导读:本文包含了视频编码压缩论文开题报告文献综述及选题提纲参考文献,主要关键词:煤矿视频,分布式压缩感知,矿山物联网,重构算法
视频编码压缩论文文献综述
华倩倩[1](2019)在《基于分布式压缩感知的煤矿视频编码方法研究》一文中研究指出随着矿山物联网技术日益成熟,煤矿井下部署了大量的不同种类的传感器,这些传感器用来对煤矿井下安全生产环境进行实时监控,导致需要传输的数据量有了爆炸式的增长。在众多传感器数据中,以视频数据最为庞大,传输时需要占用较多的带宽。海量视频数据的传输、处理与存储以及如何重构压缩后的视频数据等成为研究热点。分布式视频压缩感知的出现为解决上述难题提供了新的方式方法。本文基于分布式视频压缩感知进一步研究如何减少井下视频节点编码端的采样数、提高解码端重构视频帧的效率,为分布式视频压缩感知在煤矿井下视频的应用提供了进一步的可能。本文主要研究内容如下:(1)对分布式视频压缩感知的研究现状进行了综述与分析。(2)对压缩感知基础理论进行阐述。利用标准测试图像,对常用的观测矩阵的进行对比,发现随机高斯观测矩阵能更好的应用于压缩感知;对常用的贪婪类算法和凸优化类算法进行介绍和分析,综合重构时间和重构效果两方面考虑,贪婪类算法性能更佳。(3)对视频序列图像进行采样时,现有算法对分块后的图像都采用固定的采样率进行采样,忽视了各块之间的差异性。本文结合煤矿图像小波系数的特点,提出一种基于高频小波系数能量的自适应采样方法。该方法对图像分块后,对各块进行小波变换,计算出各块高频小波系数的能量,以此为依据自适应分配采样率。仿真实验结果表明,该方法在采样率相等的情况下能够提高重质量,比其他算法高出至少0.7dB。(4)对视频序列进行重构时,现有的残差重构算法虽然重构效果很好,但重构时间很长,不适用于实时性要求较高的煤矿视频系统。根据视频序列的帧间相关性,本文提出一种残差稀疏自适应的重构算法。该方法对关键帧进行独立重构,对非关键帧利用前后相邻的关键帧的残差进行稀疏估计后,重构时根据各残差块的稀疏估计自适应选择迭代次数。仿真实验结果表明,在采样为0.5时,本文算法的重构时间还是低于1秒,且重构效果不受影响。(5)将本文提出的两种算法应用于煤矿视频系统中,采用基于小波系数的自适应采样方法在编码端对煤矿视频序列进行采样,在解码端对非关键帧使用残差稀疏自适应的重构算法。仿真实验结果表明,本文算法在保证重构效果的同时重构时间低于1秒。(本文来源于《中国矿业大学》期刊2019-05-01)
刘行[2](2019)在《一种无损高清视频编码的参考帧压缩方法》一文中研究指出绝大多数发表的参考帧无损压缩算法都选择以16×8或8×8像素块作为压缩单元。当实际应用在视频编解码的硬件中时,往往会需要较大的硬件资源开销,同时由于差分预测模式的不合理,会限制解压缩硬件实现的吞吐率。提出一种基于16×4像素块作为压缩单元的新差分预测编码调制算法,在基本不影响压缩效率的前提下,使得硬件资源开销降低一半,同时大幅提升解压缩硬件的吞吐率。(本文来源于《集成电路应用》期刊2019年05期)
朱新山,杨璐[3](2018)在《基于H.264与新一代视频编码标准的压缩域视频水印综述》一文中研究指出数字水印技术为视频传输、视频共享以及一些扩展视频服务中存在的诸多问题提供了一种有效的解决途径,属于信息隐藏领域,它的基本思想是通过在数字媒体信号中嵌入一定量的附加信息,例如作品的所有权、使用权或者公司的标识等,实现信息管理或保护的目的。H. 264是当前广泛使用的视频编码标准,它采用混合编码框架,包括帧内预测、帧间预测、变换、量化、自适应熵编码等模块。视频信号的数据量庞大、带宽高、冗余信息多,基本上都是以压缩的格式存储的特性,使得在视频中嵌入数字水印更为困难。这些特征使得视频水印在水印容量、水印复杂度以及结合压缩域处理操作等方面的要求比其他多媒体信号更高,因此,视频水印除了要满足数字水印的一般要求,如安全性、鲁棒性、隐藏性等特性之外,还有一些独特的技术要求。本文对压缩域视频水印相关技术进行了分析并对研究方法进行了讨论,提出了目前存在的问题及未来研究的方向。(本文来源于《信息安全学报》期刊2018年06期)
