导读:本文包含了后率失真优化论文开题报告文献综述及选题提纲参考文献，主要关键词:感兴趣区域视频压缩编码,深度学习,机器学习,计算机视觉
后率失真优化论文文献综述
张哲为[1]（2019）在《基于感兴趣区域率失真优化的视频压缩编码通信系统设计》一文中研究指出基于感兴趣区域模式的视频压缩编码近年来成为视频压缩、计算机视觉领域研究的热点课题。从广义上来讲,视频中的感兴趣区域指视频帧中引起人们注意的像素部分区域。它通常包括视频中运动的目标、色彩变化的区域。感兴趣区域视频编码的关键思想在于,对这部分区域以较小的量化步长进行压缩编码,以获得较高的编码精度。而对于非感兴趣区域部分,则采用较大的量化步长进行粗糙编码,以降低整体编码输出的比特。依据人体视觉系统的要求,感兴趣区域视频编码的目的是将特定的感兴趣区域在解码端得以清晰的呈现,而对于非感兴趣区域,人们的关注点并不在这部分,因此并没有必要完全保证这部分的编码质量。换句话说,在某种特定应用场景下,为尽可能减小编码速率,仅保留感兴趣区域部分的编码精度以达到不影响人们对视频内容理解的目的。本文设计了一套基于感兴趣区域率失真优化的视频编码通信系统,该系统包括感兴趣区域提取模块、感兴趣区域视频编码率失真模块与感兴趣区域视频流传输模块。设计这套系统的目的在于实现低比特视频流通信同时不影响对视频内容的理解。围绕这一系统展开,本文主要研究这叁大模块中的叁个核心技术:感兴趣区域提取技术、感兴趣区域视频编码的率失真优化技术、感兴趣区域视频流在无线网络环境下的传输技术。其中,感兴趣区域提取技术主要研究如何从视频帧数据中提取感兴趣区域,它主要指运动的区域以及一些特定的目标物体。这一部分区域作为视频帧的前景部分,而其它区域则作为背景部分。感兴趣区域视频编码的率失真优化技术主要解决视频编码中的速率和失真权衡的问题。即给定一组视频序列,使得速率受限制的约束条件下,该组序列的失真达到最小。在解决这一优化问题时,如何建立恰当准确的速率失真模型是其中的关键部分。速率失真模型可对感兴趣区域编码模式下的速率、失真进行数学描述。通过速率失真模型列出率失真优化问题的目标函数以及约束条件,并对其进行求解,得到视频组序列每帧的比特分配方案,进而设计速率控制策略。感兴趣区域视频流传输技术主要以异构无线网络为背景,通过对视频帧中编码单元的编码信息进行封装,组成网络层的传输单元并将这些传输单元分配到不同属性的无线信道进行传输。异构无线网络的传输的模式仍基于端到端的传输模式,然而终端具有多家乡接入属性。通常上讲,终端具有多元化网络接入单元接口,可同时接入不同属性的无线网络。感兴趣区域编码模式下的视频流传输力图保证包含感兴趣区域信息的传输单元能够具有较少的传输失真与解码失真。同时,视频流的传输需满足实时性要求。对于超过时延截止部分的视频流分组则会被丢弃以节约网络资源。此外,传输过程中引入信道差错控制编码技术,通过引入额外监督位降低误码率,并尽可能满足感兴趣区域部分信息得以完整的解码与重建。本文针对上述内容,对感兴趣区域视频编码的关键技术进行了深入详细的研究,主要内容包括:(1)研究了感兴趣区域提取技术。结合传统的数字图像处理理论以及当前流行的深度学习理论。本文分别提出了两种新的感兴趣区域提取检测方法:级联模型算法与基于文本主题模型的边界框修正算法。其中,级联检测算法四个级联步骤:全局运动补偿,运动块提取,多层像素分割和模型更新。前面两个步骤提取前景运动块并形成运动遮罩,后面两个步骤移除属于运动遮罩内背景的像素,并更新背景模型的颜色分布。另外,提出了基于块到像素的检测思路以实现检测灵活性。所提出的方法的另一个好处是它可以嵌入视频编解码器中以进行实时ROI检测和编码。实验结果表明,该方法在检测精度和时间消耗方面都实现了改进的性能。文本主题模型的边界框修正算法属于机器学习算法。它包含两个阶段:模型训练与验证。在训练阶段,它将检测目标图像的特征点信息转换成文本信息。