方法。基于目标VDU的显示分辨率,它已经考虑确定减少不必要的视频压缩所需的适当量化级别(Li和Yang,2016)。2.3. 问题陈述根据上述评论,很少有研究人员根据他们的要求定制QM。他们使质量管理适应处理环境约束。尽管事实上,QM定制已被报道为有前途的文献中,他们是信息的具体过程。 由于质量管理是自适应的,它需要足够的信息处理来生成自己的质量管理。因此,可以基于所述视频序列的内容和特性来生成QM(Bhaskaranand和Gibson,2010)。它明显增加了处理时间,这在实际应用中是敏感的。其次,(Li和Yang,2016)中对量化级别的敏感度为HEVC的一般化操作设置了瓶颈。最重要的问题是,报告的QM定制可以支持H.264编码,但不确定HEVC。文献在优化QM从而提高HEVC的编码性能方面滞后。2.4. 贡献本文分两个阶段对HEVC标准进行了改进。这些建议如下。在第一阶段,采用CABAC方案中的优化方法概念结果,可以提高编码效率。在第二阶段中,QM被优化以执行量化操作。为了便于优化,最大化模型制定。使用迭代元启发式更新求解模型,从而获得优化的QM。采用当前流行的QM算法对不同内容3. 基于WE-OQM的HEVC3.1. 建议的体系结构所提出的HEVC架构利用WE编码原理(Sunil Kumar等人,2017)在CABAC编码器中。此外,QM的优化在本文中被执行并且被包括在HEVC架构的量化过程中。据观察,文献报道自适应QM,这是从优化QM不同。自适应QM根据视频序列的内容获得其值,而优化的QM针对不同的视频序列保持其性能。在图1中描绘了WE编码原理和优化的QM与HEVC标准的关联,其中红色块示出了HEVC架构中的建议变化。WE编码的细节(Sunil Kumar等人,2017)中进一步讨论,而关于HEVC操作的详细信息在(Sullivan et al.,2012年)。下一小节将讨论所提出的QM优化过程。3.2. 用于HEVC的假设X是M 个视频序列的集合fx1;x2;.;x Mg,其中单独的x k为16k6M,其无条件属性向量为1/2y1;y2;. . ;yN],其中N表示属性的数量,并且y j有一个省的价值,可以通过1/2y1;j;y2;j;. . . ;yni;j],其中yj 表示属性y j中不同值的数量。假设属性yj是随机变量,则随机向量y1;y2;. . ;yN]T 是designat edasY. 属性xi表示为½xi1;xi2;。 . . ;xim]。●●●786S.K. B S et al./Journal of King Saud University¼-我输入视频信号通用控制数据通用编码器变换缩放控制量化优化的QM分成反恐小组帧内图像估计编码比特流画面内预测经解码图片缓冲器输出视频信号运动估计运动数据运动补偿滤波器控制分析去块SAOWE编码原则表头CABAC尺度逆变换量化变换系数图1.一、HEVC的标准架构加权熵模型要求基于解码视频序列与原始视频序列的逐像素关系来确定最优wi。因此,最优wi可以表示为下面给出的最大化问题。XMs .¼“1XXLv-2号!wωargmaxwil¼12logxmax-logjxljuxlð3Þ图二.为了创建16× 16 QM,对8× 8 QM中的每个条目进行上采样,其中,x_u;v_i和x_u;v_i使a的第h个像素元素达到x_u;v_i。复制到2× 2区域中,而8× 8 QM中的每个条目都被上采样,复制到4× 4区域中,以创建32× 32 QM。对于每一个属性,熵是加权的帮助下,反向sigmoid函数,Wi¼1- logit-1wiEi1帧分别对应于第L视频序列和解码视频序列。最后,为了优化熵权,利用了 一 种 新 的 萤 火 虫 算 法 ( Bhatnagar 和 Gupta , 2016;RaoYarrapragada和Bala Krishna,2017)。该算法有助于求解方程中给出的目标函数(三)、萤火虫算法:Xin-She Yang提出了元启发式萤火虫算法,该算法受到萤火虫闪烁行为的启发。W111e-wiEið2Þ一般来说,萤火虫产生发光闪光作为信号系统,以便与其他萤火虫通信,特别是与其他萤火虫通信。