層特征模式庫。在本發(fā)明優(yōu)選實施例中，采用大尺寸分塊所得的每個圖像塊面積為采用小尺寸分塊所得的每個圖像塊的4倍。
[0042]步驟2.1、將所要編碼的視頻分解為一幀一幀的圖像，然后將所有圖像分割為8X8的圖像塊組成增強層訓練矢量集Y(m)，m= 1，2，…，K，其中K為Y(m)中訓練矢量個數(shù)。
[0043]步驟2.2、計算增強層訓練矢量集Y(m)中各訓練矢量的均方差，將Y(m)中各訓練矢量根據(jù)其均方差的大小按從小到大的順序排列。
[0044]步驟2.3、將重新排序后的增強層訓練矢量集均分為兩部分，得到均方差依次增加的兩部分，即低頻部分和高頻部分Y: (m)和￥2(111)，其中m= 1，2，...，Κ/2。分別以固定的間隔從Υ: (m)和Y2 (m)抽取MJP Μ 2個模式矢量(Μ ,+Μ2= Μ)，合在一起組成含有Μ個模式矢量的增強初始模式庫。此處可不對增強訓練矢量集進行分割，也可劃分為兩個以上的部分，可以以固定間隔抽取模式矢量，也可以隨機抽取模式矢量，但是要保證抽取Μ個模式矢量組成初始模式庫。
[0045]步驟2.4、利用增強層訓練矢量集Y(m)訓練增強層初始模式庫，得到增強層特征模式庫。
[0046]步驟3、基本層編碼。將所要編碼的視頻的每幀圖像以較大尺寸分塊，使用基本層特征模式庫對每個圖像塊進行模式匹配，得到最佳匹配的模式矢量，并將與之對應(yīng)的索引進行編碼作為基本層。
[0047]步驟3.1、對于分解后的視頻圖像，取其中一幀，將圖像分割為16X16的圖像塊，
在基本層特征模式庫中搜索匹配得到均方誤差最小的模式矢量，并得到與該模式矢量對應(yīng)的索引。
[0048]步驟3.2、求出原圖像塊與對應(yīng)的模式矢量之間的均方誤差值。
[0049]步驟3.3、在基本層每個圖像塊對應(yīng)的索引前插入一個標志位Flag。若均方誤差值小于等于預(yù)設(shè)閥值，則跳過該圖像塊并將Flag置為0 ;若均方誤差值大于等于預(yù)設(shè)閥值，則Flag置為1。最后將Flag的值和該圖像塊對應(yīng)的索引一起編碼作為基本層。對所要編碼視頻的每一幀圖像的每一個圖像塊都采用步驟3.1-3.3的方法進行基本層編碼。
[0050]步驟4、增強層編碼。對于步驟3.1中已劃分為16X 16的圖像塊，其對應(yīng)的Flag值為1的圖像塊進一步細分為4個8 X 8的圖像塊，在增強層特征模式庫中分別對4個8 X 8的圖像塊搜索匹配得到均方誤差最小的模式矢量，將與該模式矢量對應(yīng)的索引進行編碼得到增強層。所要編碼視頻的每一幀圖像每一個圖像塊都采用步驟4的方法進行增強層編碼。
[0051]本發(fā)明利用模式矢量大小不同對于重建圖像質(zhì)量的影響，對于不同質(zhì)量層采用具有不同大小模式矢量的特征模式庫進行編碼，從而實現(xiàn)視頻質(zhì)量可分級。首先，對視頻圖像進行分塊，對于基本層采用具有較大模式矢量的特征模式庫進行編碼；通過與均方誤差門限比較，對于均方誤差較大的圖像塊進一步分割，采用具有較小模式矢量的特征模式庫對這些分割后的圖像塊進行編碼形成增強層。本發(fā)明只需要對圖像塊進行搜索匹配最佳模式矢量，并對索引進行編碼，摒棄了現(xiàn)有非常復(fù)雜的幀內(nèi)預(yù)測、幀間預(yù)測和層間預(yù)測，大大降低了復(fù)雜度，提升了壓縮性能。