丁健宇[4](2018)在《基于压缩感知的快速可分级视频编码方法研究》一文中研究指出随着无线互联网络的广泛应用,对于高清视频进行压缩处理的需求不断提高,传统的视频编码只能够编码单一性质的码流,并不能够完全适应丰富多样的用户需求。而通过可分级视频编码来适应多变的情况便成为了视频研究的重点研究方向。然而,可分级视频编码中增强层由于精细量化等原因会造成编码效率下降,因此通过利用压缩感知的稀疏表示来解决分级编码效率较低的问题具有很重大的实际意义。本文首先提出一种通用的基于压缩感知的可分级编码框架,然后在此框架的基础上,以H.264的SVC为具体对象,针对叁种不同可分级编码类型,提出相应的基于压缩感知的可分级快速算法。论文的主要的工作内容如下:(1)提出了基于压缩感知的质量可分级快速编码算法。该算法的主要思想是:在保持质量可分级视频编码的基本层原有编码方式不变的情况下,利用层间相关性快速得到增强层子块的待编码模式,之后对需要精细量化的增强层部分结合压缩感知理论,对满足压缩感知稀疏性的增强层残差系数设立标志位并进行补0操作后稀疏编码传输,在解码端通过对标志位的识别判断来进行压缩感知重构。(2)提出了基于压缩感知的空间可分级快速编码算法。该算法利用基本层和增强层之间的层间相关性,将稀疏表示理论与空间可分级视频编码的增强层待编码子块相结合,在空间可分级视频编码的基本层保持不变的情况下,对通过快速模式选择后的满足稀疏表示的增强层待编码残差块设立标志位并进行稀疏编码,利用压缩感知的稀疏性降低空间可分级视频编码中增强层的码率。(3)提出了基于压缩感知的混合可分级快速编码算法。该算法基于时间可分级中层次化帧结构的思想,并将压缩感知理论与质量以及时间可分级视频编码结合,对基本层关键帧进行相应的帧内帧间编码,对增强层中通过层次化预测快速选择算法得到增强层待编码分块模式和前面两种算法相同进行有选择地补0操作、设立标志位,最后编码传输。在解码端通过判断标志位的有无来确定是否需要进行压缩感知重构。论文通过标准测试序列,将本文所提出的算法与SVC的标准参考软件JSVM进行了对比实验。实验结果表明,本文提出的算法在PSNR衰减可以不计的情况下,能够有效地提高的可分级视频编码的效率,并一定程度上降低了计算复杂度。(本文来源于《南京邮电大学》期刊2018-11-14)
陈勇[5](2018)在《基于视频编码的海量脑空间信息叁维图像数据压缩研究》一文中研究指出脑对人类的思维、情感与行为都起着决定性的控制作用,同时也与许多的精神疾病密不可分。构成脑的基本单位是神经元,结构决定功能,从神经元级别上了解脑结构,对于了解脑的各项功能以及精神疾病的病因都有十分重要的价值。脑空间信息叁维图像能够帮助人们从神经元级别上理解大脑结构。随着成像技术的发展,成像系统的分辨率越来越高,所能成像的样本体积也越来越大。极高的分辨率与大样本体积决定了成像得到的叁维图像数据必然是海量的数据。巨大的数据量对存储、传输都造成了巨大的压力,因此对其进行有效的压缩具有十分重要的意义。现有的叁维数据的压缩方法,普遍存在压缩效果不佳,压缩效率低等问题,难以适用于海量叁维图像的数据压缩。论文针对上述问题,设计了一种基于视频编码的海量叁维图像数据的压缩方案,并实现了适用于海量叁维图像数据的压缩工具。围绕该方案的设计,从编码器的实现效率、压缩比与压缩时间等方面对多种视频编码器的性能进行了比较,选取了适用于海量脑空间信息叁维图像数据的编码器。本文基于x264视频编码器,分别设计了针对8位与16位数据的视频压缩方案。