• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      紋理類(lèi)型預(yù)判和SDC優(yōu)化的3D-HEVC深度圖幀內(nèi)算法*

      2018-06-19 06:11:08粘春湄曾煥強(qiáng)
      計(jì)算機(jī)與生活 2018年6期
      關(guān)鍵詞:深度圖復(fù)雜度紋理

      粘春湄,陳 婧,曾煥強(qiáng)

      華僑大學(xué) 信息科學(xué)與工程學(xué)院,福建 廈門(mén) 361021

      1 引言

      近年來(lái),隨著3D視頻設(shè)備的興起以及人們對(duì)3D視頻身臨其境的感知需求,3D視頻的概念已經(jīng)深入人心,成為學(xué)術(shù)界和產(chǎn)業(yè)界關(guān)注的熱點(diǎn)。隨著3D視頻數(shù)據(jù)量的劇增,如何簡(jiǎn)單高效地對(duì)3D視頻進(jìn)行編碼傳輸,并且保證其重建質(zhì)量,是科研人員和產(chǎn)品開(kāi)發(fā)人員共同面對(duì)的主要挑戰(zhàn)。為此,MPEG和ITU-T于2013年成立了聯(lián)合專(zhuān)家組(joint collaborative team on 3D video coding extension development,JCT-3V),建立了以新一代高效視頻編碼標(biāo)準(zhǔn)(high efficiency video coding,HEVC)為基礎(chǔ)的3D-HEVC編碼標(biāo)準(zhǔn)[1]。

      3D-HEVC標(biāo)準(zhǔn)采用多視點(diǎn)加深度(multi-view video plus depth,MVD)的視頻格式。其中,紋理圖如圖1(a)所示;深度圖由物體與相機(jī)的深度距離所產(chǎn)生,如圖1(b)所示。這種視頻格式不需要直接編碼所有視點(diǎn)的視頻,只編碼少數(shù)視點(diǎn),并通過(guò)基于深度圖像的繪制技術(shù)(depth-image-based rendering,DIBR)合成其他視點(diǎn)信息[2-3],這在一定程度上減少了視頻編碼的數(shù)據(jù)量[4]。

      Fig.1 Depth map and texture map of the 1st frame in shark sequence圖1“shark”序列的第一幀紋理圖和深度圖

      觀(guān)察圖1(b),不難發(fā)現(xiàn)深度圖中存在大量的平坦區(qū)域(紅色框所示)以及明顯的邊緣區(qū)域(藍(lán)色框所示)。為了更好地保護(hù)深度圖的邊緣信息,3DHEVC引入了兩種幀內(nèi)深度編碼模式(depth modeling modes,DMMs),分別是包含楔形分割的DMM1模式和包含任意輪廓分割的DMM4模式[5]。對(duì)于MVD視頻而言,除了需要對(duì)傳統(tǒng)的紋理視頻進(jìn)行編碼,其深度圖編碼也沿用了四叉樹(shù)CTU(coding tree unit)遞歸分割技術(shù)及預(yù)測(cè)模式遍歷,且其預(yù)測(cè)模式共有37種編碼模式,包括35種標(biāo)準(zhǔn)的HEVC幀內(nèi)編碼模式和兩類(lèi)DMM模式[6],這就增加了算法的復(fù)雜度。因此,分析深度圖特征,優(yōu)化其幀內(nèi)預(yù)測(cè)算法,是降低3DHEVC算法復(fù)雜度的一個(gè)思路。

      現(xiàn)有的深度圖幀內(nèi)預(yù)測(cè)優(yōu)化算法主要包括:幀內(nèi)預(yù)測(cè)模式的預(yù)判、CU(coding unit)分割的提前終止以及分段直流編碼(segment-wise DC coding,SDC)等。由于深度圖的特點(diǎn)是平坦區(qū)域遠(yuǎn)多于非平坦區(qū)域,跳過(guò)針對(duì)邊緣區(qū)域DMMs模式的計(jì)算和判斷過(guò)程可以減小很多不必要的開(kāi)銷(xiāo)。文獻(xiàn)[7]是對(duì)當(dāng)前編碼的深度塊在哈達(dá)瑪變換域中進(jìn)行邊緣分類(lèi),并基于分類(lèi)結(jié)果有效地跳過(guò)不必要的DMMs模式的檢查。文獻(xiàn)[8]通過(guò)提取編碼塊的4個(gè)角點(diǎn)像素值之間的最大差值來(lái)判斷是否為邊緣區(qū)域,若不為邊緣區(qū)域,可以跳過(guò)DMMs的檢查。文獻(xiàn)[9]在分析DMM1分割線(xiàn)的起始端與終止端的梯度差特點(diǎn)的基礎(chǔ)上,提出4種對(duì)編碼塊邊緣評(píng)估的梯度濾波器算法,定位DMM1的最佳起始與終止位置,一定程度上減少了比特率失真。