【主權(quán)項】
1.一種基于均方誤差門限的質(zhì)量可分級視頻編碼方法，具特征是，包括如下步驟: 步驟1、基本層特征模式庫的生成；將所要編碼的視頻的每一幀圖像都采用預(yù)定的基本層尺寸進行分塊，將所得的基本層圖像塊作為基本層訓練矢量集并采用自組織映射方法訓練，得到基本層特征模式庫； 步驟2、基本層編碼的產(chǎn)生；對于所要編碼的視頻的每一幀圖像的每一個基本層尺寸圖像塊，分別在基本層特征模式庫中搜索匹配，從基本層特征模式庫中找出均方誤差最小的模式矢量，并將該模式矢量在基本層特征模式庫中的索引序號作為該基本尺寸圖像塊的基本層編碼，同時在每一個索引前設(shè)置一個標志位標示該圖像塊是否需要進行增強層編碼；將所要編碼的視頻的每一幀采用基本層編碼進行編碼。2.根據(jù)權(quán)利要求1所述的一種基于均方誤差門限的質(zhì)量可分級視頻編碼方法，具特征是，步驟1具體為: 步驟1.1、將所要編碼的視頻分解為一幀一幀的圖像，然后將所有圖像分割為aXa的基本層尺寸圖像塊組成基本層訓練矢量集Χ(η)，η= 1，2，...Λ，其中L為X(n)中訓練矢量個數(shù)； 步驟1.2、計算基本層訓練矢量集X(η)中各訓練矢量的均方差，將Χ(η)中各訓練矢量根據(jù)其均方差的大小進行順序排列； 步驟1.3、從重新排序后的基本層訓練矢量集中隨機或以固定間隔抽取一定數(shù)量的模式矢量形成層初始模式庫； 步驟1.4、利用基本層訓練矢量集Χ(η)訓練基本層初始模式庫，得到基本層特征模式庫。3.根據(jù)權(quán)利要求2所述的一種基于均方誤差門限的質(zhì)量可分級視頻編碼方法，具特征是，步驟1.3進一步為: 首先，將重新排序后的基本層訓練矢量集均分為Ρ個部分，得到均方差依次增加的Ρ個部分，即Xjn)、X2(n)、…、Xp(n)，其中η = 1，2，…，L/p，ρ為大于等于1的正整數(shù)； 然后，分別隨機或以固定的間隔從Xi (η)?Χρ(η)中分別抽取Κ?ΝΡ個模式矢量，合在一起組成含有N個模式矢量的基本初始模式庫；其中K+N2+…+NP= N，N為設(shè)定值，且N<L。4.根據(jù)權(quán)利要求1所述的一種基于均方誤差門限的質(zhì)量可分級視頻編碼方法，具特征是，步驟2具體為: 步驟2.1，將分解后的視頻圖像分割為aXa的基本層尺寸圖像塊，在基本層，在基本層特征模式庫中搜索匹配得到均方誤差最小的模式矢量，并得到與該模式矢量對應(yīng)得索引；步驟2.2，求出原圖像塊與對應(yīng)的模式矢量的均方誤差； 步驟2.3，在基本層每個圖像塊對應(yīng)的索引前插入一個標志位Flag ;若均方誤差值小于等于預(yù)設(shè)閥值，則跳過該圖像塊并將Flag置為0 ;若均方誤差值大于等于預(yù)設(shè)閥值，則Flag置為1 ;最后將Flag的值和該圖像塊對應(yīng)的索引一起編碼作為基本層。5.