学位论文 > 优秀研究生学位论文题录展示

基于分布式编码的图像视频编码关键技术研究

作　者: 张金荣
导　师: 李厚强
学　校: 中国科学技术大学
专　业: 信号与信息处理
关键词: 分布式编码传感器网络视频编码多光谱图像 Markov模型 LDPC码低编码复杂度高压缩效率
分类号: TN919.81
类　型: 硕士论文
年　份: 2009年
下　载: 323次
引　用: 2次
阅　读: 论文下载

内容摘要

近年来,传感器网络、视频监控系统、多视角视频、多光谱图像等新型应用的出现,对图像和视频的压缩技术提出了新的挑战,即终端有限的资源要求最小化编码器的能耗和通信量。现有的图像视频编码标准,如JPEG、JPEG2000、MPEG、H.26x,不能满足新的应用需求。分布式编码则应运而生,其理论基础是Slepian-Wolf理论和Wyner-Ziv理论,即多个相关信源独立编码、联合解码,可以达到与传统的联合编解码策略相同的压缩效率。分布式编码作为一种全新的编码技术,具有许多优良性能,可以弥补现有技术的不足,已经引起极大的关注,成为编码领域的一个研究热点。因此,研究基于分布式编码理论的图像视频编码技术具有重要的理论意义和广泛的应用价值。本文在现有研究成果的基础上,研究分布式编码应用于相机传感器网络、视频和多光谱遥感图像的一些关键技术,旨在设计简单、高效且具有抗差错性能的图像/视频编码器。论文的主要工作及创新之处在于:1.提出一种基于马尔科夫(Markov)模型的像素域分布式图像编码方案本方案在编码端不考虑图像的统计特性,直接对像素进行分布式编码;在解码端采用Markov模型来估计图像的空间相关性,并与LDPC解码相结合,同时去除图像间冗余和图象内冗余。该方案既能获取高压缩效率,又能最小化各传感器节点的计算量和通信量,从而最优化网络的资源分配,延长网络寿命。2.提出一种基于块分类的变换域分布式视频编码方案本方案对Wyner-Ziv帧的各个区域分类处理,利用分类信息来粗略分配码率并辅助解码端进行运动估计;解码端通过双向运动估计、模式选择和双向运动补偿技术来生成高质量的边信息(Side Information)。与现有方案相比,该方案能更有效地挖掘视频帧的空间非平稳的时间相关性,提高压缩效率。3.提出一种基于时-空马尔科夫随机场(Spatial-Temporal Markov Random Field,STMRF)模型的像素域分布式视频编码方案本方案在解码端建立STMRF模型,通过运动场和灰度场两个MRF的估计,将运动估计和空间相关性估计相结合,并与LDPC解码迭代进行。该方案在解码过程中学习并利用视频帧的时间相关性和空间相关性,提高了前向运动估计的准确度,进而提高压缩效率,适用于低延迟系统。4.提出一种基于MRF模型的分布式多光谱图像无损编码方案本方案在像素域对各波段图像独立编码,编码操作极其简单,易于硬件实现,适合星上压缩应用。解码端采用模糊聚类和模糊预测技术生成边信息,建立参数自适应的MRF模型来估计图像的空间相关性,并与LDPC解码相结合。该方案充分利用多光谱图像的非平稳特性,有效地去除了空间冗余和谱间冗余。5.提出一种渐进传输的分布式多光谱图像编码方案本方案通过采样将各波段图像分成几组,各组独立编码、依次解码,解码端利用先前解码的数据,采用基于区域的自适应预测算法生成边信息,不仅实现了渐进传输,而且逐渐提高各组数据的压缩效率。该方案的编码器简单易实现、压缩效率高且具有渐进传输和无损重建特性,非常适合于星上压缩应用。本文对所提方案进行了大量实验,实验结果表明,本文提出的分布式图像视频编码方案在降低编码复杂度的同时,有效地提高了编码效率。本文研究的关键技术,理论上有所突破,技术上有所创新。