并针对不同的数据类型选取了合适的编码参数。针对16位叁维图像的视频压缩,论文还提出了更加合理的压缩方案。同时,通过实现视频编码接口,在现有的分块程序的基础上,实现了简单易用的海量叁维图像数据的视频压缩工具以及配套的格式检查工具。为了对视频压缩数据集进行解压,论文实现了压缩数据ROI区域的数据解压调取工具。在海量叁维图像数据的常见应用——神经元重建工作,通过使用视频压缩数据与并行化加速,加快了神经元重建工作所涉及的数据调用操作的速度,提高了神经元重建工作的效率。新压缩工具能够在在合理的时间内对海量叁维显微图像数据进行高效视频压缩。在神经元重建工作中,通过使用视频压缩数据与并行化加速,显着提高了神经元重建工作中的经常出现的数据调用操作的速度。(本文来源于《华中科技大学》期刊2018-05-01)
王康,兰旭光,李翔伟[6](2018)在《基于自适应码率分配的压缩传感深度视频编码方法》一文中研究指出压缩传感深度视频(CSDV)是由深度视频经过压缩得到,它的冗余信息仍然巨大,由此,文中提出基于高斯混合模型和边缘码率分配的深度视频编码方法.在时域方向上,使用压缩传感,压缩八帧深度视频,得到一帧CSDV图像.为了减小量化的计算复杂度,将一帧CSDV图像分割成一系列大小相同且互不重合的视频块,使用Canny算子作为边界提取工具提取视频块的边界.根据每个视频块中非零像素所占的百分比,给不同的视频块分配不同的比特数.在模型中,使用高斯混合模型建模这些视频块,用于设计乘积矢量量化器,再使用乘积矢量量化器量化这些视频块.(本文来源于《模式识别与人工智能》期刊2018年04期)
戴越越[7](2017)在《基于贝叶斯压缩感知的分布式视频编码研究》一文中研究指出针对高复杂度的传统视频编码器不能适用于计算能力和资源受限的应用环境(如无线多媒体传感网)的问题,分布式视频编码(Distributed Video Coding,DVC)技术进入了相关研究者的视线。分布式视频编码框架中采用了关键帧独立编码和非关键帧联合重建的方案,实现了计算复杂度从编码端转移至解码端的目的,十分适合应用于编码资源有限的视频传输领域。在分布式压缩感知视频编解码系统中,稀疏表示和边信息直接影响视频序列的重建质量。为了提高视频重建精度,本文对边信息合成方法进行了改进。为了进一步提高重建质量,针对视频帧在编码端的稀疏表示方法做了相关改进。本文的研究内容如下:(1)为了提高边信息质量和视频序列的重建质量,在传统基于块的边信息生成方案基础上提出了一种分类加权边信息生成算法。首先,在解码端利用已重建的前后两个相邻关键帧中不同块的相关度差异对块进行分类,然后对前后相邻关键帧分别进行前向运动估计和后向运动估计生成两个候选边信息,再根据分类判决结果设定候选边信息的加权系数,最终生成边信息,进而完成非关键帧的重建。本算法充分利用了视频帧不同子块之间的相关度差异,提高了边信息的质量,进而提升了非关键帧的重建精度。(2)为了获得视频帧更好的稀疏描述,结合块稀疏表示和视频帧块与块之间的非局部相似性,提出了一种基于聚类稀疏表示的分布式压缩视频感知框架。首先通过搜索算法在当前帧内寻找与指定块相似的图像块;再将相似图像块组成一个图像块类,并利用自适应冗余字典对这个集合进行稀疏表示,获得更准确的稀疏表示系数;最后对图像块类进行重建并将重建结果分解成图像块放入对应位置,所有块重建结果就组成了该视频帧的重建结果。实验结果表明该方法能够很好地改善视频帧稀疏度和视频帧的重建精度。(本文来源于《南京邮电大学》期刊2017-10-26)