根據(jù)權(quán)利要求1所述的一種基于均方誤差門限的質(zhì)量可分級視頻編碼方法，具特征是，還進一步包括如下步驟: 步驟3、增強層特征模式庫的生成；將所要編碼的視頻的每一幀圖像都采用預(yù)定的增強層尺寸進行分塊，將所得的增強層圖像塊作為增強層訓練矢量集并采用自組織映射方法訓練，得到增強層特征模式庫； 步驟4、增強層編碼的產(chǎn)生；對于增強層標志位的值為1的對應(yīng)的基本層圖像塊采用預(yù)定的增強層尺寸進行分塊，分為4個等大的圖像塊，對于每個細分后的圖像塊，分別在增強層特征模式庫中搜索匹配，在增強層特征模式庫中找出均方誤差最小的模式矢量，并將該最佳匹配的模式矢量在增強層特征模式庫中的索引序號編碼作為增強層。6.根據(jù)權(quán)利要求5所述的一種基于均方誤差門限的質(zhì)量可分級視頻編碼方法，具特征是，步驟3具體為: 步驟3.1、將所要編碼的視頻分解為一幀一幀的圖像，然后將所有圖像分割為bXb的增強層尺寸的圖像塊組成增強層訓練矢量集Y(m)，m= 1，2，...，Κ，其中K為Y(m)中訓練矢量個數(shù)； 步驟3.2、計算增強層訓練矢量集Y(m)中各矢量的均方差，將增強層訓練矢量根據(jù)其均方差的大小進行順序排列； 步驟3.3、從重新排序后的增強層訓練矢量集中隨機或以固定間隔抽取一定數(shù)量的模式矢量形成增強層初始模式庫； 步驟3.4、利用增強層訓練矢量集Y(m)訓練增強層初始模式庫，得到增強層特征模式庫。7.根據(jù)權(quán)利要求6所述的一種基于均方誤差門限的質(zhì)量可分級視頻編碼方法，具特征是，步驟3.3進一步為: 首先，將重新排序后的增強層訓練矢量集均分為q個部分，得到均方差依次增加的q個部分，即Yi (m)、Y2 (m)、…、Yq(m)，其中m = 1，2，...，K/q，q為大于等于1的正整數(shù)； 然后，分別隨機或以固定的間隔從1(111)?Yq(m)中分別抽取吣?M q個模式矢量，合在一起組成含有Μ個模式矢量的增強初始模式庫，其中ΜΑΜ2+…+Mq= M，Μ為設(shè)定值，且Μ<Κο8.根據(jù)權(quán)利要求5所述的一種基于均方誤差門限的質(zhì)量可分級視頻編碼方法，具特征是，基本層圖像塊和增強層圖像塊均為正方形的圖像塊，且基本層圖像塊的面積為增強層圖像塊面積的4倍。
【專利摘要】本發(fā)明公開一種基于均方誤差門限的質(zhì)量可分級視頻編碼方法，其利用模式矢量大小不同對于重建圖像質(zhì)量的影響，對于不同質(zhì)量層采用具有不同大小模式矢量的特征模式庫進行編碼，從而實現(xiàn)視頻質(zhì)量可分級。首先，對視頻圖像進行分塊，對于基本層采用具有較大模式矢量的特征模式庫進行編碼；通過與均方誤差門限比較，對于均方誤差較大的圖像塊進一步分割，采用具有較小模式矢量的特征模式庫對這些分割后的圖像塊進行編碼形成增強層。本發(fā)明只需要對圖像塊進行搜索匹配最佳模式矢量，并對索引進行編碼，摒棄了現(xiàn)有非常復(fù)雜的幀內(nèi)預(yù)測、幀間預(yù)測和層間預(yù)測，大大降低了復(fù)雜度，提升了壓縮性能。
【IPC分類】H04N19/176, H04N19/33
【公開號】CN105306946
【申請?zhí)枴緾N201510759685
【發(fā)明人】黎洪松, 艾新宇
【申請人】桂林電子科技大學
【公開日】2016年2月3日
【申請日】2015年11月10日