没有合适的资源?快使用搜索试试~ 我知道了~
优化步长搜索算法提升SHVC性能
⃝××可在www.sciencedirect.com在线获取ScienceDirectICTExpress 5(2019)206www.elsevier.com/locate/icte基于优化步长搜索算法的SHVC性能增强Dhanalakshmi AA B NagarajanGC,巴拉吉。Ld,aSathyabama科学技术学院电子工程系,Chennai,600123,印度b印度,钦奈,600123,cSathyabama科学技术学院电子工程学院,Chennai,600119,印度d印度Chennai 600062,Vel Tech Rangarajan Dr.Sagunthala R D Institute of Science and Technology,ECE部门接收日期:2018年11月2日;接受日期:2019年3月28日在线提供2019年摘要SHVC(可伸缩高效视频编码)标准作为H.265 HEVC(高效视频编码)的扩展而开发,其专注于通过具有广泛可伸缩性的异构网络进行数据传输。本文提出了一种最优步搜索(SSS)算法提出了提高PSNR性能以及编码效率,而不会增加太多的计算复杂度。所提出的SSS算法执行动态搜索,以预测最佳匹配块使用一个精细的搜索模式。仿真结果表明与SHM参考软件相比,PSNR性能平均提高0.5%,比特率编码效率平均提高32%c2019韩国通信与信息科学研究所(KICS)。出版社:Elsevier B.V.这是一个开放的访问CC BY-NC-ND许可证下的文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。关键词:编码效率;计算复杂度; PSNR;比特率;时间1. 介绍国际标准开发组织已经开发了各种视频编码标准。ITU-T(国际电信联盟-电信标准化部门)的视频编码专家组于1984年提出了H. 26 x系列标准。第一个数字视频压缩标准H.120是由COST211于1984年开发的。H.120的比特率为1544 kbps。H.120第1版采用了条件补充、差分脉冲编码调制、标量量化、变长编码和采样开关。然后版本- sion 2推出增加了运动补偿和背景预测。H.120虽然具有良好的空间分辨率,但时间质量较差。这使得H.120不适合实时使用。H.261是H.26x系列中第一个在实践中获得成功的成员。ITU-T视频压缩标准于1988年批准了它。H.261的设计是为了允许在ISDN(集成)∗通讯作者。电子邮件地址:dhanalakshmi248@gmail.com(Dhanalakshmi.A),nagarajanme@yahoo.co.in(Nagarajan.G),maildhanabal@gmail.com(Balaji.L)。同行评审由韩国通信和信息科学研究所(KICS)负责https://doi.org/10.1016/j.icte.2019.03.001服务数字网络),其数据速率为64kbps的倍数。宏块的概念,其中每个帧被划分成更小的单元,似乎是第一次出现在H. 261标准。每个宏块包括16个亮度样本阵列。色度样本的8 8阵列,使用4:2:0采样和YCb Cr颜色。该编码算法采用运动补偿的帧间预测和标量量化、锯齿扫描的空间变换混合编码。H.261被认为是视频编码领域的一个里程碑。H.261的问题是比特率控制和运动矢量估计。H.262在1995年被标准化为MPEG-2第2部分H.262标志着配置文件和级别的引入。例如,高清晰度电视使用MPEG-2主配置文件/高级别。数据分割、非线性量化和改进的失配控制是H.262的一些特点。H.263标准于1996年发布。H.263是一种用于视频会议的低比特率压缩格式。H.263在多媒体消息服务(MMS)和分组交换流服务(PSS)中得到了应用2003年以AVC(Advanced Video Coding)的名义标准化的H.264/MPEG- 4第10部分支持互联网、计算机、移动设备和高清电视上的视频。与H.263相比,它在低比特率下的图像质量有了显著改善,以增加计算复杂度为代价H.264是2405-9595/2019韩国通信和信息科学研究所(KICS)。出版社:Elsevier B.V.这是一个开放的访问CC BY-NC-ND许可证下的文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。Dhanalakshmi A,Nagarajan.G和巴拉吉L/ICT Express 5(2019)206207××基于面向块的运动补偿的视频压缩标准。它支持高达40962304像素的分辨率,包括4k UHD。H.265/HEVC(高效视频编码),也被称为MPEG-H第2部分,于2013年推出,与H.264相比,在相同的视频质量水平下提供了大约两倍的数据压缩比[1,2]。它具有支持并行处理和分辨率高达8192 4320像素,包括8k UHD的功能。