      在對(duì)幀內(nèi)CU分割提前終止的預(yù)判上,Min等人[10]提出對(duì)CU的全局和局部的水平、垂直、45°對(duì)角線(xiàn)方向和135°對(duì)角線(xiàn)方向進(jìn)行復(fù)雜度計(jì)算,判斷CU是否需要繼續(xù)分割。Peng等人[11]提出利用當(dāng)前CU塊內(nèi)像素方差與3D-HEVC中對(duì)DMMs進(jìn)行預(yù)判的閾值進(jìn)行對(duì)比,并且將4個(gè)子CU中方差最大的值與其進(jìn)行對(duì)比,判斷是否對(duì)當(dāng)前CU繼續(xù)分割。文獻(xiàn)[12]利用共生灰度矩陣對(duì)CTU的像素值進(jìn)行統(tǒng)計(jì),利用共生灰度矩陣中的非零個(gè)數(shù)與閾值比較,提前判決CU分割的最佳尺寸,但其閾值應(yīng)根據(jù)視頻內(nèi)容進(jìn)行自適應(yīng)更新。

      3D-HEVC采用了分段直流殘差編碼(SDC)方法,其基本思想是將一個(gè)預(yù)測(cè)單元?jiǎng)澐殖梢粋€(gè)段或兩個(gè)段,每個(gè)段的殘差用一個(gè)常量來(lái)代替。使用SDC對(duì)殘差塊進(jìn)行編碼,就不再需要對(duì)殘差進(jìn)行變換和量化,減小了計(jì)算復(fù)雜度[13]。因?yàn)閴K中像素變化的某種分布可能會(huì)用角度模式預(yù)測(cè),所以L(fǎng)iu等人[14]提出一種可以在傳統(tǒng)幀內(nèi)角度模式下通用的SDC編碼方式。Gu等人[15]提出通過(guò)全率失真列表,只對(duì)率失真代價(jià)(rate-distortion cost,RDcost)最小的模式和DMMs模式進(jìn)行SDC編碼,而跳過(guò)其他模式的SDC編碼過(guò)程。但此算法沒(méi)有考慮Planar模式對(duì)SDC的依賴(lài)性,造成合成視點(diǎn)的較大失真。通過(guò)對(duì)SDC編碼過(guò)程的研究發(fā)現(xiàn),在預(yù)測(cè)模式的方向與編碼塊的紋理具有較高匹配度的情況下使用SDC模式才會(huì)更有效,因此在匹配度較低的情況下可以跳過(guò)SDC的編碼過(guò)程。

      基于以上的分析,本文提出一種基于紋理類(lèi)型預(yù)判的3D-HEVC深度圖幀內(nèi)快速編碼算法。通過(guò)Roberts算子判斷編碼單元類(lèi)型,若當(dāng)前編碼單元的Roberts梯度和小于某個(gè)合理的閾值,說(shuō)明此編碼單元為平坦塊,在幀內(nèi)預(yù)測(cè)時(shí)可以跳過(guò)對(duì)DMMs預(yù)測(cè)模式的檢查,并且可以提前終止CU的分割,節(jié)省預(yù)測(cè)模式樹(shù)狀遍歷的開(kāi)銷(xiāo)。另外,利用Roberts算子判定當(dāng)前塊為平坦時(shí),若粗略模式選擇(rough mode decision,RMD)之后的當(dāng)前模式不是DMMs或者Planar模式時(shí),則跳過(guò)對(duì)當(dāng)前模式的SDC檢查,降低計(jì)算復(fù)雜度。

      本文組織結(jié)構(gòu)如下:第2章介紹深度圖幀內(nèi)DMMs模式選擇過(guò)程、CTU的遞歸分割以及SDC編碼;第3章給出本文算法的基本思想,即如何用梯度和指導(dǎo)DMMs模式的跳過(guò)及CTU分割深度的預(yù)判,并且對(duì)SDC的算法進(jìn)行數(shù)據(jù)統(tǒng)計(jì);第4章詳細(xì)討論本文算法的步驟;第5章對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析;第6章總結(jié)全文。

