【技术实现步骤摘要】
改进的大数据视频高保真传输编码调控方法
[0001]本申请涉及一种大数据视频传输编码调控方法,特别涉及一种改进的大数据视频高保真 传输编码调控方法,属于视频传输编码调控
技术介绍
[0002]随着智能设备和互联网的迅速发展,如今社会已经进入了数字信息时代,诸如平板电脑, 智能手机等数字终端设备已经广泛的应用在普通大众的生活之中。由于人们通过移动终端设 备观看视频的需求越来越大,许多视频提供商推出了各式各样的视频类服务,如高清电视、 IPTV、在线高清电影点播服务等等。由于数字信息更加稳定,很便于存储和传输,所以视频 一般采用数字信息方式进行存储和传输。然而视频信息的数据量巨大,尤其是高清超清视频, 同时由于移动通信带宽的限制,从而造成视频信息在传输过程中的丢失与延迟,二者严重的 影响了视频用户体验感受。视频压缩编码技术正是为了解决这一难题而逐步发展起来的一项 核心技术,这项技术极大的推动了数字视频产业的发展与壮大。
[0003]数字视频通常是由许多在时域上间隔相同的图像组成,基于人眼的视觉特征,通过每秒 播放24帧以上的图像来获得人眼视觉上的连续的视频效果,然而这些连续帧的图像往往含有 大量相同或者相似的内容,同时每帧图像本身也会有一定相同或者相似的内容,通过视频压缩 编码技术对视频信息进行压缩编码,可以尽可能去除掉视频信息中的时间冗余和空间冗余,从 而可以更加高效的存储和传输视频信息。
[0004]虽然目前通信技术已得到飞速发展,但通信信道的有限容量始终是数字视频产业快速发 展的瓶颈。亟需 ...
【技术保护点】
【技术特征摘要】
1.改进的大数据视频高保真传输编码调控方法,其特征在于:一是模型构建与概念定义,包括:定义根码率内容特征、定义帧内预测方法、定义预测模型;二是改进的目标比特调配方法,包括:基于帧内预测的目标比特调配方法、基于预测模型的目标比特调配方法;三是改进的模型变量更新方法,包括:基于帧间预测的模型变量更新、基于帧内预测的模型变量更新、基于预测模型的模型变量更新;本申请提出一种改进的根码率层编码调控方法,同时使用帧内已编码单元的信息和帧间已编码单元的信息,定义根码率内容特征,引入帧内预测模型和帧间预测模型,根据模型权重来确定使用对应的预测方式,提出基于帧内预测的目标比特调配和模型变量更新方法,以及基于帧间预测的模型变量更新方法;最后,从整体上提出改进后的视频传输编码调控方法流程,实现基于预测模型的目标比特调配和基于预测模型的模型变量更新。2.根据权利要求1所述改进的大数据视频高保真传输编码调控方法,其特征在于,定义根码率内容特征:定义衡量不同的根码率的内容特征,相邻根码率的量化变量QP值相差不超过1,近似看作相等,对于采用相同量化变量进行编码的根码率,如果其相邻根码率编码后的失真D和所需比特数R与当前根码率近似相同,认定它们具有相同或者相似的内容特征,采用符号S来表示根码率的内容特征,其具体定义如下:S=D
×
R=MAD
×
bpp
real
ꢀꢀꢀꢀ
式1式1中,D表示广义上的根码率的失真,R表示广义上的根码率编码所需的比特数,MAD是根码率内像素的平均绝对误差,表征根码率的失真,bpp
real
是根码率编码后实际所需的每像素比特数,其值通过式2计算得到;根码率的内容特征由其失真信息和所需比特数信息两者共同确定,且其定义是基于像素的;式2中,R
real_LCU
表示根码率编码后实际所需的息比特数;N
pixels_LCU
表示根码率的像素的总数量;假设同一根码率的率失真曲线上有点A,其坐标为(R,D);同时在点A附近有位于曲线上的点B,其坐标表示为(R+ΔR,D+ΔD),得到下面的近似计算公式:ΔD=
‑
λ
·
ΔR
ꢀꢀꢀꢀ
式3如果采用式3的近似公式,点A和点B的内容特征的相对误差s计算如下:
式4中,S
A
表示点A的内容特征值,S
B
表示点B的内容特征值,相对误差ε的近似结果是在忽略高阶无穷小的条件下得到的,得到:其中,α和β是模型参数,实际使用时用每像素的平均比特数bpp来代替R,每一帧和每一基本单元都对应一组单独的α和β;D=CR
