导读:本文包含了帧间编码论文开题报告文献综述、选题提纲参考文献，主要关键词:视频,复杂度,高效,单元,卷积,屏幕,模板。
帧间编码论文文献综述写法
赵雁,丁邦旭[1]（2019）在《帧间SAMP算法在视频编码的应用》一文中研究指出依据视频数据信号帧间的相关特性,帧间自适应压缩感知算法是视频压缩编码的十分有效的算法。自适应感知方法通过视频差值信号特点建立模型,自适应选择重构域、稀疏域帮助恢复压缩感知信号数据。当空域稀疏度清晰时,算法选择空域当作重构域及稀疏域;当空域稀疏度不清晰时,选择小波域当作重构域及稀疏域。我们通过实验表明,为了压缩效率、效果更好可以使用稀疏度自适应匹配追踪算法SAMP。(本文来源于《传播力研究》期刊2019年31期）
刘波[2]（2019）在《HEVC质量可分级视频帧间编码快速算法研究》一文中研究指出随着大视频时代的来临,视频技术以视频点播、视频直播、视频监控和视频会议等各种各样的形式出现在人们的生活中,正在悄然的改变着人们的生活方式。为了更好的适应网络异构和用户终端的差异,JCT-VC发布了SHVC可分级视频编码标准。作为高效视频编码标准HEVC的可分级扩展,SHVC需要进行多层HEVC编码,并且引入了层间预测以利用层间相关性进行高效编码,同时,其编码复杂度显着增加,给应用带来了极大的挑战。本文围绕SHVC质量可分级的快速编码技术展开研究,优化了编码算法,提升了编码速度。首先,提出了基于编码单元划分和残差分布的增强层快速算法。利用实验统计当前编码单元CU与可参考CU的之间的深度相关性,包括空间和层间深度相关性,依据实验统计结果设计编码算法,跳过较大或者较小的深度划分,缩小CU深度的遍历范围;在较小的CU深度遍历范围内,利用统计学检测方法检测编码的残差系数,提前终止符合高斯分布的编码块的当前深度划分,以进一步低编码复杂度。仿真结果表明,在RA编码结构的配置下,总编码时间和增强层编码时间平均节省36.87%和69.68%,相对应的,平均编码PSNR的损失和比特率的增加分别为0.02dB和0.94%。其次,提出了基于深度权重预测和帧间预测单元划分的快速算法。该算法定义了层间参考位置和当前编码CU的深度权重,根据深度权重选择编码单元的划分方式;通过参考空间和层间可参考PU的划分方式,跳过不必要的PU划分,快速确定最优PU的划分方式,进一步降低编码的算法复杂度。通过优化CU深度选择和PU模式划分,在快速决策CU深度的基础上确定最佳的PU划分方式,降低了增强层的编码复杂度。仿真结果表明,在RA编码结构的配置下,总编码时间和增强层编码时间平均节省31.02%和60.47%,对应的PSNR平均减少0.03dB,编码比特率平均增加0.40%。(本文来源于《重庆邮电大学》期刊2019-06-02）
肖傲[3]（2019）在《HEVC屏幕内容的帧间快速编码算法研究》一文中研究指出最新一代的高效视频编码标准(High Efficiency Video Coding,HEVC)在上一代H.264/AVC标准的基础上,其压缩性能提高了一倍。HEVC优秀的编码性能是以提高编码复杂度为代价的,而过高的编码复杂度极大地限制了视频的实时应用。屏幕内容编码(Screen Content Coding,SCC)作为HEVC的扩展,同样具有很高的计算复杂度。为了降低SCC的计算复杂度,本文提出一种针对编码单元(Coding Unit,CU)划分和预测单元(Prediction Unit,PU)模式选择过程的快速算法,以及基于屏幕内容属性的帧间运动估计快速算法。首先,在CU深度决策快速算法中,利用当前CU时域相关性以及空域相关性,选取其相邻CU的深度信息以及其相邻CU的平均率失真代价,来预测当前的CU是否需要划分,从而对CU划分进行早期决策,以跳过部分CU深度遍历过程。