项目名称: 基于能量分布的高性能快速视频信号模式判决算法的研究

项目编号: No.61301268

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 无线电电子学、电信技术

项目作者: 刘欣刚

作者单位: 电子科技大学

项目金额: 24万元

中文摘要: 为了降低编码复杂度,使高质量视频编码协议能够更好地为无线网络中进行视频通信的移动终端进行服务,高质量低复杂度图像编码协议方面的研究迫在眉睫。本项目旨在保证原有编码质量的前提下提出基于能量分布的快速图像编码模式判决的核心算法,从而建立低复杂度视频编码协议。研究从现有的高质量视频编码协议入手,对其各个编码模块的优缺点进行分析及评价,根据分析结果对编码协议进行整体改进从而建立更加优化的编码协议框架。本项目重点研究部分是对视频信号的宏块能量分布进行信息提炼,对空域及频域下的宏块局部区域的能量分布同宏块最佳模式之间的关系进行分析及匹配,建立规则及不规则形状分割模型下高效快速的模式判决方法的数学模型,在保证编码性能的前提下大幅度降低原有协议中模式判决所带来的计算冗余部分,从而加快编码速度,同时减低硬件能耗提高使用周期,具有重要的理论价值和良好的应用前景。

中文关键词: 视频编码;高效视频编码;3D高性能图像编码;模式判决;图像质量评估

英文摘要: To reduce the coding complexity and let the high-quality video coding standard be well used by the mobile devices under wireless network enveriments, the research on high-quality with low-complexity video coding standard is very necessary. The target of this project is to propose a high-efficent and high-speed video mode decision algorithm basing on the energy distribution theroy, which could establish low-complexity video coding standard while maintaining the coding quality. We starts from the research on the current high-quality video coding standard. The advantages and shortcomings of each coding tools are analyzed, and the entire optimistic flowchart for video coding standard is proposed based on the results of the analysis. The keypoint of this project is to abstract the energy information from the macroblock of the video frame. The relationship between the potimal mode of the macroblock and the space/frequency energy of the coresponding region is analyzed and mapped to establish the high-efficient and fast mode decision model. With our research, the computational complexity of the mode decision is reduced significantly so that the encoding time and energy consumption are reduced while the coding quality is maintained. The proposed algorithm has very important theoretical value and wide application fields i

英文关键词: video coding;HEVC;3D-HEVC;mode decision;image quality assessment

成为VIP会员查看完整内容
0

相关内容

专知会员服务
12+阅读 · 2021年9月13日
专知会员服务
23+阅读 · 2021年8月1日
基于深度学习的图异常检测技术综述
专知会员服务
83+阅读 · 2021年7月28日
专知会员服务
22+阅读 · 2021年7月15日
专知会员服务
22+阅读 · 2021年6月23日
专知会员服务
32+阅读 · 2020年12月25日
专知会员服务
36+阅读 · 2020年12月22日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
78+阅读 · 2020年8月4日
2022 年了,来试试双拼输入法吧
少数派
0+阅读 · 2022年4月14日
2022 年技术的新趋势和新方向 | 极客时间
面向云端融合的分布式计算技术研究进展与趋势
中国计算机学会
19+阅读 · 2018年11月27日
ECCV 2018 | CornerNet:目标检测算法新思路
极市平台
13+阅读 · 2018年8月11日
一文读懂图像压缩算法
七月在线实验室
16+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
41+阅读 · 2018年4月26日
基于GAN的极限图像压缩框架
论智
11+阅读 · 2018年4月15日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月18日
小贴士
相关VIP内容
专知会员服务
12+阅读 · 2021年9月13日
专知会员服务
23+阅读 · 2021年8月1日
基于深度学习的图异常检测技术综述
专知会员服务
83+阅读 · 2021年7月28日
专知会员服务
22+阅读 · 2021年7月15日
专知会员服务
22+阅读 · 2021年6月23日
专知会员服务
32+阅读 · 2020年12月25日
专知会员服务
36+阅读 · 2020年12月22日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
78+阅读 · 2020年8月4日
相关资讯
2022 年了,来试试双拼输入法吧
少数派
0+阅读 · 2022年4月14日
2022 年技术的新趋势和新方向 | 极客时间
面向云端融合的分布式计算技术研究进展与趋势
中国计算机学会
19+阅读 · 2018年11月27日
ECCV 2018 | CornerNet:目标检测算法新思路
极市平台
13+阅读 · 2018年8月11日
一文读懂图像压缩算法
七月在线实验室
16+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
41+阅读 · 2018年4月26日
基于GAN的极限图像压缩框架
论智
11+阅读 · 2018年4月15日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员