HEVC被设计为以增加的计算复杂度为代价,在具有相当的图像质量的情况下,通过将比特率降低一半来大幅提高编码效率。目前,使用视频应用的设备的数量已经增加。这些视频应用要求更高的分辨率水平,但资源是有限的。由于HEVC不能满足此需求,因此JCT-VC已在2014年开发了称为高效率视频译码的可缩放扩展(SHVC)的新标准[3]。借助可扩展性,可以将不同版本的视频序列存储在单个文件中。SHVC仅产生要传输的单个序列流,因此减少了网络上的数据流的量。提出了一种提高SHVC编码器性能的新方法。该方法旨在提高PSNR和编码效率。论文的其余部分组织如下:第2节描述了SHVC编码器性能测试的文献调查,第3节描述了高级步搜索(SSS)算法,第4节描述了实验结果,最后第5节总结了论文。2. 文献调查本文讨论了在SHVC上降低比特率的方法及其实现。在[4]中,通过提高层间参考(ILR)图片的质量来实现比特率节省。为了增强ILR图像的质量,将增强层(EL)的高频分量与ILR图像的低频分量组合。在[5]中,已经发现使用称为可选检查菱形点(OCDSP)的算法,当与传统的全搜索算法相比时,以1.56%的比特率增加为代价减少了99.26%的运动估计时间,并且平均降低了0.048 dB的峰值信噪比(PSNR)。在[6]中,为了提高编码器的性能,已经为EL运动补偿引入了一种称为扩展边缘预测的新技术。通过在块的每一侧添加从参考帧中提取的附加行和列来提高性能。然而,只有准确的块用于找到运动矢量,额外的行和列有助于减少块伪影。该方法在获得较好的空间可伸缩性的同时,也节省了一定的比特率.层间预测的效率发现在帧的上采样和下采样过程期间退化[7]。生成ILR图片通过组合EL的高频分量和BL的低频分量。在[8]中,提出了增强型ILR(EILR),其是ILR图像的改进形式,其通过组合来自ILR图像的低频信息和来自层间运动补偿(ILMC)图像的高频信息,并用作用于找到运动矢量的参考图像。该方法显示出Y、U和V分量的B-D增益的平均增加。在[9]中提出了分布式可伸缩视频编码(DSVC-HEVC),其中通过HEVC帧间编码技术对基本层(BL)帧进行编码。在[5]中讨论了一种基于自适应相关建模的方法,以产生低复杂度的边信息生成。该方法避免了时间误差的传播,同时通过实现良好的压缩效率来降低EL编码的复杂度。自适应对比灵敏度函数在[10]中被讨论为用于实现比特率的显著压缩而不会降低视频质量的工具。该方法通过比较对比度检测阈值和变换系数来去除视觉上不重要的信息。不是直接比较,在[10]中,对比度检测阈值通过以下方式缩放:a因子k。因此,这种方法产生了相当大的比特率降低,而不会对视频质量产生任何影响。就提高视频编码的性能而言,很少有文献(如[11在我们的范围内,没有工作讨论,以提高性能的PSNR的视频随着编码效率。因此,在本文中,一种新的SSS算法已被用来提高性能的视频的PSNR和比特率。3. 拟议工作3.1.SHVC概述SHVC是一个两层机制。进入编码器的每个帧被分层为BL和EL。 原始帧被称为EL及其下采样版本BL。BL含有必须在无无损译码的情况下译码的较显著信息,而EL可利用有损译码译码来译码,因为其含有较不显著信息。在SHVC多层编码中,EL由HEVC编码器编码,BL由AVC编码器编码,因此组合地构建SHM编码器以对SHVC的多层进行编码,如图1所示。为了获得空间可伸缩性,在SHVC中引入了一种称为层间预测的新的预测方式,其中预测发生在单个层内。对于每个帧,在ILR图片和EL之间执行层间3.2. ILR图像生成在SHVC中,参考层中的图片不对应于基础层中的图片,而是它们仅对应于ILR(层间参考)图片。ILR图像是通过复位过程产生的,因为BL和EL的大小不同。为了获得ILR图片,对基础层进行上采样并以满足增强层的大小的方式对其进行裁剪。然后,出于编码EL的目的,将ILR图片添加到参考图片列表208Dhanalakshmi A,Nagarajan.G和巴拉吉L/ICT Express 5(2019)206∑∑12=−IJ IJ×××图1.一、2 层编码器表示。3.3. 层间运动预测层间运动预测旨在实现视频的最佳时间可伸缩性因此,ILR图片被用作用于运动预测的并置参考图片。为了提高层间预测的效率,消除了由BL编码引入的量化噪声表1图二、 高级步搜索的收敛路径。通过使用低通滤波器。层间运动预测的过程通过将EL划分为称为编码单元(CU)的较小单元而开始,并且再次将编码单元划分为8个 8个子块。在EL的此分割之后,编码器尝试从ILR图片中找到类似于CU的块。为了从ILR图像中找到与CU最匹配的块,本文提出了一种新的块匹配算法SSS。为了实现最小误差,通过计算每个点处的最小成本函数、均方误差(MSE)来找到最佳匹配。均方误差(MSE)是用于确定成本函数的最常用参数它被给出为N−1N−1微型企业(C和R)(1)N2I=0J= 0其中N 是宏块中的样本数,CijRij是当前块和参考块。