单荣杨[8](2017)在《基于APBT的类JPEG图像压缩以及HEVC视频编码与水印算法研究》一文中研究指出在多媒体技术与网络通信技术快速发展的今天,人们可以通过互联网极其便利地获取高清的图片与视频信息。多媒体数据的传输对CPU和网络的压力也越来越大,同时网络的传播也带来了图像、视频等相关数字产品的版权保护与认证问题。针对以上问题,本文首先对图像、视频压缩相关标准、图形处理器(Graphics Processing Unit,GPU)并行以及视频水印相关技术的研究背景、意义以及国内外现状进行了阐述。之后研究了基于GPU并行的图像压缩编码以及目前最新的视频编码标准HEVC(High Efficiency Video Coding),并对HEVC中涉及到的相关技术进行了深入剖析,同时对其性能的改善做了相关探索。最后结合新一代视频压缩标准HEVC,对水印的预处理方案和视频水印的嵌入方案做了深入研究。本论文研究的主要内容与主要创新点如下:(1)深入分析了 JPEG图像压缩标准,针对JPEG图像编码速度较慢的问题,提出了一种基于GPU并行的JPEG图像编码方案,相较于传统的JPEG图像编码方案,可以提升近百倍的效率。(2)针对传统JPEG编码中分块离散余弦变换(Discrete Cosine Transform,DCT)在低码率时存在的块效应问题,借鉴了全相位双正交变换(All Phase Biorthogonal Transform,APBT)的构造过程,结合离散正弦变换(Discrete Sine Transform,DST)和全相位数字滤波(All Phase Digital Filtering,APDF)理论,提出了全相位离散正弦双正交变换(All Phase Discrete Sine Biorthogonal Transform,APDSBT),进一步完善了全相位双正交变换理论,并将其应用在JPEG编码中代替传统的DCT变换,实现了基于并行APDSBT的类JPEG编码。并行的APDSBT-JPEG图像编码算法,在解决了低码率下传统JPEG编码带来的块效应的同时提升了算法效率,相较于传统JPEG编码在主观和客观性能上带来了提升。(3)深入分析了 HEVC视频编码框架,提出了基于APBT变换的HEVC视频编码算法,使用APBT变换代替原有标准中的DCT变换。通过分析APBT变换对不同编码单元(Coding Unit,CU)下HEVC视频编码性能的影响,提出了一套最优的替换方案,并推导出了整数的APBT变换,研究了 APBT与DCT之间的联系,在不增加算法复杂度的前提下,提升了 HEVC的编码性能。(4)提出了一种基于HEVC压缩域的视频水印算法,该方案在量化后的系数中嵌入水印信息,可以很好地解决由水印嵌入带来的累积误差,并在数字水印预处理阶段采用APBT变换对水印数据进行简单压缩,优化了水印嵌入方案,提高了视频水印的嵌入容量。由于HEVC视频编码标准的自身特点,基于压缩域的HEVC视频水印无法抵抗重压缩攻击,因此本文还提出了一种基于APBT与奇异值分解(Singular Value Decomposition,SVD)的视频水印算法,该算法可以很好地抵抗HEVC压缩,表现出了极好的稳定性。(本文来源于《山东大学》期刊2017-05-16)
张奔[9](2016)在《基于压缩感知的分布式视频编码技术研究》一文中研究指出分布式压缩感知视频编码采用独立编码联合解码方案降低了编码端的复杂度,在资源受限的无线视频通信领域中的应用越来越广泛。在编码端,视频信号的关键帧和非关键帧独立编码即与各自采样矩阵相乘得到图像帧的亚采样值;在解码端,关键帧直接利用亚采样值解码,非关键帧则利用亚采样值和由关键帧得到的边信息进行联合解码。分布式压缩感知视频编解码框架中,边信息的精确度和重建算法直接影响视频重建质量。为了获得更精确的边信息,本文对字典样本提取方法进行了改进。为了进一步提高重建质量,对迭代阈值图像重建算法进行了改进。主要研究内容和创新点体现在以下叁个方面:(1)为了生成和非关键帧高度相关的字典样本,提出了自适应加权边信息字典生成算法。