在文档主题生成模型(Latent Dirichlet Allocation,LDA)的基础上,本文提出了一个具有单词共现先验的主题模型,其中图像特征之间的共现信息被充分利用。在验证阶段,本文提出了一种基于边界框(Anchor-box)的修正算法,该算法可以从一些传统算法中快速检测与预训练主题模型相对应的检测结果,并具有快速检测时间。对各种数据集的实验表明,所提出的方法可以在效率和计算成本方面提高检测性能。它对于颜色,光照,尺度等不同的物体也具有鲁棒性。有趣的是,所提出的方法可以与许多快速但有失准确性的感兴趣区域提取算法相结合,并增强了系统模型的灵活性。(2)研究了感兴趣区域视频压缩的率失真优化与速率控制技术。本文提出了一种基于DCT残差系数的混合分布与径向基函数神经网络的适合感兴趣区域编码模式下的速率失真模型。通过将编码单元分类为不同的深度、纹理特征来对其速率失真进行建模。在此之后,利用所提出的速率失真模型,列出率失真优化问题的目标函数以及约束条件,并根据凸优化理论对其进行求解。同时,设计针对感兴趣区域编码模式下的速率控制策略。通过实验验证,所提出的方法在解码重构的视觉质量,速率失真性能和比特率精度等方面取得了相应的改进。它针对感兴趣区域部分取得了较高的编码精度,同时保持编码缓冲器稳定输出,失真满足在可控范围内。(3)研究了感兴趣区域编码模式下视频流在无线异构网络环境下的传输技术。本文提出了一种基于感兴趣编码模式视频传输框架,该框架基于多家乡接入终端的异构无线网络环境。它包含感兴趣区域提取模块和帧分离器的模块,其中编码单元被分类封装到网络传输单元中。该框架还包括监视每个通信路径状态的信道监视器,并将反馈信号发送至视频流控制器来进行分组调度控制。本文提出了用于信道状态预测的深度学习方法。为了解决视频流分组传输问题,本文设计了适用于感兴趣区域编码模式下的视频流传输的速率失真模型,并制定传输调度策略。该策略传输延迟和失真之间寻求平衡点。它还保证具有ROI内容的数据包在具有足够带宽和低损耗的路径上进行传输。通过与其他传输方法的比较的模拟实验,验证了所提出的方案在视频传输质量,端到端延迟以及播放流畅度方面均取得了良好的效果。(本文来源于《北京交通大学》期刊2019-05-01）
周瑜锋,郁梅,杜宝祯,宋洋,蒋刚毅[2]（2019）在《基于球形加权结构相似度的全向视频编码率失真优化方法》一文中研究指出针对传统视频编码中编码率失真模型的不足,考虑等矩形全向视频的特征,提出一种基于球形加权结构相似度(WS-SSIM)的全向视频编码率失真优化方法。通过考虑投影平面内部结构相似度的失真情况,以及球面失真与投影平面失真的关系,提出"球形加权结构相似度"来描述平面全向图像局部块相对于观看球面的失真程度,将其应用于全向视频编码的率失真优化过程并自适应选择量化参数,以提高基于视觉的编码效率。实验结果表明,与HEVC视频编码标准的HM16.9测试平台的方法相比,所提出方法在相同视觉质量下可平均节省24.48%的码率,说明该方法对于提高全向视频编码率失真性能具有显着的效果。(本文来源于《电信科学》期刊2019年02期）
杨琳,何书前,石春[3]（2019）在《基于视频内容自适应拉格朗日参数选择的HEVC率失真编码优化》一文中研究指出传统视频混合编码框架采用率失真优化技术实现最优的率失真压缩性能。本文针对新一代高效视频编码标准HEVC,提出了一种新的视频内容相关的拉格朗日参数自适应优化算法。该算法研究视频时空预测编码的内容复杂度,将时间运动差异复杂度和空间梯度强度引入率失真模型,得到了视频内容复杂度的自适应拉格朗日参数。实验结果表明,与传统的量化参数相关率失真优化方法相比,该算法在没有增加额外计算复杂度的情况下,低延时-P和低延时-B配置环境下分别平均节省了3.6%和3.5%的码率,最高节省7.2%的码率,明显提高了率失真编码性能。(本文来源于《电视技术》期刊2019年03期）