8x816x1632x32S.K. B S et al./Journal of King Saud University787×Þ Þ××ðÞ× ×××ðÞð ðÞÞðÞð ðÞÞ1p8><猎物的吸引力此外,闪光是由称为生物发光的过程产生的。萤火虫算法中的假设表示如下:(a) 所有萤火虫都会被其他萤火虫吸引,不管它们的性别如何,特别是说它们是中性的。(b) 吸引力和亮度随着距离的增加而减小关于存储QM所需的存储器要求(Sze等人, 2014年)。如上所述,HEVC中的默认8 × 8帧内QM是从基于HVS-CSF的方法导出的(Wang等人, 2001年;Rodríguez-Vallejo等人,2016年)。在传统技术中,HVS被证明是由调制传递函数(MTF)绘制的非线性点变换(Mannos和Sakrison,1974)。基于CSF的MTF定义如下:最大值,并且彼此成比例。此外,越少的亮将越亮Wfegqfexp-qfrð4Þ一个. 如果没有更亮的,它将随机移动(c) 通过目标函数的形状,萤火虫的亮度被确定或影响。4. 用于HEVC的4.1. 静态量化矩阵静态量化矩阵的贡献来自文献。由于频率相关缩放的优点,在(Wang等人,2001)已经作为HEVC中的默认帧内QM。构建了HVS-CSF8 8内部QM,以及88来自于帧内QM已经被暴露为HEVC中的实际QM解决方案。HEVC中的默认QM允许低频AC以更精细的量化步长变换待量化的系数。大小为88 TB(Sze等人,2014年)。尽管HEVC标准支持多达32个32 TB,默认值为1616和32HEVC设计中未提供32个QM。相反,它们是通过上采样和8× 8 QM的复制获得的。更准确地说,为了创建16× 16 QM,8× 8 QM中的每个条目都被上采样并复制到2× 2区域中。同样的8个条目中的每个条目×8 QM被上采样并复制到4× 4区域中以创建a32 × 32 QM(Sze等人, 2014年)。此QM复制过程确保-其中f是以每度视角的周期为单位的径向频率,e;g;q;和r也是常数。根据Daly的2D HVS-CSF方法(Rodríguez-Vallejo等人,2016),使用修改的常数值e1/4 2:2来估计MTF,g 1/40: 192,q1/4 0:114和r1/4 1:1(Tech等人,2016年)。MTF被用来产生一个2D FWM,Wk;l,由浮点值,从其中的QM整数的阈值推导。Wk;l在(5)中计算:Wk;l2:20 0: 192 0: 114f0k;lexp-0: 114f0k;l1:1f0k;l>f1: 0,否则;:>100万其中Wk;l中的变量k和l表示水平和垂直浮点值,f0k;l是以每度循环为单位的归一化径向空间频率,fmax表示每度8个循环的频率(即,指数峰值)。由于间-将MTF中的波动作为视角h的函数,归一化的径向空间频率f0k;lk;由角相关函数Ahk;l标定。在(6)-(9)中测量了f0k;l和Ahk;l在16× 16和32× 32 TB中,f0 k lfk;l6根据其频率内容几乎量化(见图3);区分8× 8 QM上采样和复制;AQM技术。因为HEVC已经发展到CESS旨在最小化计算复杂性f k l三点十四分qfk2fl27共20个QM,此8× 8 QM上采样和复制亲--1=1天2天通用控制数据多视频序列运动补偿视频信号量化矩阵稳定性量化变换系数尺度逆变换静态量化矩阵更新量化矩阵帧内图像估计量化模型图三.优化QM的加权熵编码。180 sin×ð Þ þ ð Þð ÞMax¼788S.K. B S et al./Journal of King Saud UniversityFlðÞ半-]f-1D×2M¼← þR½Q]×XNr·Nf·Nc我c¼0我我R½Q]日h¼1一个半b¼0半Q]101-p钴-4-酮ð8Þ其中,1/2Qω]是优化量化矩阵,并且1/2Qω]表示22等式中的量化矩阵(十三)、 I在等式Q_m、Q_ m和Q _best是指更新的量化矩阵、旧的量化矩阵和最佳量化矩阵。hk;larctan.fk9其中d表示512 mm的感知距离,p表示值为0.7的对称参数(Mannos和Sakrison,1974)。