一種分布式視頻編碼中碼率控制方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種在分布式視頻編碼中碼率控制方法，屬于視頻壓縮領(lǐng)域。
【背景技術(shù)】
[0002] 分布式視頻編碼值istributedVideoCoding,DVC)是基于20世紀(jì)70年代 Slepian.WolfW及Wyner.Ziv提出的信息理論而建立的，將編碼器運(yùn)算復(fù)雜度轉(zhuǎn)移到解碼 器。其特點(diǎn)是編碼簡(jiǎn)單、解碼較復(fù)雜、壓縮性能接近傳統(tǒng)的編碼方式、抗誤碼能力強(qiáng)，適用于 無(wú)線(xiàn)網(wǎng)絡(luò)中資源受限的視頻編碼設(shè)備等。
[0003] 分布式視頻編碼中多使用化rbo碼或者LDPC碼該樣的信道編碼對(duì)WZ峽進(jìn)行編 碼。雖然化rbo碼和LDPC碼都是能夠接近理論界的信道編碼方案，但有研究結(jié)果表明LDPC 碼的整體性能要好于化rbo碼，對(duì)于運(yùn)動(dòng)劇烈的視頻，LDPC方案抗誤碼率性能更好。在分布 式視頻編碼中，原始WZ峽與相應(yīng)邊信息間相關(guān)噪聲模型的準(zhǔn)確度對(duì)編碼效率有很大影響， 相關(guān)噪聲模型越準(zhǔn)確，LDPC碼成功解碼需要的校驗(yàn)位就越少，一方面降低了碼率，提高了壓 縮效率；另一方面，減少了LDPC碼解碼的計(jì)算量。所W，解碼端對(duì)相關(guān)噪聲的準(zhǔn)確建模是分 布式視頻編碼的一個(gè)關(guān)鍵技術(shù)。
[0004] 由于子帶級(jí)的拉普拉斯分布模型在計(jì)算復(fù)雜度和精確度上具有良好的折中得到 了廣泛認(rèn)可，現(xiàn)今的DVC系統(tǒng)大多采用拉普拉斯分布來(lái)描述原始WZ峽和邊信息之間的噪聲 關(guān)系，近年來(lái)對(duì)相關(guān)噪聲模型的研究主要在于如何獲得更精確的拉普拉斯參數(shù)。但DVC系 統(tǒng)中的DCT殘差系數(shù)統(tǒng)計(jì)分布并不完全符合拉普拉斯分布該個(gè)假設(shè)，而是具有更尖的峰值 特性和更長(zhǎng)的尾部，為適應(yīng)殘差系數(shù)的該兩個(gè)特性，本文提出基于K-Medoids聚類(lèi)的拉普 拉斯-柯西混合相關(guān)噪聲模型的建模方法。該混合模型利用K-Medoids將子帶殘差分為大 殘差系數(shù)和小殘差系數(shù)，對(duì)小殘差系數(shù)的分布使用拉普拉斯模型來(lái)描述，對(duì)大殘差系數(shù)的 分布使用柯西分布來(lái)描述，增加了模型的精度，從而提高了系統(tǒng)的率失真性能。

【發(fā)明內(nèi)容】

[000引技術(shù)問(wèn)題；針對(duì)變換域分布式視頻編碼中原始Wyner-Ziv(WZ)幀與相應(yīng)邊信息的 殘差系數(shù)存在大殘差和小殘差系數(shù)統(tǒng)計(jì)分布與傳統(tǒng)的拉普拉斯分布存在一定偏差的問(wèn)題。 為了減少該種差異，提出一種基于K-Mediods的混合分布相關(guān)噪聲模型及其參數(shù)估計(jì)算 法。該混合模型利用改進(jìn)的拉普拉斯分布描述小殘差系數(shù)的分布，采用柯西分布描述大殘 差系數(shù)。本文提出的混合模型建模方法能較精確地描述WZ峽和邊信息間的殘差系數(shù)分布， 從而有效地改善了變換域分布式視頻編碼的率失真性能，并減少系統(tǒng)解碼端計(jì)算復(fù)雜度。 [000引技術(shù)方案：
[0007] 1. -種分布式視頻編碼中相關(guān)噪聲模型建模方法，其特征在于，該方法包含W下 步驟：
[0008] 1)對(duì)于當(dāng)前解碼子帶bk，每個(gè)系數(shù)和它與該子帶殘差均方的距離的絕對(duì)值組成一 個(gè)2維特征向量，即子帶bk中第n個(gè)殘差特征向量表示成兩=(媒.（//，v)，|a(//，v)|)，其 中
【主權(quán)項(xiàng)】
1. 一種分布式視頻編碼中相關(guān)噪聲模型建模方法，其特征在于，該方法包含以下步 驟： 1) 對(duì)于當(dāng)前解碼子帶bk，每個(gè)系數(shù)和它與該子帶殘差均方的距離的絕對(duì)值組成一個(gè) 2維特征向量，即子帶bk中第n個(gè)殘差特征向量表示成
，其中
2) 利用K-Medoids聚類(lèi)算法將殘差特征向量分成大殘差類(lèi)與小殘差類(lèi)； 3) 使用改進(jìn)的拉普拉斯分布描述小殘差類(lèi)，使用柯西分布描述大殘差類(lèi)；分別計(jì)算相 應(yīng)的分布參數(shù)，最終得到混合分布式相關(guān)噪聲模型。