首先对重建后的两个相邻关键帧进行运动估计,再在测量域对运动估计后的两个相邻关键帧和非关键帧进行相似性度量,根据度量值来设定边信息生成算法中两个关键帧的权值;然后利用运动估计后的相邻两个关键帧和权值加权生成训练字典所需要的样本;最后利用此样本训练的字典和GPSR算法重建非关键帧。本算法充分利用了相邻两个关键帧和非关键帧的相似性,得到了更精确的边信息,最终提高了视频的重建质量。(2)为了提高迭代阈值重建算法中边信息的精确度,提出了一种基于多假设预测的边信息生成算法。首先对相邻的两个关键帧进行双向运动估计得到初始边信息;再利用初始边信息和相邻两个关键帧分别与非关键帧的测量值进行多假设预测,得到叁个候选边信息;最后根据叁个候选边信息块测量值与非关键帧块测量值之间的相关性大小确定入选的块,所有的入选块组合成了最终的边信息。实验结果表明该方法生成的边信息能很好地提高非关键的重建质量。(3)针对基于块平滑投影的Landweber迭代重建算法中每次迭代只利用了前一次迭代结果,导致重建质量不高的缺点,对该算法的迭代过程进行了改进。在算法的迭代过程中通过将前两次迭代的结果都加入到下一次迭代计算,有效的减小了在阈值迭代过程中产生的偏差,提高了重建质量。(本文来源于《南京邮电大学》期刊2016-11-18)
于俊[10](2016)在《一种模型基人脸视频编码参数压缩算法》一文中研究指出面向极低码率下的人脸视频编码领域,提出一种模型基人脸视频编码参数压缩算法.首先采用基于几何归一化人脸规范化过程的卡洛南-洛伊变换对人脸纹理进行压缩,与采用基于经典规范化过程的卡洛南-洛伊变换的压缩算法相比,提高了信噪比约0.5db;接着根据人脸运动单元来构造人脸运动基向量,并据此来消除同一帧内人脸表情运动参数的相关性,进而结合帧间编码和帧内编码在无编码延迟下完成对人脸表情运动参数的压缩.实验证明了该算法能够显着地提升模型基人脸视频编码参数的传输效率.(本文来源于《小型微型计算机系统》期刊2016年07期)
视频编码压缩论文开题报告
(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:
绝大多数发表的参考帧无损压缩算法都选择以16×8或8×8像素块作为压缩单元。当实际应用在视频编解码的硬件中时,往往会需要较大的硬件资源开销,同时由于差分预测模式的不合理,会限制解压缩硬件实现的吞吐率。提出一种基于16×4像素块作为压缩单元的新差分预测编码调制算法,在基本不影响压缩效率的前提下,使得硬件资源开销降低一半,同时大幅提升解压缩硬件的吞吐率。
(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。
视频编码压缩论文参考文献
[1].华倩倩.基于分布式压缩感知的煤矿视频编码方法研究[D].中国矿业大学.2019
[2].刘行.一种无损高清视频编码的参考帧压缩方法[J].集成电路应用.2019
[3].朱新山,杨璐.基于H.264与新一代视频编码标准的压缩域视频水印综述[J].信息安全学报.2018
[4].丁健宇.基于压缩感知的快速可分级视频编码方法研究[D].南京邮电大学.2018
[5].陈勇.基于视频编码的海量脑空间信息叁维图像数据压缩研究[D].华中科技大学.2018
[6].王康,兰旭光,李翔伟.基于自适应码率分配的压缩传感深度视频编码方法[J].模式识别与人工智能.2018
[7].戴越越.基于贝叶斯压缩感知的分布式视频编码研究[D].南京邮电大学.2017
[8].单荣杨.基于APBT的类JPEG图像压缩以及HEVC视频编码与水印算法研究[D].山东大学.2017
[9].张奔.基于压缩感知的分布式视频编码技术研究[D].南京邮电大学.2016
[10].于俊.一种模型基人脸视频编码参数压缩算法[J].小型微型计算机系统.2016