由于对称性参数和角相关函数成正比,当p减小时,Ak;lk在大约45°处减小;这又减小Wk;lk,并增大f0k;l。在(10)中计算不同的垂直和水平频率:的量化矩阵,直到当前迭代分别实现。r1是在区间1内生成的任意整数;1 .在图4中,示出了优化的QM的流程图。这里,静态量化矩阵作为输入被提供给量化矩阵的群体。随后,量化矩阵的评估是利用均方误差(MSE)。在评估的基础上,进行最佳量化矩阵的选择过程,然后更新量化矩阵。如果达到了最终标准,流程将返回优化的否则,该过程将重复。L12019-04-25为l¼1; 2;:;M;100算法:伪码求解优化量化fkk-1;为k<$1; 2;::::; M;11其中,D表示0.25mm的点间距值,M表示垂直和水平径向空间频率的数量。4.2. QM的优化为了优化量化矩阵,静态量化矩阵已经从量化模型过程发生的地方作为默认。在量化模型中,多个视频序列、来自通用编码器控制块的通用控制数据和从视频帧的空间相关性获得的运动补偿视频信号作为输入给出,然后以多个评估分数的形式对其进行量化,并且这可以迭代地更新以获得期望的评估分数。此外,结果值被反馈到HEVC架构中存在的诸如量化变换系数、缩放逆变换和帧内图片估计块之类的块。由于确定PSNR,在(11)中计算量化的多个视频序列的均方误差:矩阵1 输入:随机量化矩阵,通用控制数据,多视频序列,运动补偿视频信号2 输出:量化变换系数,缩放逆变换,帧内图像估计3 初始化t04 whilettmax<5 确定优化的量化矩阵6 更新量化矩阵Q_m7 t t18 End while9 返回½Qω]5. 结果和讨论5.1. 数据集和程序对WE-OQM和标准进行了实验研究,NvNr-1Nf-1以及HEVC标准中的改进的熵编码,MSE¼X1X·X·XNc-1½V?h??a;b;c?-V ha;b;c]212其中,Vha;b;c和Vha;b;c表示原始像素的像素值格式.在八个视频序列中可用的帧的信息和数量通过移动、集装箱、海岸、警卫,大厅监视器,花园,网球,工头和足球与解码视频信号的初始和量化矩阵a;b; ch帧视频序列,Nr;Nf300、140、112、300、300、300、115和125帧序列。领班、集装箱、大厅的分辨率为352 × 288表示像素位置的数目,Nc表示多个视频序列中的帧的数目。因此,量化的多个视频序列的PSNR被给出为:2显示器,海岸警卫队的视频序列和352 240分辨率的移动,足球,网球和花园。为了了解编码原理的性能,对解码后的视频序列进行了PSNR测试。WE-OQM的有效性通过与改进的和标准的方法进行比较Nvh峰值信噪比(PSNR):10log10最大值x½VI ]h1MSEð13Þ标准编码方法在这里,所提出的方法的统计性能比较涉及WE-OQM与现有的方法,所谓的WE编码,和标准编码其中v 表示视频序列的编号,方法将在以下部分中讨论。H视频序列的原始视频信号为了确定由解码视频序列与原始视频序列的逐像素关系构造的最优解,提出了所提出的量化模型。因此,确定最优解的方法可以表示为如下给出的最大化问题:5.2. 解码质量在这里,绘制了发送比特数与PSNR之间的图,以分析使用PSNR度量的WE-OQM方法的性能,然后比较结果使用标准熵编码方法。 图6表示1XNv “最大½Vh]2#½Qω]¼argmaxNvh¼110logIMSEð14Þ对足球、花园、移动,网球,海岸警卫队,工头,大厅监视器,和集装箱。图 2 PSNR是针对不同数量的发射信号绘制的。QmQmr1½Qm-Qbest]15位,其通过块大小确定,2、4、8和完成了在YUV文件中使用http://www.cipr.rpi.edu/resource/sequences/sif.htmlS.K. B S et al./Journal of King Saud University789静态量化矩阵量化矩阵量化矩阵使用MSE选择最佳量化矩阵更新量化矩阵没如果终止标准达到是返回优化量化矩阵见图4。优化QM的流程图。16.所提出的WE-OQM方法在以1850 kbps传输时满足78 dB的PSNR,如图所示。第6(a)段。 图如图6(b)所示,当以2800 dB发射时,PSNR已增加到约78 dB。