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 多視點視頻編解碼 3
1.1.4 視頻編碼的指標 4
1.2 數字視頻 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 視頻質量評價 8
1.3.1 客觀質量評價方法 9
1.3.2 主觀質量評價方法 12
1.3.3 視頻質量的比較 13
1.4 小結 16
第2章 視頻編碼標準和混合編碼框架 17
2.1 視頻編碼標準化歷程 17
2.1.1 什么是視頻編碼標準 17
2.1.2 視頻編碼國際標準的發(fā)展 17
2.2 主流視頻編碼標準 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 編碼框架結構 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 編碼結構 24
2.3.4 編碼單元劃分 26
2.4 預測編碼 29
2.4.1 幀內預測 29
2.4.2 幀間預測 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 樣點自適應補償 38
2.6.3 自適應環(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 時間可伸縮性 43
2.8.2 空間可伸縮性 44
2.8.3 質量可伸縮性 44
2.9 視頻轉碼 45
2.9.1 轉碼技術 45
2.9.2 轉碼框架 46
2.9.3 基于編碼比特分布的視頻轉碼 47
2.9.4 基于機器學習的視頻轉碼 49
2.10 小結 50
第3章 率失真優(yōu)化 51
3.1 理論基礎 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 運動補償失真 59
3.2.3 信源補償失真 61
3.3 時域全局率失真優(yōu)化算法 64
3.3.1 時域率失真優(yōu)化模型 64
3.3.2 信源失真時域傳播鏈 65
3.3.3 時域率失真優(yōu)化的參數調節(jié) 68
3.3.4 量化參數自適應調節(jié)方法 69
3.3.5 測試與分析 72
3.4 基于參考結構的優(yōu)化參數調節(jié) 76
3.4.1 時域分層參考結構 76
3.4.2 參考結構決定拉格朗日乘子 78
3.4.3 測試與分析 82
3.5 小結 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 量化參數與拉格朗日乘子 87
4.2.3 初始QP自動設定方法 87
4.2.4 經典碼率控制算法 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 抉擇過程 117
4.5.3 可變比特率碼率控制架構 119
4.5.4 比特率抉擇算法流程 120
4.5.5 測試與分析 121
4.6 即時類通信視頻的VBR控制 126
4.6.1 模糊度BLUR模型 126
4.6.2 運動強度等級模型 129
4.6.3 基于即時類通信視頻的VBR控制算法 133
4.6.4 測試與分析 134
4.7 小結 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 塊替換分類檢測 145
5.3.3 **邊界匹配塊替換決策 146
5.3.4 參考長度決策 147
5.3.5 背景建模算法 149
5.4 面向監(jiān)控類視頻編碼優(yōu)化方法研究 150
5.4.1 全局長參考 150
5.4.2 背景圖像量化參數決策 151
5.4.3 背景圖像長時參考編碼優(yōu)化 155
5.5 測試與分析 158
5.5.1 BABM 158
5.5.2 視頻編碼優(yōu)化 160
5.6 小結 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 全景視頻應用 163
6.2 全景視頻編碼與評價 164
6.2.1 全景視頻編碼 164
6.2.2 全景視頻質量評價 165
6.2.3 全景視頻投影轉換 167
6.3 基于全景視頻序列的越界折疊搜索算法 172
6.3.1 相關知識介紹 172
6.3.2 算法主體內容 173
6.3.3 越界折疊算法關鍵流程與測試 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 算法測試與分析 192
6.6 小結 195
第7章 視頻編碼**動向 196
7.1 智能編碼 196
7.1.1 神經網絡視頻編碼發(fā)展歷史 196
7.1.2 深度學習與視頻編碼 198
7.1.3 基于端到端學習的視頻壓縮 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 點云 202
7.3.1 背景與應用 202
7.3.2 點云壓縮技術 203
7.3.3 點云壓縮標準化 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 209