方少杰,杨静[4]（2019）在《基于恰可察觉失真模型的率失真优化算法》一文中研究指出传统的混合编码框架没有融入视觉感知因素,并不能很好地去除编码过程中的感知冗余。本文在人眼的叁大视觉特性的研究基础上,建立JND模型对原始的率失真优化算法进行改进,利用JND值自适应修正量化参数和调节朗格朗日乘数,实现编码比特和失真的感知平衡。实验结果表明:与官方最新测试模型HM16.9相比,在客观失真性能基本不变,甚至有所提升的情况下,所提算法最高可节省7.812 3%的码率,最低也可节省2.468 2%的码率,有效地提高了编码效率。(本文来源于《电视技术》期刊2019年02期）
李娜娜,黄琨强,张秋闻,刘宽[5]（2019）在《基于自适应量化器选择的编码率失真优化判决算法》一文中研究指出针对高效率视频编码标准(high efficiency video coding, HEVC)编码复杂度高的问题,提出一种高效的自适应量化器选择的率失真优化量化判决算法.通过对变换系数量化水平是否相等以及量化水平和是否小于设定阈值来进行量化器判决.若量化水平相等或为零,则直接采用率失真优化量化;否则进行阈值判决,从而最终确定最佳量化器.结果表明,提出的算法能有效地对计算量小的均匀量化和比特率小的率失真优化量化这两种量化方法进行自适应选择,降低了编码器计算复杂度.采用该算法节省了大约10.52%的编码时间.(本文来源于《郑州大学学报(工学版)》期刊2019年03期）
唐桐[6]（2018）在《基于率失真优化的屏幕内容视频编码研究》一文中研究指出为了缓解存储空间和传输带宽的压力,视频编码已经成为了 国内外学术界和工业界的研究热点之一。而国际图像视频专家组则制定了一系列视频编码标准,不断提升压缩效率,扩宽应用场景,经典的视频编码标准有MPEG-1,MPEG-2,H.264等。而最新一代高效视频编码标准(HEVC,High Efficiency Video Coding)压缩效率相比于上一代H.264提升了大约一倍,引起了学术界和工业界的广泛关注和研究。而另一方面,近几年,随着科技的发展,屏幕内容视频应用逐渐深入到人们日常生活中,比如远程桌面共享、云计算、移动设备的二次分屏等等。相比于传统的摄像机采集内容视频,屏幕内容视频在图像内容特征方面有着很大的不同。而传统的视频编码方法编码对象默认是摄像机采集内容视频,在编码屏幕内容视频时编码性能较差。所以,研究屏幕内容视频编码中的关键技术,从而优化编码性能,具有很强的理论和现实意义。而码率约束下的编码优化和以平滑质量为目标的编码优化是率失真优化的两个重要应用,也是屏幕内容视频编码中亟待解决的两个重要问题。因此,针对屏幕内容视频在码率约束下的编码,本文提出了叁种码率控制算法。首先,面向离线编码应用,提出基于快速预编码的码率控制算法,可以有效提升码率控制精度;然后,面向离线编码应用,提出基于滑动窗口的码率控制算法,可以有效降低编码时间;最后,面向在线编码应用,提出低延时的码率控制算法。此外,针对以平滑质量为目标的设定QP(quantized parameter,量化参数)编码,本文提出一种自适应的块级QP设置方法。本文的主要工作与创新点包括:(1)基于快速预编码的码率控制算法本文基于快速预编码过程,提出一种码率控制算法,用于离线编码图像内容非连续的视频,包括场景变化剧烈的视频和屏幕内容视频。基于快速预编码结果,通过研究快速编码和完整编码的关系,提出了一种全局最优的位分配策略。然后提出关键帧的分类方法,将关键帧分成场景切换帧和半切换帧。对于场景切换帧,将帧类型设置成帧内型,并提出改进的帧内R-Q模型;而对半切换帧,基于预编码结果,设计了R-λ模型参数修正机制。此算法的率失真性能和码率控制精度明显优于其他算法。