率失真成本(RDC)函数用于找到块的最佳模式,并且由下式给出:J=B+λD(2)其中J表示RDC,B表示在编码BL和EL之后消耗的比特数,D表示使用等式(1)计算的失真。并且λ是用于在速率和失真之间调整最佳块匹配是使用等式(1)以成本函数(2)对于块。3.4. 提出的高级步搜索(SSS)算法本文提出了一种新的块匹配算法--高级步搜索算法。为了预测包括正方形结构的搜索区域中的最佳块,开始时,正方形结构由正方形边界处的九个检查点界定。这九个点包括正方形的一个中心点和正方形的八个边界点。率失真成本进行了比较, 8、找到最好的积木测试序列的规范。序列名称分辨率每秒帧数交通2560× 1600 30和服1920× 1080 24DucksTakeOff1920× 1080 50公园场景1920×1080 24假设帧被划分为16 × 16个宏块。初始化步长并将检查点放置在所选帧的中心表示要编码的块。根据图2中从中心开始的初始化步长,在所选16 16宏块的边界内绘制八个检查点。与所有8个块相比,确定待编码块的最小RDC,8个检查点。具有最小RDC的最佳匹配块并且中心检查点移动到该最佳匹配块。同样,边界由8个检查点定义,检查现在,使用RDC为这个方块识别最佳方块。重复相同的过程,直到步长为1。发现后具有最小RDC的步长为1的块,执行运动矢量估计。在找到具有最小成本的块之后,找到运动矢量。运动矢量是CU中相对于ILR图片中的对应块发生的位移的结果。从ILR图像中减去EL,并确定误差。然后,运动矢量和误差被传输用于诸如变换、量化和熵编码的处理。下面给出了所提出的工作的算法3.5. 算法所提出的算法描述如下:步骤1:假设步长并放置点。步骤2:根据从中心开始的步长,在框架中绘制九个点。步骤3:找到所有点的成本函数,从而确定具有最小率失真成本的点如果Dhanalakshmi A,Nagarajan.G和巴拉吉L/ICT Express 5(2019)206209图3.第三章。空 间 可伸缩性中的Kimono和质量可伸缩性中的Ducks Take off的速率失真曲线。图四、低 延迟B配置下的公园场景序列和低延迟P配置下的交通序列的率失真曲线。表2不同配置的PSNR和比特率差异可扩展性最大峰值信噪比%最大峰值信噪比%最大峰值信噪比随机存取(空间)1.50.510.58.0.66 0.05 −0.202 0.35 0.45 0.52 0.63 −0.32随机存取(质量)1.5 0.64 0.39 0.04 0.38 −0.342 0.56 0.36 0.39 0.49 −0.16低延迟P1.5 0.86 0.71 0.56 0.67 −0.382 0.39 0.63 0.74 0.61 −0.27低延迟B1.5 0.41 0.35 0.42 0.51 −0.362 0.38 0.50 0.53 0.66 −0.40平均值1.5 0.60 0.50 0.42 0.40 −0.382 0.42 0.48 0.54 0.59 −0.30中心点具有最小失真,则执行步骤4,否则继续步骤3。步骤4:现在将中心点移动到最小失真点。步骤5:将步长减小1,重复步骤2,3,4直到步长为1。4. 实验结果四个常见的测试序列被认为是所提出的方法的性能评估。表1显示了测试序列的规格[14]。SHM软件版本2已用于实施目的。与标准SHVC编码器的执行时间,比特率和峰值信噪比的建议的方法进行了比较。该序列被实现用于在随机接入、低延迟B、低延迟B配置下的空间可伸缩性以及在随机接入可伸缩性下的质量可伸缩性的根据SHM测试条件[14]的建议,已在x2和x1.5空间比下对所提出的方法进行了测试。出于测试的目的,考虑一个基本 层 和 一 个 增 强 层 。 通 过 将 { ( QP BL ) ( QPEL)}={(26,30,34,38)(22,26,30,34)}指定为量化来测试BL在质量可伸缩性的情况下的参数和作为量化的{(QPBL)(QP EL)}={(22,26,30,34)(22,26,30,34)}在空间可伸缩性的情况下的参数。表2显示了所有配置的累积平均增量。这些结果证明了0.5%的PSNR的显著增加图图3和图4描述了在SHM 12.1和所提出的算法之间的各种配置下Ki-单声道、DucksTakeOff、Parkscene和Traffic测试序列的率失真曲线。210Dhanalakshmi A,Nagarajan.G和巴拉吉L/ICT Express 5(2019)2065. 结论为此,本文提出了一种简单有效的视频编码算法--SSS算法,该算法大大提高了PSNR和编码效率。对不同配置下测试序列编码的实验结果分析表明,与标准SHM参考软件相比,PSNR平均提高了0.5%,比特率平均提高了32%。然而,该方法显著地保持了计算复杂度,编码时间略微增加。未来的工作可以在SHVC中提高PSNR,减少编码时间和复杂度。利益冲突作者声明,本文中不存在利益冲突。引用[1] G.J. Sullivan,J.- R.哦,W.