視頻編碼優(yōu)化與控制

目錄
第1章 視頻編碼概述 1
1.1 視頻編碼簡(jiǎn)介 1
1.1.1 圖像與視頻 1
1.1.2 視頻壓縮與編碼 1
1.1.3 多視點(diǎn)視頻編解碼 3
1.1.4 視頻編碼的指標(biāo) 4
1.2 數(shù)字視頻 4
1.2.1 顏色空間 4
1.2.2 量化深度 6
1.2.3 三率 7
1.3 視頻質(zhì)量評(píng)價(jià) 8
1.3.1 客觀質(zhì)量評(píng)價(jià)方法 9
1.3.2 主觀質(zhì)量評(píng)價(jià)方法 12
1.3.3 視頻質(zhì)量的比較 13
1.4 小結(jié) 16
第2章 視頻編碼標(biāo)準(zhǔn)和混合編碼框架 17
2.1 視頻編碼標(biāo)準(zhǔn)化歷程 17
2.1.1 什么是視頻編碼標(biāo)準(zhǔn) 17
2.1.2 視頻編碼國(guó)際標(biāo)準(zhǔn)的發(fā)展 17
2.2 主流視頻編碼標(biāo)準(zhǔn) 21
2.2.1 AVS系列 21
2.2.2 谷歌VP系列 21
2.2.3 微軟VC系列 22
2.3 編碼框架結(jié)構(gòu) 22
2.3.1 視頻編碼框架 22
2.3.2 基于混合編碼框架的編碼流程 23
2.3.3 編碼結(jié)構(gòu) 24
2.3.4 編碼單元?jiǎng)澐?26
2.4 預(yù)測(cè)編碼 29
2.4.1 幀內(nèi)預(yù)測(cè) 29
2.4.2 幀間預(yù)測(cè) 30
2.5 變換/量化 34
2.5.1 變換編碼 34
2.5.2 量化編碼 35
2.6 環(huán)路濾波 37
2.6.1 去塊濾波 37
2.6.2 樣點(diǎn)自適應(yīng)補(bǔ)償 38
2.6.3 自適應(yīng)環(huán)路濾波 39
2.7 熵編碼 40
2.7.1 熵編碼基本原理 40
2.7.2 CAVLC 42
2.7.3 CABAC 42
2.8 可伸縮視頻編碼 43
2.8.1 時(shí)間可伸縮性 43
2.8.2 空間可伸縮性 44
2.8.3 質(zhì)量可伸縮性 44
2.9 視頻轉(zhuǎn)碼 45
2.9.1 轉(zhuǎn)碼技術(shù) 45
2.9.2 轉(zhuǎn)碼框架 46
2.9.3 基于編碼比特分布的視頻轉(zhuǎn)碼 47
2.9.4 基于機(jī)器學(xué)習(xí)的視頻轉(zhuǎn)碼 49
2.10 小結(jié) 50
第3章 率失真優(yōu)化 51
3.1 理論基礎(chǔ) 51
3.1.1 圖像的信息熵 51
3.1.2 率失真理論 52
3.1.3 率失真優(yōu)化方法 53
3.2 視頻失真 58
3.2.1 量化失真 58
3.2.2 運(yùn)動(dòng)補(bǔ)償失真 59
3.2.3 信源補(bǔ)償失真 61
3.3 時(shí)域全局率失真優(yōu)化算法 64
3.3.1 時(shí)域率失真優(yōu)化模型 64
3.3.2 信源失真時(shí)域傳播鏈 65
3.3.3 時(shí)域率失真優(yōu)化的參數(shù)調(diào)節(jié) 68
3.3.4 量化參數(shù)自適應(yīng)調(diào)節(jié)方法 69
3.3.5 測(cè)試與分析 72
3.4 基于參考結(jié)構(gòu)的優(yōu)化參數(shù)調(diào)節(jié) 76
3.4.1 時(shí)域分層參考結(jié)構(gòu) 76
3.4.2 參考結(jié)構(gòu)決定拉格朗日乘子 78
3.4.3 測(cè)試與分析 82
3.5 小結(jié) 83
第4章 碼率控制 84
4.1 碼率控制概述 84
4.1.1 恒定比特率控制 84
4.1.2 可變比特率控制 85
4.2 碼率控制原理 85
4.2.1 流體流量模型理論 86
4.2.2 量化參數(shù)與拉格朗日乘子 87
4.2.3 初始QP自動(dòng)設(shè)定方法 87
4.2.4 經(jīng)典碼率控制算法 91