在图6(c)的情况下,所提出的WE-OQM优于传统方法并且达到1900 kbps。所提出的WE-OQM方法在3950和2950下发射时达到73 dB和79 dB,如图6(d)和(e)所示。此外,所提出的方法已经设法达到75dB的最大PSNR,并且其在图6(f)中描绘。在图6(g)和(h)中,所提出的方法分别实现84 dB和83 dB。对于视频序列,WE-OQM与标准熵方法之间的平均偏差值分别为13.7%、5.5%、6.3%、10.9%、8%、5.3%、5.4%和7.41%,WE-OQM与加权熵方法之间的百分比偏差分别为5.1%、1.3%、5.5%、4.8%、3.2%、3.3%、2.98%和2.4足球,花园,移动,网球,海岸警卫队,工头,大厅监视器和集装箱。实验结果表明,WE-OQM方法与标准熵方法的性能偏差最小同样,花园已经实现了WE-OQM和加权熵方法之间的最小百分比偏差(图1)。 5)。在移动视频序列的情况下,WE-OQM方法的性能远低于现有的加权熵方法。这是因为,它不适应编码的原则。因此,移动视频序列的性能低于其他视频序列。在大厅监控视频序列中,WE-OQM和标准熵方法分别获得了84 dB和79.5dB的最大峰值信噪比。由于WE-Encoding采用了元启发式搜索,因此对初始解有很高的要求。在最罕见的情况下,即,在1500 kbps(约100 kbps)时,WE编码提供了PSNR值的不寻常的上升。虽然文献在优化QM方面滞后,但我们发现研究贡献FSDQ(Yin等人,2015)和RDOQ(Karczewicz等人,2008年,设计。因此,用它们制备化合物并在表1中定量。相对于最佳情况,所提出的WE-OQM的平均PSNR约为84%。可以看出,所提出的方法可以获得比常规SDQ稍微增强的平均视频编码性能(Yin等人,2015年)。同时,PSNR率相对于RDOQ有很大提高。此外,可以看出,与WE编码相比,所提出的方法能够获得稍好的性能(Sunil Kumar例如, 2017年)。如表2所示,列表显示了WE-OQM方法的性能及其与统计测量(即平均值、中位数、最佳值、最差值和偏差)的比较。这些测量值是从所有解码视频序列的结果中计算出来的。也就是说,mean表示所有检索到的视频序列的平均PSNR。与标准熵方法相比,当块大小分别为1、2、4和8时,WE-OQM方法的平均编码性能分别提高了5.3%、6.2%、6.8%和7.5%。根据对应块大小为1、2、4和8的中值编码性能,观察到WE-OQM方法的5.3%、7%、5.9%和6.7%的改进。根据最佳情况,WE-OQM相对于标准熵的改进被记录为5.5%、5.7%、6.7%和5.9%,对应的块大小为1、2、4和8。当计算不同块大小1、2、4和8时的性能识别的最差度量时,WE-OQM方法显示出更好的性能。分别提高4.7%、6.6%、10.7%和10.8%。当考虑偏差测量时,对于所有块大小都出现更好的性能此外,WE-OQM方法的偏差性能远远优于标准的以及现有的加权熵方法。5.3. 计算开销表3示出了所选择的八个视频序列的计算时间。在所有视频序列中,WE-OQM方法所经历的计算时间高于标准和加权编码原则。由于WE-OQM HEVC编码原理中涉及更多步骤,计算时间增加。此外,表4示出了WE-OQM方法相对于所选择的八个视频序列的计算时间和PSNR的性能。当与标准以及加权熵方法比较时,WE-OQM编码所需的时间与PSNR水平成比例地高。然而,在视频序列3、6的块大小2和视频序列3的块大小1中,790S.K. B S et al./Journal of King Saud University移动容器海岸警卫纠察队花园网球工头足球图五. 八个视频序列的样本帧。标准熵编码的WE-OQM方法比现有加权熵方法的WE-OQM方法要小。类似地,在视频序列3的块大小为4和8的情况下,WE-OQM方法相对于加权熵方法的PSNR尽管引入了复杂的编码步骤,但这提高了WE-OQM方法的效率。选择的八个视频序列的压缩比,在表5中列出了相对于现有方法的WE-OQM要发送的比特。显然,对于所有选定的八个视频序列,所提出的WE-OQM的压缩比(Zalik和Lukac,2014; Murthy和Sujatha,2016)高于标准和现有方法。