      2 深度圖幀內(nèi)編碼和SDC編碼復(fù)雜度分析

      2.1 深度圖DMMs編碼模式的選擇過(guò)程

      為了更準(zhǔn)確地描述深度圖的邊緣信息,3DHEVC深度圖編碼時(shí),預(yù)測(cè)單元(prediction unit,PU)增加了DMMs模式。DMMs模式包含DMM1模式和DMM4模式,分別對(duì)應(yīng)著楔形分割和輪廓分割,如圖2(a)、圖2(b)所示。

      如圖2所示,塊中的楔形分割和輪廓分割具體描述為各自分別被一條線(xiàn)性直線(xiàn)和不規(guī)則曲線(xiàn)劃分為兩個(gè)區(qū)域P1和P2,每個(gè)區(qū)域用各自的像素平均值預(yù)測(cè)。3D-HEVC中選擇DMMs作為最佳模式的過(guò)程:(1)在RMD過(guò)程中,采用全率失真(full rate distortion,full-RD)列表,對(duì)列表里的模式(除DMMs)做RDcost計(jì)算,選出的最佳模式再加入3種最有可能的模式(most probable mode,MPM)到列表中,這3種最有可能模式MPM是從35種傳統(tǒng)HEVC的預(yù)測(cè)模式中選出來(lái)的;(2)將所有DMMs加入到列表中;(3)當(dāng)DMMs模式的RDcost最低時(shí),選擇DMMs作為最佳預(yù)測(cè)模式。可以看出,選擇DMMs作為最佳模式的復(fù)雜度較高。

      Fig.2 Depth modeling modes圖2 深度編碼模式

      2.2 CTU的逐層分割

      3D-HEVC中深度圖的編碼沿用了HEVC的四叉樹(shù)結(jié)構(gòu)CTU分割方式,如圖3所示。

      Fig.3 Quadtree partition of CTU圖3CTU的四叉樹(shù)分割

      64×64尺寸的CU是最大的編碼單元,即LCU。將LCU逐層分割,其劃分深度級(jí)別依次為0、1、2、3,分別對(duì)應(yīng)著 64×64、32×32、16×16、8×8尺寸的CU。對(duì)每個(gè)深度級(jí)別的CU都會(huì)進(jìn)行RDcost的計(jì)算,如果當(dāng)前深度級(jí)別的CU的RDcost大于下一個(gè)深度級(jí)別的4個(gè)CU的RDcost總和,則CU繼續(xù)劃分。反之,則終止CU劃分。在紋理圖中,平坦區(qū)域采用大尺寸的CU分割,而復(fù)雜區(qū)域采用小尺寸的CU分割,更能保證合成視圖的質(zhì)量。因?yàn)?D-HEVC中的深度圖基本由大量的平坦區(qū)域和明顯的邊緣區(qū)域組成,所以深度圖中采用大尺寸的CU分割概率比較大。如果能預(yù)判深度圖為大尺寸CU分割,則能提前終止對(duì)CTU的遞歸分割過(guò)程,大大降低編碼的復(fù)雜性。

      2.3 SDC殘差編碼分析

      SDC是一種3D-HEVC中獨(dú)有的殘差編碼方法,這種方法僅使用一個(gè)或兩個(gè)常數(shù)值來(lái)代替整個(gè)的殘差塊,跳過(guò)變換和量化的過(guò)程,從而起到了節(jié)省碼率的作用。3D-HEVC中,在full-RD列表創(chuàng)建完成后,編碼器會(huì)對(duì)列表中的所有模式進(jìn)行不使用SDC的RDcost計(jì)算和使用SDC的RDcost計(jì)算,如圖4所示。

      Fig.4 SDC optimization圖4SDC優(yōu)化

      在計(jì)算完所有的RDcost后才能決定當(dāng)前編碼塊的最佳預(yù)測(cè)模式和是否使用SDC殘差編碼方式。這增加了3D-HEVC的編碼復(fù)雜度。

      3 深度圖紋理預(yù)判和SDC的優(yōu)化

      3.1 邊緣預(yù)判對(duì)深度圖DMMs模式跳過(guò)的可行性分析

      Roberts是一種利用局部差分算子尋找邊緣的2×2模板的算子,它采用對(duì)角線(xiàn)方向相鄰兩像素之差近似梯度幅值檢測(cè)邊緣,公式如下:

      當(dāng)模板用于圖像的每個(gè)像素位置處會(huì)得到梯度分量gx和gy。計(jì)算梯度的幅值時(shí),用梯度分量的絕對(duì)值的和來(lái)近似梯度的幅值,如下:

      在PU上使用梯度和計(jì)算,記為SRoberts_PU:

      其中,n和m表示當(dāng)前PU的高度和寬度;M(x,y)表示當(dāng)前PU在該位置處的像素的梯度值。

      當(dāng)計(jì)算的區(qū)域是平坦區(qū)域時(shí),梯度和會(huì)很?。划?dāng)該區(qū)域包含很多邊緣信息時(shí),那么梯度和就會(huì)很大。因此可以設(shè)定閾值TRoberts_PU,當(dāng)梯度和SRoberts_PU小于該閾值時(shí),判定為平坦區(qū)域,就可以跳過(guò)該P(yáng)U塊的DMMs模式檢測(cè)。

      在設(shè)定閾值時(shí),考慮到Planar和DC模式更適合于平坦區(qū)域,這意味著PU塊在平坦區(qū)域更容易選擇Planar和DC模式??紤]到在不同視頻序列下,PU塊不同,因此針對(duì)不同的視頻內(nèi)容要不斷對(duì)閾值TRoberts_PU進(jìn)行更新。當(dāng)采用Planar和DC模式作為最優(yōu)模式時(shí),取PU的梯度和的均值作為閾值TRoberts_PU。每當(dāng)PU的最優(yōu)模式是Planar或者DC模式時(shí),對(duì)PU進(jìn)行梯度和累加并取平均值,從而更新閾值,來(lái)適應(yīng)不同的視頻序列。閾值更新過(guò)程如圖5所示。

      Fig.5 Flow chart forTRoberts_PUupdate圖5 閾值TRoberts_PU的更新流程圖

      為了驗(yàn)證算法的準(zhǔn)確性,本節(jié)統(tǒng)計(jì)了在梯度和SRoberts_PU小于閾值TRoberts_PU時(shí),使用傳統(tǒng)HEVC預(yù)測(cè)模式作為最佳模式的概率,記為Q1,如表1所示。通過(guò)表1可以看出,所提算法的準(zhǔn)確率高達(dá)99.18%。這意味著在當(dāng)前PU的梯度和SRoberts_PU小于閾值TRoberts_PU時(shí),可以判定該區(qū)域?yàn)槠教箙^(qū)域,跳過(guò)對(duì)DMMs模式的檢查過(guò)程。

      Table 1 Proportion that the best mode is traditional HEVC mode inSRoberts_PU

      3.2 基于邊緣預(yù)判的CTU分割提前判決

      從CTU的四叉樹(shù)分割過(guò)程上看,如果能提前判決CTU的劃分深度等級(jí),就能避免其他深度等級(jí)的模式遞歸選擇和率失真計(jì)算過(guò)程,降低編碼復(fù)雜度。本文提出基于梯度和的CU分割提前判決算法,對(duì)于大尺寸的CU,使用基于梯度和計(jì)算,若它的梯度和滿(mǎn)足設(shè)定的閾值,就可認(rèn)為當(dāng)前塊是紋理簡(jiǎn)單的平坦塊,其RDcost的計(jì)算一般優(yōu)于下一個(gè)深度等級(jí),選擇當(dāng)前尺寸作為最優(yōu)劃分尺寸的概率比較大,從而提前終止CU繼續(xù)遞歸分割,節(jié)省編碼時(shí)間。

      與3.1節(jié)相似,判斷區(qū)域是否為平坦區(qū)域,若為平坦區(qū)域,則不需要再對(duì)當(dāng)前CU進(jìn)行劃分;反之,繼續(xù)劃分當(dāng)前CU為更小的尺寸。與3.1節(jié)不同的是,對(duì)CU的閾值本文取為0,若梯度和為0,則判定該CU塊是平坦塊,終止CU進(jìn)一步劃分,若不是,則繼續(xù)劃分。

      為了驗(yàn)證算法的準(zhǔn)確性,本節(jié)統(tǒng)計(jì)當(dāng)前深度等級(jí)的CU的梯度和SRoberts_PU為0時(shí),其所對(duì)應(yīng)的當(dāng)前尺寸作為編碼后最佳分割尺寸的概率,即準(zhǔn)確率,記為Q2,如表2所示。從表2可以看出,本文算法的平均準(zhǔn)確率為99.75%,意味著梯度和SRoberts_PU為0時(shí),當(dāng)前CU的尺寸被選為最佳劃分尺寸的概率極大。

