基于视频区域特征的运动估计与压缩算法

摘要

随着近年来信息技术和即时通讯行业的快速发展，视频流量已占互联网总流量的75％以上。2013年由 JCT-VC制定的基于传统混合编码框架的最新的国际视频编码标准HEVC(High Efficiency Video Coding)比现在广泛使用的H.264/AVC标准有了大幅度的改进。本文在简要介绍和讨论了视频编码标准的发展过程以及当前已存在的基于图像与视频序列特征的压缩算法的基础上，提出了一些新的算法或改进。
　　针对在对高清、超高清视频序列进行编码时，基于块的整数像素运动估计匹配存在重复搜索和搜索范围难以确定的问题，采用了基于区域特征的运动估计算法。该算法使用改进后的SURF特征描述算子的相似度作为区域匹配的准则，获得了更强的鲁棒性。连续两帧之间匹配算子在所有算子中的比例可以作为判断是否发生了场景切换的依据。运动区域的匹配过程采用改进后的RANSAC回归算法，并对提取出的单应性变换进行筛选，降低了误匹配的概率，实验结果表明本文算法比RANSAC算法更适合对含有多个运动区域的视频序列进行匹配。
　　本文分析了 HEVC帧内预测算法对平滑区域进行预测时存在的问题。在讨论了视频序列中平滑渐变区域各种特征的基础上，提出平滑特征的数学描述方法，该算法能获得比HEVC主客观质量都更好的预测图像。
　　本文在上述工作的基础上，提出了基于视频区域特征的视频压缩框架，并在实验的基础上提出了适用于本文平滑特征数学描述方法对应残差的量化矩阵。实验结果表明，该框架中包含的基于特征的运动估计算法可以在不影响编码质量的情况下，减小 HEVC编码器的编码时间，部分视频序列编码时间可减少60%。基于平滑渐变区域特征描述的帧内预测获得的残差的可压缩性较高，在中高码率时可获得比HEVC更高的压缩率，码率相同时最高可获得比HEVC高0.7dB的重建图像。
　　针对本文采用的改进后的特征描述算子提取时间较长的问题，以不改变算法的精度为前提，提出了基于CUDA平台的特征描述算子快速提取算法。由于充分利用了GPU的各种硬件资源并进行了针对性的优化，比纯CPU算法速度提升了10到40倍，比OpenCV和SiftGPU等常用GPU加速算法快约1.5倍，在很大程度上改善了基于区域特征的运动区域匹配实时性较差的缺点。

目录

声明

致谢

1绪论

1.1 视频序列的特点

1.2 常见的视频压缩编码标准简介

1.3 基于图像和视频序列特征的压缩算法

1.4 平坦区域的帧内压缩算法

1.5 本文的主要研究内容和章节安排

2基于区域特征的运动估计

2.1 常用的整数像素运动估计

2.2 SURF特征描述算子的提取

2.3 视频序列SURF特征提取性能分析

2.4 离散尺度空间的优化

2.5 特征点提取对比及分析

2.6 特征描述算子粗匹配

2.7 基于特征描述算子的场景切换检测

2.8 基于特征描述算子的区域匹配

2.9 实验结果及分析

2.10 本章小结

3基于特征的平滑渐变区域描述

3.1 HEVC帧内预测

3.2 平滑区域HEVC帧内预测分析

3.3 平滑渐变区域特征

3.4 灰度图像平滑区域的识别与分割

3.5 灰度图像平滑区域线性渐变特征描述

3.6 灰度图像平滑区域环形渐变特征描述

3.7 实验结果与分析

3.8 本章小结

4基于特征的视频压缩

4.1 平滑区域残差的编码

4.2 平滑区域编码结果与分析

4.3 基于区域特征的运动估计编码测试框架

4.4 基于区域特征的运动估计结果与分析

4.5 基于CUDA的特征算子快速提取

4.6 CUDA加速算法实验结果与分析

4.7 本章小结

5总结与展望

参考文献

作者攻读硕士学位期间的研究成果