压缩比可以用公式表示为实际比特数与传输的比特数,如等式2所示。(15),而压缩比的倒数是指如等式(15)中所述的数据速率节省。(十六)、S.K. B S et al./Journal of King Saud University791¼见图6。在通过HEVC的改进的以及标准的熵编码原理传输之后,解码的视频序列-(a)足球,(b)花园,(c)移动,(d)网球,(e)海岸警卫队,(f)工头,(g)大厅监视器,(h)集装箱的PSNRCR序列中的实际位数序列中的压缩位数1ð16Þ根据表5,WE-OQM在第一和第六视频序列的压缩比方面相对于标准方法的性能比较是35.29%和62.5%,其中,响应数据速率节省3.41%和7.24%。尽管如此,%N<$CR× 100mm17mm数据速率节省的整体性能,792S.K. B S et al./Journal of King Saud University表1解码视频序列的平均pixel的建议和传统方法的比较数据传输(kbps)WE-OQM(Best案例)WE-OQM(最差情况)WE-OQ(Mean案件)WE-OQM(中位病例)WE编码FSDQ(Yin等人,(2015年)RDOQ(Karczewicz等人,(2008年)100080.0366.3272.152570.8872.152533.0531.95150081.5195267.741774.3054172.7188174.3054134.0532.975200082.998768.3034176.3647776.2714376.3647735.0534250084.2983768.8651177.6750877.3883477.6750835.57534.5125300085.3155870.7351679.3450179.4815479.3450136.135.025350086.3327972.6512880.6388981.876780.6388936.62535.5375400087.3575.1581.7162582.7981.7162537.1536.05表2HEVC的WE-OQM、WE和EE编码原理的平均编码性能(WE-OQM是具有优化量化矩阵的加权熵编码,WE是加权熵,EE是熵编码)。区组大小平均值中位数最佳最差偏差EE我们WE-OQMEE WEWE-OQMEE我们WE-OQMEE我们WE-OQMEE我们WE-OQM174.7976.2478.9874.65 76.1978.8879.3181.3683.9668.9469.3472.363.913.983.84273.474.9678.2372.69 74.4478.1878.2680.0983.0767.1368.5771.954.144.083.97471.5774.8376.7671.41 72.3175.9177.1192.0382.6863.1766.0970.744.928.064.21869.7573.3575.4669.19 69.9174.2276.6492.4581.4961.6565.1169.165.498.824.35表3由HEVC的we-oqm、加权和标准编码原理引起的计算时间块大小1248方法标准加权WE-OQM标准加权WE-OQM标准加权WE-OQM标准加权WE-OQM序列1312549231334544165237395416439757984796544456541545764685123697485461148976495369747序列2256416425749873456987266546426675693496854274874527657653956486296541429656364123987序列3416544541523434596984427464242354964886583437957743894654978892447898945124855379151序列4247766325454163346948257716926711503569845269871527145233784139273691727648