(2)基于滑动窗口的码率控制算法本文提出基于滑动窗口的码率控制算法,用于离线编码屏幕内容视频。首先,对于初始帧,根据率失真优化理论,数学推导出最优位分配策略。然后,对于后续帧,提出自适应大小的窗口分割法,根据窗口长度和图像复杂度进行位分配优化。最后,根据图像复杂度,将图像分为简单帧和复杂帧,建立独立的帧间R-Q模型。此算法具有良好的率失真性能和码率控制精度,并且编码复杂度低于算法(1)。(3)低延时的码率控制算法本文针对屏幕内容视频的在线编码应用,提出一种考虑低延时的码率控制算法。首先,根据图像复杂度和缓冲区状态对当前帧进行位分配,尽量减少质量修正所造成的率失真性能下降。然后,提出线性的R-MAD(码率-残差)模型,用于计算帧级QP。最后,提出帧级QP的调整机制,进一步提高帧级QP的准确度。此算法保证了良好的缓冲区状态,几乎不发生上溢,因此具有平均值较高且平滑性较好的编码质量和良好的码率控制精度。(4)自适应的块级QP设置方法本文针对以平滑质量为目标的设定QP编码,提出一种自适应的块级QP设置方法。首先,分析研究屏幕内容视频中的静止区域和平移区域的质量修正对于率失真性能的影响,然后,从数学上分析图像复杂度对于整个视频的率失真性能影响,最后基于率失真性能影响分析,对每个块的QP进行自适应设置,从而优化率失真性能。(本文来源于《中国科学技术大学》期刊2018-11-05）
乔莉,李博,刘伟杰[7]（2018）在《基于率失真优化的HEVC帧内编码模式选择》一文中研究指出针对高压缩率的视频编码算法产生的视频失真,引起视频感知效果下降的问题,提出一种基于率失真优化(RDO)的HEVC编码模式选择。HEVC的帧内预测模式采用基于块的多方向帧内预测方式,具有高达35种预测模式的帧内预测算法。在此使用率失真优化方法在众多的编码模式中选择出一种最优的模式,使得编码失真最小且编码输出码率最低。实验结果表明,基于率失真优化的HEVC帧内编码模式选择可以降低38.76%的编码复杂度,比特率增加0.834%,峰值信噪比(PSNR)下降0.043 d B。(本文来源于《现代电子技术》期刊2018年12期）
李瑞阳[8]（2018）在《HEVC视频编码率失真优化量化算法研究》一文中研究指出随着视频编码技术的不断发展,最新一代视频编码标准HEVC应运而生。得益于新编码工具和自身具有的特色核心技术,HEVC在编码性能上有了很大提升。对于其中的量化算法模块,它是视频编码中产生失真的根本原因,同时影响着视频的质量和码率。通常情况下,视频编码中的量化器都会以零点为中心进行拓展,这也就是常说的“量化死区”(Dead-zone),最常使用的就是基于死区的硬判决量化算法(Hard Decision Quantization,HDQ),基于无记忆信源假设,其量化结果只与量化步长、信号强弱有关。相较而言,基于率失真优化技术的软判决量化(Soft Decision Quantization,SDQ)考虑率失真编码代价及系数间的相互影响,通过维特比算法或路径动态规划的方法实现了系数级的量化控制和优化。然而,极高的复杂度导致SDQ在硬件实现上面临巨大挑战。视频编码中,DCT系数的分布模型是率失真优化的理论模型基础。但实际样本系数分布中常常出现拖尾现象,无法用主流的指数衰减函数进行准确拟合。本文致力于对死区硬判决量化算法进行优化,采用一种分段截断的DCT分布模型——TCM(Transparent Composite Model,TCM)模型来权衡系数的主体分布和尾部区域。研究发现,样本落入主体和尾部的概率对块中不同频率分量系数的模型分布参数有较大影响。因此,将模型中的概率因子、分布参数作为自适应死区偏移量的重要建模参数,离线构建一种基于TCM模型的自适应死区HDQ算法。与固定偏移量的HDQ相比,本文算法峰值信噪比有0.08017dB性能提升,平均节省2.9419%码率,更好的逼近SDQ的率失真性能。