      3.3 SDC編碼的優(yōu)化

      經(jīng)過(guò)對(duì)SDC編碼方式的分析,發(fā)現(xiàn)“將殘差塊用一個(gè)常數(shù)值來(lái)代替”這一特征決定了這種編碼方式只有在預(yù)測(cè)模式與紋理特征具有較高匹配度的情況下才能有優(yōu)秀的RD表現(xiàn)。而在full-RD列表中的n種預(yù)測(cè)模式中,只有一種或幾種模式會(huì)與當(dāng)前編碼塊的紋理特征具有較高的匹配度,因此,只需要對(duì)這一種或幾種具有較高匹配度的模式進(jìn)行SDC編碼,而其余的幾種具有低匹配度的預(yù)測(cè)模式則不需要再進(jìn)行SDC編碼??紤]到在傳統(tǒng)HEVC中的33種角度預(yù)測(cè)模式中,預(yù)測(cè)角度的分配比較密集,在RMD過(guò)程中會(huì)將相鄰的幾個(gè)角度都加入到full-RD列表中,較難從中準(zhǔn)確而又快速地判斷出哪一角度與紋理具有最高的匹配度。因此,為了保證預(yù)測(cè)的準(zhǔn)確性,本文不從具有角度紋理特性的編碼塊入手,而是從平坦的編碼塊入手,因?yàn)閷?duì)于平坦塊,能夠準(zhǔn)確而又快速地找到與紋理特性具有最高匹配度的預(yù)測(cè)模式。除此之外,由于深度圖是由大量的平坦區(qū)域和明顯的形狀邊緣組成,選擇對(duì)平坦塊處理既能較大程度地減少平坦塊的計(jì)算開(kāi)銷(xiāo),又能保證形狀邊緣處的圖像質(zhì)量。同時(shí),由于DMMs模式是3D-HEVC中為了保證形狀邊緣質(zhì)量而專(zhuān)門(mén)加入的一種預(yù)測(cè)模式,并且SDC編碼也專(zhuān)門(mén)為DMMs模式設(shè)計(jì)了兩段式編碼方式,從而考慮并不跳過(guò)對(duì)DMMs模式的SDC編碼過(guò)程,以此保證形狀邊緣處的圖像質(zhì)量。

      Table 2 Proportion that current CU size is the best splitting size inSRoberts_PU=0表2 當(dāng)SRoberts_PU為0時(shí)當(dāng)前CU尺寸為最佳劃分尺寸的概率 %

      因此,本文從平坦的編碼塊入手,提出了一種快速SDC編碼算法。主要思想是當(dāng)編碼塊為平坦塊時(shí),只對(duì)full-RD列表中的Planar和DMMs模式進(jìn)行SDC編碼,而跳過(guò)full-RD列表中其他候選模式的SDC編碼,從而減少編碼過(guò)程的計(jì)算復(fù)雜度。為了不引進(jìn)新的計(jì)算復(fù)雜度,本算法通過(guò)3.1中定義的梯度和判斷編碼塊是否為平坦塊的方法,即當(dāng)梯度和SRoberts_PU小于閾值TRoberts_PU時(shí),認(rèn)為當(dāng)前塊為平坦塊。為了檢測(cè)此算法的準(zhǔn)確性,表3統(tǒng)計(jì)了當(dāng)編碼塊為平坦塊時(shí),所有使用SDC的模式的分布。

      Table 3 Proportion of all intra modes with SDC inSRoberts_PU

      通過(guò)表3可以看出,當(dāng)編碼塊為平坦塊時(shí),使用SDC的編碼方式中Planar所占的比例平均為96.01%,這說(shuō)明對(duì)于平坦塊而言,采用SDC編碼方式的往往為Planar模式。同時(shí),為了保證形狀邊緣的質(zhì)量,平均有2.97%的比例選擇DMMs模式作為預(yù)測(cè)模式。因此當(dāng)編碼塊為平坦塊時(shí),僅對(duì)Planar和DMMs模式進(jìn)行使用SDC的RDcost計(jì)算,而跳過(guò)其他模式進(jìn)行SDC的RDcost計(jì)算的準(zhǔn)確率能高達(dá)98.98%。這一結(jié)果從統(tǒng)計(jì)的角度證明了算法的可行性。