其次,在PU模式的早期终止快速算法中,根据已编码的CU中最佳的PU模式为Merge模式的率失真代价平均值,对PU模式选择过程进行早期终止,最终降低了PU模式选择过程中的计算复杂度。最终的实验表明,所提出的算法与HM16.7+SCM6.0标准编码器相比,平均节省了35.4%的编码时间,平均(35)BR仅仅增加了1.59%,而且平均的(35)PSNR也仅仅降低了0.05dB。本文还提出了基于屏幕内容属性的帧间运动估计快速算法。首先,根据编码CU的图像梯度和像素值差异将屏幕内容中的CU分为自然图像CU与屏幕内容CU。对于自然图像CU,根据其运动矢量信息计算均方误差,然后利用均方误差大小来调整运动搜索范围。对于屏幕内容CU,如果其父CU的最佳划分深度为0或者1,则将其运动搜索范围缩小为8?8大小,以加速运动估计的过程来节约编码时间。最终的实验结果表明,与标准相比较,该算法在低时延(Low delay,LD)模式下,平均节省了10.4%的编码时间,而且平均的(35)BR仅仅增加了0.9%,平均(35)PSNR仅降低了0.04dB;在随机访问(Random access,RA)模式下,平均节省了9.7%的编码时间,而且平均的(35)BR仅仅增加了0.86%,平均(35)PSNR仅降低了0.03dB。在这两种配置模式下,本算法均有效地降低了编码复杂度。(本文来源于《重庆邮电大学》期刊2019-06-02）
赵利平,林涛,郭靖,周开伦[4]（2019）在《基于通用串预测算法的AVS2屏幕混合内容帧间编码优化》一文中研究指出我国第二代数字音视频编解码技术标准的屏幕与混合内容扩展版(AVS2-SMCC)中,对于全色度屏幕混合内容的编解码其采用融合4∶4∶4格式的通用串预测编码算法和传统4∶2∶0格式的块预测、变换编码算法的编解码框架.在此框架中,根据屏幕混合内容的内在帧间特性和不同帧间子模式的特点,该框架对帧间编码算法进行了优化:首先提出了支持4∶4∶4格式的帧间编解码算法;其次,提出了内容自适应的不同帧间子模式色度失真权重因子算法和帧间子模式预编码与编码树单元划分的提前终止算法;最后,提出了一种新的帧间第一受限串模式,即将通用串预测算法的第一受限串的参考位置扩展至参考图像队列中的第一帧.实验结果表明,对于AVS2-SMCC标准测试序列中的移动文本和图形类别序列,提出的算法和AVS2-SMCC参考软件RMD1.0相比,在有损低延迟配置(一种含帧间编码的配置)下,Y、U、V分量的平均BD-rate下降率分别可达14.35%、90.73%、88.85%,编码时间降低50.86%,解码时间增加15.24%.(本文来源于《计算机学报》期刊2019年10期）
李强,宋剑霖[5]（2019）在《一种屏幕内容编码帧间模式快速选择算法》一文中研究指出屏幕内容编码(SCC)作为高效视频编码(HEVC)的扩展,在压缩屏幕内容方面有着显着的效果,但也导致了编码器计算复杂度较高的问题。为此,本文提出一种屏幕内容编码帧间模式快速选择算法。首先,根据像素点亮度值的变化情况,提前判断出静止区域并使用Skip模式;其次,根据屏幕内容多包含有水平及竖直边缘的特点,利用编码单元(CU)的水平及竖直活动性确定相应的预测单元(PU)划分模式,减少帧间预测时需要遍历的PU个数;最后,根据时空域相邻CU的深度信息预测当前CU的深度范围,跳过不必要的深度遍历。实验结果表明,与SCM-8.0相比,在随机接入与低延时两种编码模式下,本文所提算法分别节省43.6%和49.09%的编码时间,码率分别上升3.06%和3.43%,视频质量几乎不变。(本文来源于《光电子·激光》期刊2019年01期）