- J. Han,T. Wiegand,概述高效率视频 译 码 ( HEVC ) 标 准 、 IEEE Trans.CircuitsSyst. 视 频 技 术 22(12)(2012)1649[2] M.T.普拉扎德角Doutre,M. Azimi,P. Nasiopoulos,HEVC:视频压缩的新黄金标准:HEVC与H.264/AVC相比如何?ConsumerElectronics Magazine,IEEE,1(3).[3] J. Chen,J. Boyce,Y.是的,M.M. Hannuksela,SHVC工作草案2,ITU-T/ISO/IEC视频译码联合合作小组(JCT-VC)文件JCTVC-M1009,2013。[4] Thorsten Laude , Xiu Yu , Jie Dong , Yuwen He , Yan Ye ,JörnOstermann , Improved inter-layer prediction for the scalableextensionsofhevc,in:Data Compression Conference,2014.[5] Sangkwon Na,Chong-Min Kyung,基于活动度的运动估计算法在H.264可伸缩视频编码中的应用,IEEE Trans. Circuits Syst. VideoTechnol.20(11)(2010).[6] 作者:Mary L. Comer,空间可伸缩视频编码增强层中的[7] Thorsten Laude,Xiaoyu Xiu,Jie Dong,Yuwen He,Yan Ye,JörnOs-termann,用于HEVC的可缩放扩展的改进的层间预测。[8] Xiem HoangVan , João Ascenso , Fernando Pereira , AdaptiveScalable Video Coding : a HEVC based Framework Combining thePredictive and Distributed Paradigms.[9] 西蒙·M Sini,G. Sreelekha,使用对比敏感度函数改善SHVC性能,2016 IEEE区域10会议(TENCON)。[10] 沈晓琳,陆宇,陈杰,基于贝叶斯决策规则的HEVC快速编码单元大小选择,IEEE,2012。[11] 沈晓琳,余陆,基于加权SVM的分裂提前终止,EURASIP J。图像视频处理。(2013年)。[12] Jie Leng,Lei Sun,Takeshi Ikenaga,Shinichi Sakaida,用于HEVC的基于内容的分层快速编码单元决策算法,在:多媒体和信号处理国际会议[13] 视频压缩技术联合提案征集,ISO/IEC和JTC 1/SC 29/WG 11,2009年1月。2010年。[14] 常见SHM测试条件和软件参考配置,文档。JCTVC-Q1009、ITU-TSG 16 WP 3和ISO/IEC JTC 1/SC 29/WG 11,3月2014年。
下载后可阅读完整内容,剩余1页未读,立即下载
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![csv](https://img-home.csdnimg.cn/images/20210720083646.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
cpongm
- 粉丝: 5
- 资源: 2万+
上传资源 快速赚钱
我的内容管理 展开
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
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
最新资源
- AirKiss技术详解:无线传递信息与智能家居连接
- Hibernate主键生成策略详解
- 操作系统实验:位示图法管理磁盘空闲空间
- JSON详解:数据交换的主流格式
- Win7安装Ubuntu双系统详细指南
- FPGA内部结构与工作原理探索
- 信用评分模型解析:WOE、IV与ROC
- 使用LVS+Keepalived构建高可用负载均衡集群
- 微信小程序驱动餐饮与服装业创新转型:便捷管理与低成本优势
- 机器学习入门指南:从基础到进阶
- 解决Win7 IIS配置错误500.22与0x80070032
- SQL-DFS:优化HDFS小文件存储的解决方案
- Hadoop、Hbase、Spark环境部署与主机配置详解
- Kisso:加密会话Cookie实现的单点登录SSO
- OpenCV读取与拼接多幅图像教程
- QT实战:轻松生成与解析JSON数据
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
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)