      4 結(jié)合紋理類(lèi)型預(yù)判和SDC優(yōu)化的3D-HEVC幀內(nèi)快速算法

      SOG-SDC算法流程如圖6所示,具體步驟描述如下:

      (1)算法開(kāi)始,對(duì)當(dāng)前每個(gè)PU塊計(jì)算SRoberts_PU。

      (2)DMMs分支中,當(dāng)SRoberts_PU

      (3)將DMMs模式插入到率失真列表中,對(duì)其進(jìn)行RDcost計(jì)算。

      (4)當(dāng)SRoberts_PU為0時(shí)或者此時(shí)PU塊的尺寸為4×4時(shí),終止當(dāng)前CTU繼續(xù)分割,否則轉(zhuǎn)到(5)。

      (5)將當(dāng)前CU分割為4個(gè)子CU,并對(duì)每個(gè)子CU進(jìn)行RDcost計(jì)算,將子CU當(dāng)作下一個(gè)進(jìn)行分割的CU。

      (6)當(dāng)SRoberts_PU

      (7)使用3D-HEVC原始算法,對(duì)當(dāng)前PU塊中所有模式進(jìn)行使用SDC和不使用SDC的RDcost計(jì)算。

      (8)終止算法。

      5 實(shí)驗(yàn)結(jié)果及分析

      為了驗(yàn)證本文算法的有效性,采用3D-HEVC測(cè)試平臺(tái)HTM16.0作為測(cè)試環(huán)境,在本文算法基礎(chǔ)上分別對(duì)8個(gè)測(cè)試的視頻序列進(jìn)行編碼性能評(píng)估。對(duì)于每個(gè)序列,采用幀數(shù)為300的全幀內(nèi)模式,紋理/深度編碼量化參數(shù)(quantization parameter,QP)設(shè)為(25,34)、(30,39)、(35,42)、(40,45),測(cè)試序列及參數(shù)如表4所示。

      Table 4 Test sequence表4 測(cè)試序列

      表5展示了本文算法在HTM16.0平臺(tái)中相較于3D-HEVC標(biāo)準(zhǔn)減少的編碼復(fù)雜度,以及和文獻(xiàn)Liao[12]、Chen[16]、Zhang[17]在相同編碼平臺(tái)下實(shí)驗(yàn)結(jié)果的比較。

      ΔBDBR與ΔT的定義如下:

      Fig.6 Flow chart of SOG-SDC圖6 本文算法(SOG-SDC)的流程圖

      Table 5 Experimental result of Liao,Chen,Zhang algorithms and this paper algorithm表5 本文算法與Liao,Chen,Zhang算法的實(shí)驗(yàn)結(jié)果 %

      其中,BDBRoriginal和Toriginal分別表示原始3D-HEVC編碼器在全幀內(nèi)模式下的合成視點(diǎn)的平均比特率和平均編碼時(shí)間;BDBRproposed和Tproposed表示本文算法下合成視點(diǎn)的平均比特率和平均編碼時(shí)間。

      從表5中可以看出,本文算法相對(duì)于原始編碼器在比特率僅增加0.14%的情況下,減少了26.03%編碼復(fù)雜度。對(duì)比Liao[12]算法,在增加比特率相近情況下,能減少更多的編碼時(shí)間。另外,將Chen[16]算法在HTM16.0平臺(tái)下實(shí)現(xiàn),其結(jié)果顯示本文算法在編碼復(fù)雜度方面也有一定的優(yōu)勢(shì)。然而對(duì)比Zhang[17]算法,由于其對(duì)合成視點(diǎn)優(yōu)化的判決過(guò)程減少了計(jì)算次數(shù),使計(jì)算復(fù)雜度較本文更低,但是其合成視點(diǎn)的質(zhì)量較差。

      根據(jù)實(shí)驗(yàn)數(shù)據(jù),發(fā)現(xiàn)Poznan_Hall2序列節(jié)省的時(shí)間達(dá)到41.81%,是因?yàn)楸疚乃惴ū容^依賴(lài)于平坦區(qū)域,而Poznan_Hall2的場(chǎng)景大部分是不變的平坦區(qū)域。相反,GT_Fly僅減少14.39%的編碼時(shí)間,是因?yàn)镚T_Fly的視頻序列中坐落的村莊很多,對(duì)紋理細(xì)節(jié)描述的要求很高,而場(chǎng)景中平坦區(qū)域較少,所以本文算法對(duì)其優(yōu)化效果不明顯。