423928545序列5457815246254145296424476442347156495698414497854849994965892445507464351244146046545序列6463971146418115144563478196147584145426476487149049411745969441506378151248516046748序列7426895442751515064746431647443347415144878451657446847155129648479571648648415369744序列8512747151454515578954529544153841425796934529974153488415894874539717454345486047154表4WE-OQMover标准的性能改进和加权编码原理以及改进所带来的计算代价比较方案块大小1248改善峰值信噪比(dB)时间(秒)峰值信噪比(dB)时间(秒)峰值信噪比(dB)时间(秒)峰值信噪比(dB)时间(秒)建议的加权熵编码视频序列133.276.8521.39.8112.2314.2310.61优化QM与标准熵视频序列26.74 34.827.2831.196.3243.946.0239.07编码视频序列34.76 10.365.1114.324.8813.685.9320.1视频序列435.087.1838.5211.9840.2212.1843.54视频序列54.26 15.697.819.65.5318.368.4919.15视频序列65.49 10.886.7913.486.2922.547.1119.41视频序列75.86 18.646.1519.197.2213.576.3311.97视频序列84.08 8.815.789.476.7511.236.612.04建议的加权熵编码视频序列132.933.1120.646.8511.968.69.64优化QM与加权熵视频序列234.253.9231.095.3443.055.0239.06编码视频序列33.34 10.713.4915.37-12.1713.43-13.8819.21视频序列44.36 31.494.9333.647.0439.46.2242.09视频序列53.44 14.516.1220.843.917.867.317.99视频序列63.65 10.835.2714.044.3520.815.4517.99视频序列73.2 18.473.7218.695.549.5510.38视频序列83.07 8.424.567.674.0110.214.7811.27所提出的WE-OQM的压缩比保持高于其他现有的方法。此外,对于所有八个视频序列,要传输的比特数的百分比减少比标准熵方法和改进的加权方法最小。熵方法对于4个和6个视频序列,标准和改进的加权熵方法的传输比特数减少率分别比WE-OQM方法低39.5%、62.67%和4.2%、13.93%。S.K. B S et al./Journal of King Saud University793表5压缩比与百分比减少的比特数传输的WE-OQMover标准和加权编码方法的改进。Bossen,F.,Bross,B.,Suhring,K.,Flynn,D.,2012. HEVC复杂度和实现分析。IEEE电路系统视频技术22(12),1685-1696。沙利文,G.,欧姆,J。,汉<英>来华传教士。J.,Wiegand,T.,2012年。高性能系统概述方法标准编码WE-OQM编码视频技术。22(12),1649沙利文,G. J.,Boyce,J.M.,Chen,Ying,Ohm,J.R.,西格尔,CA,Vetro,A.,2013.高效视频编码(HEVC)的标准化扩展。美国电气与电子工程师学会杂志信号处理。7(6),1001-1016。Choi,Yongseok,Choi,Jongbum,2013. 用于HEVC的高吞吐量CABAC编解码器架构。电子。49(18),1145-1147。周,大江,周,金佳,费,魏,后藤,S.,2015. H.265/HEVC CABAC编码器的超高吞吐量VLSI架构,用 于 UHDTV 应 用 。 