刘鹏,李松斌[6]（2018）在《视频帧内帧间编码通用隐写分析卷积神经网络》一文中研究指出基于数据驱动学习模式的深度学习方法已在计算机视觉、语义分析,语音识别以及自然语言处理等众多机器学习相关应用领域取得了成功的应用,并颠覆了这些领域基于"人工特征"的传统范式。受此启发,本文提出了一种基于深度学习的视频帧内帧间编码通用隐写分析方法。由于视频帧内帧间编码信息隐藏本质上都是修改了视频解码帧图像像素值,因此本文从图像域的角度出发,设计了一种视频隐写分析卷积神经网络,将特征提取和分类模块整合到一个可训练的网络模型框架下,以数据驱动的形式自动学习特征并实现分类。实验结果表明,本文方法具有优异的通用隐写检测性能。(本文来源于《网络新媒体技术》期刊2018年06期）
张盛峰,汪仟,黄胜,肖傲[7]（2018）在《HEVC帧间预测编码单元深度快速选择算法》一文中研究指出为降低高效视频编码(HEVC)帧间预测编码的计算复杂度,提出一种快速编码单元(CU)深度选择算法。利用当前CU与时空域相邻CU的深度信息,初步预测当前CU的深度范围,并根据当前CU与邻近CU的运动矢量信息对当前CU深度选择做进一步终止判断。实验结果表明,该算法与HEVC测试模型(HM16. 0)相比,在低时延和随机访问2种编码配置下,码率分别仅增加0. 93%和1. 01%,而编码时间减少了29. 1%和30. 3%。(本文来源于《计算机工程》期刊2018年10期）
宣茜玮[8]（2018）在《HEVC帧间编码单元划分快速算法研究》一文中研究指出新推出的视频编码标准高效率视频编码(High Efficiency Video Coding,HEVC)能够实现比之前的标准更卓越的压缩性能和编码质量,但其编码过程中庞大的计算量给编码器的设计带来了很大的挑战。帧间编码的复杂度在HEVC编码架构中占据了70%,因此,对HEVC帧间编码的加速技术进行研究,从帧间编码的层面降低编码系统的计算复杂度并加速编码过程,具有十分重要的现实意义。本文以现有HEVC编码技术为基础,研究面向帧间编码的快速编码技术。从帧间编码单元划分的四叉树结构入手,分析了树形编码结构中的各个语法单元、帧间编码过程中的率失真优化方法和编码单元划分流程,对HEVC现有帧间编码单元划分技术的复杂度进行了探讨。通过对不同场景、不同运动特征的视频序列展开分析,建立了帧间编码单元划分方式与时空域相关性等因素的关系,在此基础上,设计了HEVC帧间编码单元划分的快速算法。利用帧间编码单元划分方式的时空域特性,分别从视频的帧(FRAME)层面和树形编码单元(CTU)层面入手,设计了编码单元(CU)深度范围预测算法,使得帧间编码系统能够在CU的四叉树结构划分之初,预先为CU设定一个合理的深度范围,从而规避不必要的划分,降低编码过程的计算复杂度。接下来,对CU预测模式的选择过程进行了分析,根据选择过程明显的倾向性设计了CU预测模式快速选择算法,从而进一步加速HEVC帧间编码单元划分的过程。基于HM 16.5平台,本文对所设计的HEVC帧间编码单元划分快速算法进行了性能评估,相比于HM 16.5,快速算法的PSNR平均下降0.11d B,码率平均增加1.37%,编码器执行时间缩短了42.52%,整体算法对现有HEVC帧间编码技术实现了比较好的优化效果。(本文来源于《哈尔滨工业大学》期刊2018-06-01）
杨敏捷[9]（2018）在《视频编码的帧内及帧间预测技术研究》一文中研究指出在大数据时代,多媒体技术取得飞速发展,人们对视频应用的多样化和高清化需求逐步提高。为了应对视频压缩技术面临的挑战,世界两大国际组织组建了联合视频探索组(Joint Video Exploration Team,JVET),探索制定下一代视频编码标准H.266。H.266仍然沿用了主流视频编码标准的混合框架,同时又引入了自己的特色,如更加灵活的四叉加二叉树划分(Quadtree plus binary tree,QTBT)、更加精细的帧内角度预测方向、适合更多场景的帧间预测模式(如仿射运动补偿预测等)、自适应多核变换技术等。