      Fig.7 Comparison of RD curves of this paper algorithm with 3D-HEVC standard圖7 本文算法與3D-HEVC標(biāo)準(zhǔn)的率失真曲線(xiàn)比較

      另外,對(duì)BD-rate損失較大的Newspaper1和Balloons分別繪制其率失真曲線(xiàn),將本文算法與3DHEVC原始算法的率失真曲線(xiàn)進(jìn)行比較,如圖7所示??梢钥闯觯疚乃惴ň幋a后的兩個(gè)序列和原始的率失真曲線(xiàn)在低比特率時(shí)幾乎重疊,在高比特率時(shí),PSNR(peak signal to noise ratio)的差別僅低于0.2 dB。這是因?yàn)殡S著比特率提升,意味著編碼器處理的區(qū)域紋理更復(fù)雜,對(duì)算法的要求更高,本文算法具有較好的性能。

      Fig.8 Comparison of subjective quality maps圖8 主觀(guān)質(zhì)量比較圖

      除此之外,考慮到對(duì)人眼視覺(jué)的影響,針對(duì)Newspaper1和Balloons兩個(gè)視頻序列在QP為25時(shí),對(duì)本文算法與原始算法在主觀(guān)質(zhì)量上進(jìn)行比較。在主觀(guān)質(zhì)量上,提取本文算法的視頻與原始視頻的相同視點(diǎn),相同幀的深度與紋理的合成視圖。由圖8可以看出,本文算法重建視頻與原始視頻幾乎沒(méi)有質(zhì)量差別,這說(shuō)明本文算法能在降低編碼復(fù)雜度的同時(shí)保證視頻的重建質(zhì)量。

      6 總結(jié)

      本文提出基于PU梯度和的CU分割和DMMs模式跳過(guò),以及SDC選擇性跳過(guò)的3D-HEVC快速深度圖幀內(nèi)算法(SOG-SDC)。算法中利用梯度和計(jì)算區(qū)域的復(fù)雜度,根據(jù)梯度和與設(shè)定的閾值的比較,提前終止對(duì)CU的分割并跳過(guò)對(duì)DMMs模式的檢查,以及根據(jù)以上梯度和的計(jì)算,判斷當(dāng)前PU塊是否為平坦塊,對(duì)DMMs和Planar模式跳過(guò)SDC的檢查。通過(guò)實(shí)驗(yàn)驗(yàn)證,本文算法在HTM-16.0上的編碼復(fù)雜度相較于3D-HEVC標(biāo)準(zhǔn)平均減少26.03%,合成視點(diǎn)的比特率僅增加0.14%,并且與其他較新的3D-HEVC快速算法相比有一定的性能優(yōu)勢(shì)。

      :

      [1]Müller K,Schwarz H,Marpe D,et al.3D high-efficiency video coding for multi-view video and depth data[J].IEEE Transactions on Image Processing,2013,22(9):3366-3378.

      [2]Chen Ying,Hannuksela M M,Suzuki T,et al.Overview of the MVC+D 3D video coding standard[J].Journal of Visual Communication&Image Representation,2014,25(4):679-688.

      [3]Fehn C.Depth-image-based rendering(DIBR),compression,and transmission for a new approach on 3D-TV[J].Proceedings of SPIE-The International Society for Optical Engineering,2004,5291:93-104.

      [4]Kauff P,Atzpadin N,Fehn C,et al.Depth map creation and image-based rendering for advanced 3DTV services providing interoperability and scalability[J].Signal Processing Image Communication,2007,22(2):217-234.

      [5]Chen Ying,Tech G,Wegner K,et al.JCT3V-J1003 Test model 11 of 3D-HEVC and MV-HEVC joint collaborative team on 3D video coding extensions(JCT-3V)document[S].Geneva,2014.

      [6]Sullivan G J,Ohm J,Han W J,et al.Overview of the high efficiency video coding(HEVC)standard[J].IEEE Transactions on Circuits&Systems for Video Technology,2012,22(12):1649-1668.

      [7]Park C S.Edge-based intra mode selection for depth-map coding in 3D-HEVC[J].IEEE Transactions on Image Processing,2015,24(1):155-162.

      [8]Sanchez G,Saldanha M,Balota G,et al.Complexity reduc-tion for 3D-HEVC depth maps intra-frame prediction using simplified edge detector algorithm[C]//Proceedings of the 2015 IEEE International Conference on Image Processing,Paris,Oct 27-30,2014.Piscataway:IEEE,2014:3209-3213.