在自适应HDQ算法的研究基础上,本文进一步考虑HVS(Human Visual System,HVS)感知特性,利用人眼对图像中的高频细节不敏感的特性。在Bayes二类判决和最小误判概率约束条件下,模拟感知SDQ算法机理,对变换块中不同位置、不同Qp下的高低频分量采用不同的量化步长,构建基于内容自适应的感知量化矩阵模型,并采用结构相似度(Structural Similarity)的方法对图像主观质量进行评价。实验结果表明,相比于传统的HDQ算法,本文算法能达到平均5.048%的码率节省,其中WVGA和WQVGA格式平均达到10.65%的码率节省,更好的提升了图像的主观质量性能。(本文来源于《中国计量大学》期刊2018-06-01）
李津津,王凤随[9]（2018）在《基于视觉感知的HEVC率失真优化算法》一文中研究指出为了充分挖掘视频的视觉感知冗余,提高视频的主观质量,提出了基于视觉感知的HEVC率失真优化方法。首先,采用GBVS(Graph-Based Visual Saliency)算法提取视觉显着图。其次,将视频图像分为显着区域和背景区域,同时得到权重因子指导码率分配。最后,根据分配的目标码率对拉格朗日因子进行调整,修正拉格朗日因子和量化参数,从而选择最优编码模式实现率失真优化。实验结果表明,相对于传统的高效视频编码,在维持码率基本不变的情况下,在全I帧配置下显着区域的Y-PSND提高了0.53 d B而背景区域和总体的Y-PSND有轻微下降,视频主观感受质量得到有效提高。(本文来源于《齐齐哈尔大学学报(自然科学版)》期刊2018年03期）
高艳博[10]（2018）在《基于率失真优化的视频编码方法研究》一文中研究指出几十年来,视频编码技术蓬勃发展,广泛应用于电视信号及网络视频的传输、视频信号存储、视频会议及安全应用上。与上一代视频编码标准H.264/AVC相比,新一代视频编码标准HEVC(High Efficiency Video Coding)在相同视频质量级别上,码率节省一半。尽管如此,无处不在的视频应用催生出海量的视频数据,特别是近年来人们强烈追求更清晰、流畅、逼真、生动、身临其境的视觉体验,使得视频数据呈现爆发式增长,对视频压缩效率提出了更高的要求。率失真优化技术在提高视频编码效率方面发挥了关键作用,然而在当前基于块及运动补偿的混合编码框架中,通常以块为单位独立地进行率失真优化,远没有达到全局最优解,这是因为忽略了编码模块间的关联性,忽略了由于帧内/帧间/视点间预测技术的广泛应用而存在于编码单元间的空域/时域/视点域依赖性。目前针对全局率失真优化这一世界性难题的研究并不多,多数算法复杂度极高,无法在一次编码过程中实现,不适合应用在对实时性具有一定要求的视频系统中。另一方面,目前出现了一些可操作的全局率失真优化简化算法,但是这些方法大多缺少深入细致的分析,因此仍需要从理论及应用两方面进行更深入的研究。本论文针对HEVC,深入研究了一次编码过程中,全局率失真优化在时域层面上的关键技术及方法,并将这一思想合理扩展到基于HEVC的真叁维信源光场图片编码中。本文主要创新及贡献概况如下:1.研究了HEVC中层次编码结构的时域依赖关系,为进一步的研究提供了基础。为了满足不同的应用需求,HEVC支持两种层次编码结构,即低延迟和随机接入层次编码结构,通过统计两种层次编码结构下参考帧利用率及分析数据,分别建立两种层次编码结构下简化的时域依赖关系图,随后建立了多参考帧单向预测、双向预测、单向双向混合预测下时域传播链,确认时域中具有依赖关系的编码单元。2.研究了低延迟层次编码结构下时域率失真优化算法。根据低延迟层次编码结构下的时域依赖关系,归纳总结了低延迟层次编码结构下时域率失真优化问题。为了求解该问题,建立了多参考帧单向预测下信源失真传播模型,估计失真传播程度,得到聚合传播因子,进而根据聚合传播因子调整全局拉格朗日乘子,实现时域率失真优化。