本文主要从H.266帧内与帧间预测技术分别做了研究,帧内预测技术从叁个方面进行改进,帧间预测技术从两个方面进行优化,具体工作如下:帧内预测技术的研究与优化首先,若编码块含有复杂的纹理或参考像素与编码块相关性不是很强时,使用现有帧内预测技术将产生失真,故针对上述问题研究了一种基于模板匹配的帧内预测新模式。从实验效果上看,该方案对上述问题有了一定的改进,提升了压缩效率。其次,针对Planar模式有可能发生编码块边界和相邻已编码块边界像素值不连续的问题,研究了一种边界滤波,该方法能够改善边界像素值非连续性的问题。最后,基于MPM模式做为帧内预测最优模式的概率较大,研究了一种基于MPM筛选预选模式的方法。该方法在编码性能损失可忽略的情况下,降低了编码端的复杂度。帧间预测技术的研究与优化首先,在现有的视频编解码标准中,帧间双向加权预测采用的是对搜索到的两个运动补偿块相加取均值(即权值为0.5)得到当期编码块的预测值。但若参考帧与编码帧之间亮度发生剧烈变化或由于诸如量化等因素导致生成预测块质量不同时,采用现有的方法将会产生严重的失真。故提出了一种基于参考质量的帧间自适应加权预测的方法,该方法在LDB和RA配置下性能都有了一定程度的提高。最后,针对运动融合技术(Merge)模式,提出了基于距离的Merge模式组合预测方法来提高编码块预测精度。在LDB、LDP和RA配置下,编码性能均有一定的提高,其中LDP配置下平均码率节省约为1.4%的码率。(本文来源于《电子科技大学》期刊2018-03-26）
宋世昶[10]（2018）在《下一代视频编码标准的帧间预测及变换编码技术研究》一文中研究指出近年来,随着采集和显示技术的迅猛发展,视频质量在不断提高,视频的数据量也随之呈现着爆炸式的增长,进而导致视频的存储和在线传输问题变得愈加严峻,这对视频数据的压缩提出了更高的要求。目前,为了应对未来8K及以上的超高分辨率视频压缩问题,下一代视频编码标准H.266的制定工作已提上了日程。H.266的探索工作已于2015年开始,至今,已经取得了阶段性的成果。H.266依旧沿用传统的混合视频编码框架,与最新的视频编码标准HEVC相比,H.266在图像块的划分、帧内预测、帧间预测、变换编码等关键环节均引入了新的高效编码技术,以提高编码性能,这些编码技术仍然存在可优化改进的余地。本文围绕H.266在变换编码和帧间预测方面引入的编码技术展开研究,并对其中的不足进行了相关优化工作,力争为H.266的制定贡献一份力量。首先,为了降低多核变换技术的编码复杂度和比特开销,本文对多核变换(Explicit Multiple Core Transform,EMT)技术进行了深入的研究,通过分析不同变换核的特性以及不同预测模式所产生残差信号的分布特点,提出了一种帧间模式依赖的变换方法,以进一步优化EMT技术。实验结果表明,相比于HEVC的变换方案,提出的方法在低延时配置下分别平均取得了1.03%和1.02%的BD-Rate节省。与多核变换技术相比,该方法分别平均取得了0.12%和0.16%的BD-Rate节省,并且编码器的整体复杂度分别降低了4%和6%,取得了编码性能和编码效率的双增益。在损失少量的编码性能下,编码复杂度最高可降低10%。在此基础上,进一步分析DST7和DCT2对模板匹配技术产生的残差信号的能量集中效果,结合这两种变换核的优势,构建一种新的DST7-DCT2混合变换,替代原先的DST7变换。实验表明,构建的变换在随机接入配置下取得了0.031%的BD-Rate节省。其次,文章对H.266引入的帧率上转换(Frame Rate Up Conversation,FRUC)模式中的模板匹配技术进行详细的分析,发现该技术在确定运动信息后,没有进一步结合编码块的像素信息对预测方向进行决策,导致该技术存在预测方向不准确的问题,进而严重影响编码性能。