      [9]Saldanha M,Zatt B,Porto M,et al.Solutions for DMM-1 complexity reduction in 3D-HEVC based on gradient calculation[C]//Proceedings of the 7th Latin American Symposium on Circuits&Systems,Florianopolis,Feb 28-Mar 2,2016.Piscataway:IEEE,2016:211-214.

      [10]Min Biao,Cheung R C C.A fast CU size decision algorithm for the HEVC intra encoder[J].IEEE Transactions on Circuits&Systems for Video Technology,2015,25(5):892-896.

      [11]Peng Kuankai,Chiang J C,Lie W N.Low complexity depth intra coding combining fast intra mode and fast CU size decision in 3D-HEVC[C]//Proceedings of the 2016 IEEE International Conference on Image Processing,Phoenix,Sep 25-28,2016.Piscataway:IEEE,2016:1126-1130.

      [12]Liao Jie,Chen Jing,Zeng Huanqiang,et al.Fast depth intra coding using gray level co-occurrence matrix in 3D-HEVC[J].Journal of Signal Processing,2017,33(3):444-451.

      [13]Jager F.Simplified depth map intra coding with an optional depth lookup table[C]//Proceedings of the 2012 International Conference on 3D Imaging,Liege,Dec 3-5,2012.Piscataway:IEEE,2012:1-4.

      [14]Liu Hongbin,Chen Ying.Generic segment-wise DC for 3DHEVC depth intra coding[C]//Proceedings of the 2014 IEEE International Conference on Image Processing,Paris,Oct 27-30,2014.Piscataway:IEEE,2014:3219-3222.

      [15]Gu Zhouye,Zheng Jianhua,Ling N,et al.Fast segmentwise DC coding for 3D video compression[C]//Proceedings of the 2015 IEEE International Symposium on Circuits and Systems,Lisbon,May 24-27,2015.Piscataway:IEEE,2015:2780-2783.

      [16]Chen Jing,Wang Bohan,Zeng Huanqiang,et al.Sum-of-gradient based fast intra coding in 3D-HEVC for depth map sequence(SOG-FDIC)[J].Journal of Visual Communication and Image Representation,2017,48:329-339.

      [17]Zhang Hongbin,Fu Changhong,Chan Y L,et al.Probabilitybased depth intra mode skipping strategy and novel VSO metric for DMM decision in 3D-HEVC[J].IEEE Transactions on Circuits&Systems for Video Technology,2018,28(2):513-527.

      附中文參考文獻(xiàn):

      [12]廖潔,陳婧,曾煥強(qiáng),等.采用灰度共生矩陣進(jìn)行深度預(yù)判的3D-HEVC深度圖幀內(nèi)快速編碼算法[J].信號(hào)處理,2017,33(3):444-451.

      猜你喜歡
      深度圖復(fù)雜度紋理
      基于BM3D的復(fù)雜紋理區(qū)域圖像去噪
      軟件(2020年3期)2020-04-20 01:45:18
      基于深度圖的3D-HEVC魯棒視頻水印算法
      一種低復(fù)雜度的慣性/GNSS矢量深組合方法
      使用紋理疊加添加藝術(shù)畫(huà)特效
      TEXTURE ON TEXTURE質(zhì)地上的紋理
      Coco薇(2017年8期)2017-08-03 15:23:38
      求圖上廣探樹(shù)的時(shí)間復(fù)雜度
      一種基于局部直方圖匹配的深度編碼濾波算法
      疊加速度譜在鉆孔稀少地區(qū)資料解釋中的應(yīng)用
      科技視界(2016年2期)2016-03-30 11:17:03
      消除凹凸紋理有妙招!
      Coco薇(2015年5期)2016-03-29 23:22:15
      某雷達(dá)導(dǎo)51 頭中心控制軟件圈復(fù)雜度分析與改進(jìn)
      公主岭市| 吴忠市| 北海市| 邢台市| 凤山县| 淅川县| 冕宁县| 东兰县| 稻城县| 合作市| 高青县| 通城县| 南江县| 雷山县| 延边| 桃园市| 枣强县| 赣州市| 靖安县| 修水县| 安福县| 静安区| 穆棱市| 广宗县| 塔城市| 云阳县| 龙海市| 和龙市| 阳原县| 伊吾县| 南雄市| 偏关县| 襄垣县| 措勤县| 衡南县| 枣庄市| 鄂温| 始兴县| 波密县| 海宁市| 会泽县|