本方法使用独立率失真优化的处理方式解决了时域率失真优化问题,与HEVC相比,分别在低延迟P/B帧下取得了平均2.5%/2.3%的BD-rate编码增益,时间复杂度可忽略不计,且本方法可以与量化参数QP调整相结合进一步提高编码增益。3.研究了随机接入层次编码结构下时域率失真优化算法。根据随机接入层次编码结构下时域依赖关系图,分解随机接入层次编码结构下时域率失真优化问题为基于层的形式,解耦合双向预测下具有时域依赖关系的编码单元,建立了多参考帧双向预测、单向双向混合预测下信源失真传播模型,估计失真及失真传播程度。根据随机接入层次编码结构下时域率失真优化问题描述,分析性地获得了全局拉格朗日乘子。本方法还考虑了随机接入图片的失真传播特性及其对B帧的影响,与HEVC相比,取得了平均2.2%的BD-rate编码增益。最后研究了本方法在不同图像组尺寸下的扩展。4.研究了真叁维信源光场集成图片二维层次编码结构下视点域率失真优化算法。光场集成图片可以重新组织成二维子视点矩阵,进而得到子视点视频序列。根据层次编码结构特点,分析了子视点序列在二维层次编码结构下图像组中、图像组间的视点域参考关系,并通过统计实验得到了更明确的视点域影响关系,确认视点域中具有直接影响关系的编码单元,随后建立了高码率假设下,双向预测中码率增量模型,进而估计待编码单元视点域码率依赖程度,最后根据码率依赖程度调整全局拉格朗日乘子实现视点域率失真优化。该方法避开了较复杂的视点间失真传播分析,简化了视点域率失真优化问题。(本文来源于《电子科技大学》期刊2018-04-02）
后率失真优化论文开题报告
（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：
针对传统视频编码中编码率失真模型的不足,考虑等矩形全向视频的特征,提出一种基于球形加权结构相似度(WS-SSIM)的全向视频编码率失真优化方法。通过考虑投影平面内部结构相似度的失真情况,以及球面失真与投影平面失真的关系,提出"球形加权结构相似度"来描述平面全向图像局部块相对于观看球面的失真程度,将其应用于全向视频编码的率失真优化过程并自适应选择量化参数,以提高基于视觉的编码效率。实验结果表明,与HEVC视频编码标准的HM16.9测试平台的方法相比,所提出方法在相同视觉质量下可平均节省24.48%的码率,说明该方法对于提高全向视频编码率失真性能具有显着的效果。
（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。
后率失真优化论文参考文献
[1].张哲为.基于感兴趣区域率失真优化的视频压缩编码通信系统设计[D].北京交通大学.2019
[2].周瑜锋,郁梅,杜宝祯,宋洋,蒋刚毅.基于球形加权结构相似度的全向视频编码率失真优化方法[J].电信科学.2019
[3].杨琳,何书前,石春.基于视频内容自适应拉格朗日参数选择的HEVC率失真编码优化[J].电视技术.2019
[4].方少杰,杨静.基于恰可察觉失真模型的率失真优化算法[J].电视技术.2019
[5].李娜娜,黄琨强,张秋闻,刘宽.基于自适应量化器选择的编码率失真优化判决算法[J].郑州大学学报(工学版).2019
[6].唐桐.基于率失真优化的屏幕内容视频编码研究[D].中国科学技术大学.2018
[7].乔莉,李博,刘伟杰.基于率失真优化的HEVC帧内编码模式选择[J].现代电子技术.2018
[8].李瑞阳.HEVC视频编码率失真优化量化算法研究[D].中国计量大学.2018
[9].李津津,王凤随.基于视觉感知的HEVC率失真优化算法[J].齐齐哈尔大学学报(自然科学版).2018
[10].高艳博.基于率失真优化的视频编码方法研究[D].电子科技大学.2018
标签：感兴趣区域视频压缩编码; 深度学习; 机器学习; 计算机视觉;