IEEE Trans.Circuits Syst. Video Technol. 25(3),497-507.Shanableh,T.,Peixoto,E.,Izquierdo,E.,2013. MPEG-2到HEVC视频转码,基于内容建模。IEEE Trans. Circuits Syst. Video Technol.23(7),1191-1196.孙军,段,益州,李,江涛,刘,嘉颖,郭,宗明,2013。费率-CR6. 结论提出了一种新的适用于HEVC编码标准的优化量化矩阵。对选取的标准视频序列进行了实验验证,并对WE-OQM方法的有效性进行了研究。对WE-OQM和标准以及改进的编码方法的平均值、中位数、最佳和最差结果等统计指标进行了评价,WE-OQM方法与相应指标的总体改善百分比分别为77.35%、76.79%、82.8%和71.05%。为了确定编码性能,已经研究了PSNR分析,其中我们已经声明了WE-OQM编码方法的性能。然而,WE-OQM方法的总体计算时间仍然较高,编码性能比先前的方法高得多,因此验证了这种优化的量化矩阵对于HEVC标准的重要性。未来的工作可以在发展运动模型以及优化运动信息的速率分配的方向上进行。引用技术员,G.,陈玉,Muller,K.,哦,J.R.,Vetro,A.,Wang,Y.K.,2016年。高效率视频编码的多视图和3D扩展概述。IEEE Trans. 电 路 系统视频技术26(1),35-49。Honrubia,A.J.D.,Martinez,J.L.,昆卡山口Gamez,J.A.,普埃尔塔,J.M.,2016年。一种用于H.264到HEVC视频转码的自适应快速四叉树层判决算法。 IEEE Trans.电路系统视频技术 26(1),154-168。Sole,J.,乔希河,Nguyen,N.,吉,T.,Karczewicz,M.,克莱尔,G.,亨利,F.,Duenas , A. , 2012 年 。 HEVC 中 的 变 换 系 数 编 码 。 IEEE Trans. Circuits Syst.VideoTechnol.22(12),1765-1777.阮,T.,Helle,P.,Winken,M.,Bross,B.,Marpe,D.,施瓦兹,H.,Wiegand,T.,2013年。HEVC中的变换编码技术。美国电气与电子工程师学会杂志信号处理。7(6),978-989.Hu,N.,杨,E.H.,2015.基于透明复合模型的用于具有熵编码细化的HEVC帧内编码的快速模式选择。IEEE Trans. 电路系统视频技术25 (9),1521-1532。是啊,正熙,Tseng,T.Y.,Lee,C.W.,林振英,2015.基于预测纹理合成的高级视频帧内编码方案。IEEE Trans. Multimedia 17(9),1508-1514.王,M.,颜健宁,Li,H.,2014.一种用于高效率视频编码的基
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- 利用迪杰斯特拉算法的全国交通咨询系统设计与实现
- 全国交通咨询系统C++实现源码解析
- DFT与FFT应用:信号频谱分析实验
- MATLAB图论算法实现:最小费用最大流
- MATLAB常用命令完全指南
- 共创智慧灯杆数据运营公司——抢占5G市场
- 中山农情统计分析系统项目实施与管理策略
- XX省中小学智慧校园建设实施方案
- 中山农情统计分析系统项目实施方案
- MATLAB函数详解:从Text到Size的实用指南
- 考虑速度与加速度限制的工业机器人轨迹规划与实时补偿算法
- Matlab进行统计回归分析:从单因素到双因素方差分析
- 智慧灯杆数据运营公司策划书:抢占5G市场,打造智慧城市新载体
- Photoshop基础与色彩知识:信息时代的PS认证考试全攻略
- Photoshop技能测试:核心概念与操作
- Photoshop试题与答案详解
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功