‑
K
ꢀꢀꢀꢀ
式6C和K是模型参数,将式5代入式4得到:在
△
R变化不大的情况下,相对误差s近似为零,将点A看作当前根码率的编码特征,而将点B看作与当前单元相邻的根码率的编码特征,如果当前根码率与相邻根码率的编码特征相同,它们的
△
R则近似为零,即它们的内容特征相等;反之,则它们的
△
R不为零,即它们的内容特征不相等,对于相邻的根码率,采用式1来表征根码率的内容特征。3.根据权利要求1所述改进的大数据视频高保真传输编码调控方法,其特征在于,定义帧内预测方法:如果两个相邻根码率的内容特征值近似相等,则认定它们的内容相同,即其率失真模型变量和目标比特数调配也相同,通过比较相邻且不同方向的根码率的内容特征的值的差异,表征预测当前帧中的纹理信息,而对于同一纹理的根码率使用相同的率失真模型变量和目标比特数调配,本申请将这种预测方法定义为帧内预测方法,当一个根码率编码完成后,编码器就得到其失真和所需的比特数,在编码下一个根码率之前,编码器利用相邻的已编码的根码率的内容特征进行预测,CTU0是当前待编码的根码率,CTU1‑
CTU6是与CTU0相邻或相近的根码率,采用波前并行处理技术,在编码CTU0之前,编码器已完成CTU1‑
CTU6的编码;对于当前根码率CTU,其帧内预测通过如下方法进行:S
0_H
=S6ꢀꢀꢀꢀ
if S2≈S3S
0_V
=S3ꢀꢀꢀꢀ
if S2≈S6S
0_L
=S2ꢀꢀꢀꢀ
if S1≈S6S
0_R
=S4ꢀꢀꢀꢀ
if S3≈S6ꢀꢀꢀꢀ
式8式8中,S1、S2、S3、S4和S6分别表示根码率CTU1‑
CTU4和CTU6的内容特征值;S
0_H
、S
0_V
、S
0_L
和S
0_R
分别表示当前待编码根码率CTU;的水平方向预测的内容特征值,垂直方向预测的内容特征值,左上角方向预测的内容特征和右上角方向预测的内容特征值;如果相邻的根码率的内容特征的相对误差s小于0.3,即满足式7右侧的条件,则认定它
们的内容特征相同,即具有相同的模型变量α和β,相同的目标比特调配,此时式7左侧中相应的根码率为当前根码率的预测单元,同时,编码器按照式7中的预测顺序依次进行计算,如果存在2个方向的预测单元,则编码器停止计算;然后利用这2个方向的预测单元所对应的模型变量或者目标比特数来更新当前根码率的模型变量或者目标比特数;对于只有1个预测单元的情况,编码器则直接利用该预测单元的模型变量或者目标比特数来更新当前待编码根码率的模型变量或者目标比特数,如果没有预测单元,编码器则不进行模型变量或者目标比特数的更新。4.根据权利要求1所述改进的大数据视频高保真传输编码调控方法,其特征在于:定义一个预测模型变量来衡量对应预测的准确性,编码器在编码前能自适应选择其中相对更好的预测模式,其中,当前根码率帧间预测的权重ω
lnter
定义如下:式9中,S
lastSameLeval
表示与当前帧同一类别且相邻的已编码帧中与当前根码率同一位置的单元的内容特征,S
currLCU
表示当前根码率的内容特征,帧间预测的权重ω
Inter
在当前根码率编码完成后即进行计算,根码率的内容特征值越接近,则预测模型的值越大,其值最大为1,此时表示两个根码率的内容特征完全相同;帧内预测的权重和帧间预测的权重计算方法类似,只是需用当前帧中与当前根码率相邻的根码率的内容特征代替式9中的S
lastSameLeval
,当前根码率CTU0使用相邻单元CTU2‑
CTU4和CTU6的内容特征,并按式8中左侧的顺序依次计算帧内预测的权重,然后取顺序靠前且值大于0.7的2个权重进行平均,此平均值即为最终的帧内预测模型的值,如果只有1个权重的值大于0.7,则该权重即为最终的帧内预测模型的值,如果权重均小于0.7,则最终的帧内预测模型的值为0;式10中,ω
Intra_i
是当前根码率各个方向...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。