全文目录

摘要  4-6
ABSTRACT  6-14
第1章绪论  14-22
  1.1 研究背景  14-17
    1.1.1 传感器网络  15-16
    1.1.2 视频编码  16
    1.1.3 多光谱图像  16-17
  1.2 研究现状  17-19
  1.3 本文的主要工作  19-20
  1.4 本文的内容安排  20-22
第2章分布式编码理论基础和实现技术  22-34
  2.1 分布式编码理论  22-24
    2.1.1 Slepian-Wolf 理论  22-24
    2.1.2 Wyner-Ziv 理论  24
  2.2 分布式编码的实现技术  24-27
    2.2.1 Slepian-Wolf 编码方案  25-26
    2.2.2 Wyner-Ziv 编码方案  26-27
  2.3 分布式编码的应用及其关键技术和挑战  27-34
    2.3.1 分布式编码的应用  27-30
    2.3.2 关键技术和挑战  30-34
第3章基于 LDPC 码的 Slepian-Wolf 编码技术  34-42
  3.1 基于 LDPC 码的二进制信源 Slepian-Wolf 编码  34-37
    3.1.1 LDPC 码的基本概念  34-36
    3.1.2 编码  36
    3.1.3 解码  36-37
  3.2 码率自适应的LDPCA 码  37-41
    3.2.1 校验矩阵的特点  38
    3.2.2 LDPCA 编码  38
    3.2.3 累加校验位分组  38-39
    3.2.4 解码校验矩阵的重建  39
    3.2.5 解码  39-40
    3.2.6 LDPCA 码的性能  40-41
  3.3 多进制信源编码  41-42
第4章传感器网络中的分布式图像编码  42-70
  4.1 分布式编码在传感器网络中的应用  42-45
    4.1.1 相机传感器网络的特点  42-44
    4.1.2 分布式编码应用于传感器网络的优势  44
    4.1.3 传感器网络中分布式编码的研究现状  44-45
  4.2 基于 Markov 模型的像素域分布式图像编码方案  45-50
    4.2.1 问题的提出  46-47
    4.2.2 编解码框架  47-49
    4.2.3 Markov 模型估计与LDPC 解码相结合  49-50
    4.2.4 基于MRF 模型的图像重建算法  50
  4.3 Markov 模型  50-59
    4.3.1 由状态转移概率定义的Markov 模型  51-55
      4.3.1.1 1-D Markov 模型  51-52
      4.3.1.2 2-D Markov 模型  52-53
      4.3.1.3 图像局部统计特性估计  53-54
      4.3.1.4 状态转移概率估计  54-55
    4.3.2 由Gibbs 分布定义的MRF 模型  55-59
      4.3.2.1 图像估计  55-56
      4.3.2.2 MRF-Gibbs 等价性  56
      4.3.2.3 邻域结构和clique 结构  56-57
      4.3.2.4 clique 的势能函数  57-59
    4.3.3 两种Markov 模型的比较  59
  4.4 实验结果与分析  59-69
  4.5 小结  69-70
第5章分布式视频编码  70-102
  5.1 分布式视频编码的应用背景  70-72
  5.2 分布式视频编码的研究进展  72-79
    5.2.1 Puri 的PRISM 视频编码系统  73-75
    5.2.2 Aaron 的Wyner-Ziv 视频编码方案  75-78
      5.2.2.1 像素域Wyner-Ziv 视频编码  75-76
      5.2.2.2 变换域Wyner-Ziv 视频编码  76-77
      5.2.2.3 基于hash 的Wyner-Ziv 视频编码  77
      5.2.2.4 Wyner-Ziv 视频残差编码  77-78
    5.2.3 Wyner-Ziv 视频编码方案的进一步发展  78-79
  5.3 基于块分类的变换域 Wyner-Ziv 视频编码方案  79-94
    5.3.1 问题的提出  79-81
    5.3.2 编解码框架  81-83
    5.3.3 块分类  83-84
    5.3.4 自适应量化  84-85
    5.3.5 边信息的生成  85-88
      5.3.5.1 双向运动估计  85-86
      5.3.5.2 运动估计的模式选择  86-87
      5.3.5.3 空间运动滤波  87-88
      5.3.5.4 双向运动补偿  88
    5.3.6 相关噪声统计特性的估计  88-89
    5.3.7 解码端的码率估计  89-90
    5.3.8 边信息修正  90
    5.3.9 运动补偿修正  90-91
    5.3.10 实验结果和分析  91-94
      5.3.10.1 块分类统计  91-92
      5.3.10.2 率失真性能  92
      5.3.10.3 编码复杂度  92-94
  5.4 基于空-时MRF 模型的像素域分布式视频编码方案  94-100
    5.4.1 编解码框架  94-95
    5.4.2 边信息生成  95-96
    5.4.3 STMRF 模型估计  96-98
    5.4.4 实验结果及分析  98-100
      5.4.4.1 率失真性能  98-100
      5.4.4.2 编码复杂度  100
  5.5 小结  100-102
第6章分布式多光谱图像编码  102-137
  6.1 多光谱图像基础知识  102-109
    6.1.1 多光谱成像技术  103-105
    6.1.2 多光谱图像的数据特性  105-109
  6.2 多光谱图像编码技术研究概况  109-115
    6.2.1 多光谱图像编码技术分类  109-111
    6.2.2 多光谱图像编码技术的研究现状及不足  111-114
    6.2.3 提出新的技术方案  114-115
  6.3 基于MRF 模型的分布式多光谱图像无损编码方案  115-123
    6.3.1 编解码框架  115-118
    6.3.2 模糊块聚类和预测器估计  118-119
    6.3.3 模糊预测  119-120
    6.3.4 相关噪声模型估计  120
    6.3.5 图像局部统计特性估计  120
    6.3.6 实验结果和分析  120-123
  6.4 渐进的分布式多光谱图像无损编码方案  123-134
    6.4.1 图像的渐进传输特性  124-125
    6.4.2 编解码框架  125-127
    6.4.3 边信息生成技术  127-131
      6.4.3.1 多光谱图像分割  127-130
      6.4.3.2 基于区域的自适应预测技术  130-131
      6.4.3.3 相关噪声模型估计  131
    6.4.4 实验结果和分析  131-134
  6.5 扩展  134-136
    6.5.1 近无损编码  134-135
    6.5.2 联合信源信道编码  135-136
  6.6 小结  136-137
第7章结论  137-142
  7.1 论文总结  137-139
  7.2 论文创新点  139-141
  7.3 工作展望  141-142
参考文献  142-150
致谢  150-151
在读期间发表的学术论文与取得的研究成果  151-152

基于分布式编码的图像视频编码关键技术研究

内容摘要

全文目录

相似论文