4.3 基于模糊邏輯的碼率控制算法 93
4.3.1 模糊控制原理 93
4.3.2 模糊邏輯碼率控制模型 98
4.3.3 測(cè)試與分析 103
4.4 基于PID的碼率控制算法 111
4.4.1 PID控制器原理 111
4.4.2 分層碼率分配 112
4.4.3 PID碼率控制 114
4.5 可變碼率控制算法 115
4.5.1 比特率抉擇 115
4.5.2 抉擇過(guò)程 117
4.5.3 可變比特率碼率控制架構(gòu) 119
4.5.4 比特率抉擇算法流程 120
4.5.5 測(cè)試與分析 121
4.6 即時(shí)類(lèi)通信視頻的VBR控制 126
4.6.1 模糊度BLUR模型 126
4.6.2 運(yùn)動(dòng)強(qiáng)度等級(jí)模型 129
4.6.3 基于即時(shí)類(lèi)通信視頻的VBR控制算法 133
4.6.4 測(cè)試與分析 134
4.7 小結(jié) 140
第5章 背景建模 141
5.1 背景建模概述 141
5.2 平滑背景建模法 142
5.3 基于可變塊大小的背景建模 144
5.3.1 殘差梯度 144
5.3.2 塊替換分類(lèi)檢測(cè) 145
5.3.3 **邊界匹配塊替換決策 146
5.3.4 參考長(zhǎng)度決策 147
5.3.5 背景建模算法 149
5.4 面向監(jiān)控類(lèi)視頻編碼優(yōu)化方法研究 150
5.4.1 全局長(zhǎng)參考 150
5.4.2 背景圖像量化參數(shù)決策 151
5.4.3 背景圖像長(zhǎng)時(shí)參考編碼優(yōu)化 155
5.5 測(cè)試與分析 158
5.5.1 BABM 158
5.5.2 視頻編碼優(yōu)化 160
5.6 小結(jié) 161
第6章 全景視頻優(yōu)化 162
6.1 全景視頻介紹 162
6.1.1 全景視頻研究背景 162
6.1.2 全景視頻應(yīng)用 163
6.2 全景視頻編碼與評(píng)價(jià) 164
6.2.1 全景視頻編碼 164
6.2.2 全景視頻質(zhì)量評(píng)價(jià) 165
6.2.3 全景視頻投影轉(zhuǎn)換 167
6.3 基于全景視頻序列的越界折疊搜索算法 172
6.3.1 相關(guān)知識(shí)介紹 172
6.3.2 算法主體內(nèi)容 173
6.3.3 越界折疊算法關(guān)鍵流程與測(cè)試 176
6.4 全景視頻拉格朗日乘子優(yōu)化算法 178
6.4.1 VR 360°視頻編碼單位級(jí)優(yōu)化 178
6.4.2 拉格朗日乘子修正 181
6.4.3 優(yōu)化算法具體流程和測(cè)試 182
6.5 熵平衡優(yōu)化算法 184
6.5.1 球形比特率均衡策略 185
6.5.2 ERP投影的熵平衡優(yōu)化算法 186
6.5.3 CMP投影的熵平衡優(yōu)化算法 190
6.5.4 算法測(cè)試與分析 192
6.6 小結(jié) 195
第7章 視頻編碼**動(dòng)向 196
7.1 智能編碼 196
7.1.1 神經(jīng)網(wǎng)絡(luò)視頻編碼發(fā)展歷史 196
7.1.2 深度學(xué)習(xí)與視頻編碼 198
7.1.3 基于端到端學(xué)習(xí)的視頻壓縮 199
7.2 感知與特征壓縮編碼 200
7.2.1 壓縮到分析的轉(zhuǎn)換 200
7.2.2 基于感知的視頻編碼 200
7.2.3 基于特征的視頻編碼 202
7.3 點(diǎn)云 202
7.3.1 背景與應(yīng)用 202
7.3.2 點(diǎn)云壓縮技術(shù) 203
7.3.3 點(diǎn)云壓縮標(biāo)準(zhǔn)化 204
7.4 丟包情景下的編碼控制理論與方法 205
7.4.1 視頻傳輸中的丟包 205
7.4.2 錯(cuò)誤隱藏算法研究現(xiàn)狀 206
7.4.3 丟包下的優(yōu)化算法探究 207
參考文獻(xiàn) 209