2. 根據(jù)權(quán)利要求1所述的一種分布式視頻編碼中碼率控制方法，其特征在于，所述步 驟2)中，按照如下步驟進(jìn)行K-Medoids聚類(lèi)： 1) 初始化聚類(lèi)中心：選擇開(kāi)始的三個(gè)殘差特征矢量作為初始聚類(lèi)中心之廣，；(k)， 筆w，對(duì)應(yīng)的類(lèi)為\(k)，S2(k)，5^)，令k= 0; 2) 樣本聚類(lèi)：將待分類(lèi)的特征向量集逐個(gè)按最小距離原則劃分給三類(lèi)中的某一 類(lèi)，即：如果 （i= 1，2,. . .，N)，j= (1，2, 3)，則乓e ;式中 表示足 和類(lèi)0fcl的中心f/k|的距離，上角標(biāo)k表示迭代次數(shù)，這里的距離選擇歐氏距離，于是產(chǎn)生 新聚類(lèi)5f+1); 3) 重新計(jì)算聚類(lèi)中心：與K-Means不同，K-Means選擇當(dāng)前cluster中所有數(shù)據(jù)點(diǎn)的 平均值為新的中心點(diǎn)，而在K-Medoids中，將從當(dāng)前cluster中選取一個(gè)到其他所有（當(dāng)前 cluster中的）點(diǎn)的距離之和最小的點(diǎn)作為中心點(diǎn)； 4) 判斷終止條件：如果#+1>=Zf，（j= 1，2,3)，則結(jié)束，得到3個(gè)聚類(lèi)，DCT殘差系 數(shù)被分為三個(gè)集合SpS2,S3，否則，k=k+1，轉(zhuǎn)至2)。
3. 根據(jù)權(quán)利要求1或2所述的一種分布式視頻編碼中邊信息改進(jìn)方法，其特征在于，步 驟3)中，計(jì)算拉普拉斯分布的參數(shù)以及柯西分布的參數(shù)的具體流程為： 聚類(lèi)之后，計(jì)算三個(gè)殘差系數(shù)集合S^j= 1，2, 3)各自的方差，然后按從小到大的順 序，將其對(duì)應(yīng)的殘差系數(shù)集合分別記為SpS2,S3，其中Si記為小系數(shù)集，而S2,SJU記為大 系數(shù)集，31基本關(guān)于0對(duì)稱(chēng)，為了計(jì)算柯西分布的參數(shù)的方便，對(duì)S:進(jìn)行修正，記Si的上界 和下界的絕對(duì)值的最小值為T(mén)L，之后將用柯西分布來(lái)描述大殘差系數(shù)集，而用拉普拉斯分 布描述小殘差系數(shù)集； 柯西分布可以表示為：
其中A是形狀參數(shù)，y是位置參數(shù)，因?yàn)橐曨l壓縮編碼中殘差系數(shù)基本關(guān)于0對(duì)稱(chēng)， 所以令U=〇;為了保持最后由拉普拉斯分布和柯西分布組合表示的概率密度還能滿(mǎn)足 J7/(.0 = 1，那么對(duì)于柯西分布，得找到一個(gè)X使得其概率密度在[-TL，TL]區(qū)間內(nèi)的積分 值等于拉普拉斯的概率密度在[_TL，TL]區(qū)間內(nèi)的積分值，并且仍然能維持它的重尾特性； 這樣就能推導(dǎo)出入； 令拉普拉斯概率密度在[_TL，TL]內(nèi)的積分值為I\(TL)，它可以按下式計(jì)算：
令Pe(LH)表示柯西概率密度在[_TL，TL]內(nèi)的積分值，按下式計(jì)算：
利用下式計(jì)算屬于SiS差系數(shù)集合的拉普拉斯參數(shù)：
<是31殘差系數(shù)集合的方差。 最終表不相關(guān)噪聲模型：
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種分布式視頻編碼中建立相關(guān)噪聲模型及估計(jì)模型參數(shù)的方法，該混合模型首先利用K-Mediods將殘差系數(shù)分為小殘差和大殘差，利用改進(jìn)的拉普拉斯分布描述小殘差系數(shù)的分布，采用柯西分布描述大殘差系數(shù)。該文提出的混合模型(Hybrid Distribution Correlation Noise Model，HDCNM)能較精確地描述WZ幀和邊信息間的殘差系數(shù)分布，從而有效地改善了變換域分布式視頻編碼的率失真性能，并減少系統(tǒng)解碼端計(jì)算復(fù)雜度。
【IPC分類(lèi)】H04N19-625, H04N19-61
【公開(kāi)號(hào)】CN104702961
【申請(qǐng)?zhí)枴緾N201510086215
【發(fā)明人】張登銀, 蔡睿
【申請(qǐng)人】南京郵電大學(xué)
【公開(kāi)日】2015年6月10日
【申請(qǐng)日】2015年2月17日