对此,本文综合考虑预测方向准确性、比特开销、编码复杂度叁个因素,提出了叁种预测方向决策的方案来弥补这一缺陷。实验表明,叁种方案在随机接入配置下取得了显着的BD-Rate节省,即0.23%、0.47%和0.51%,在仅打开FRUC技术的情况下,BD-Rate节省高达0.48%、0.68%和0.77%。(本文来源于《电子科技大学》期刊2018-03-26）
帧间编码论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着大视频时代的来临,视频技术以视频点播、视频直播、视频监控和视频会议等各种各样的形式出现在人们的生活中,正在悄然的改变着人们的生活方式。为了更好的适应网络异构和用户终端的差异,JCT-VC发布了SHVC可分级视频编码标准。作为高效视频编码标准HEVC的可分级扩展,SHVC需要进行多层HEVC编码,并且引入了层间预测以利用层间相关性进行高效编码,同时,其编码复杂度显着增加,给应用带来了极大的挑战。本文围绕SHVC质量可分级的快速编码技术展开研究,优化了编码算法,提升了编码速度。首先,提出了基于编码单元划分和残差分布的增强层快速算法。利用实验统计当前编码单元CU与可参考CU的之间的深度相关性,包括空间和层间深度相关性,依据实验统计结果设计编码算法,跳过较大或者较小的深度划分,缩小CU深度的遍历范围;在较小的CU深度遍历范围内,利用统计学检测方法检测编码的残差系数,提前终止符合高斯分布的编码块的当前深度划分,以进一步低编码复杂度。仿真结果表明,在RA编码结构的配置下,总编码时间和增强层编码时间平均节省36.87%和69.68%,相对应的,平均编码PSNR的损失和比特率的增加分别为0.02dB和0.94%。其次,提出了基于深度权重预测和帧间预测单元划分的快速算法。该算法定义了层间参考位置和当前编码CU的深度权重,根据深度权重选择编码单元的划分方式;通过参考空间和层间可参考PU的划分方式,跳过不必要的PU划分,快速确定最优PU的划分方式,进一步降低编码的算法复杂度。通过优化CU深度选择和PU模式划分,在快速决策CU深度的基础上确定最佳的PU划分方式,降低了增强层的编码复杂度。仿真结果表明,在RA编码结构的配置下,总编码时间和增强层编码时间平均节省31.02%和60.47%,对应的PSNR平均减少0.03dB,编码比特率平均增加0.40%。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
帧间编码论文参考文献
[1].赵雁,丁邦旭.帧间SAMP算法在视频编码的应用[J].传播力研究.2019
[2].刘波.HEVC质量可分级视频帧间编码快速算法研究[D].重庆邮电大学.2019
[3].肖傲.HEVC屏幕内容的帧间快速编码算法研究[D].重庆邮电大学.2019
[4].赵利平,林涛,郭靖,周开伦.基于通用串预测算法的AVS2屏幕混合内容帧间编码优化[J].计算机学报.2019
[5].李强,宋剑霖.一种屏幕内容编码帧间模式快速选择算法[J].光电子·激光.2019
[6].刘鹏,李松斌.视频帧内帧间编码通用隐写分析卷积神经网络[J].网络新媒体技术.2018
[7].张盛峰,汪仟,黄胜,肖傲.HEVC帧间预测编码单元深度快速选择算法[J].计算机工程.2018
[8].宣茜玮.HEVC帧间编码单元划分快速算法研究[D].哈尔滨工业大学.2018
[9].杨敏捷.视频编码的帧内及帧间预测技术研究[D].电子科技大学.2018
[10].宋世昶.下一代视频编码标准的帧间预测及变换编码技术研究[D].电子科技大学.2018