CN101835044A - 一种频率域分布式视频编码中的分类组合方法 - Google Patents

Abstract

一种频率域分布式视频编码中的分类组合方法依据无线传感网络终端设备编码复杂度低、存储容量有限、要求能在信道质量差的网络中传输等特性及Wyner-Ziv视频编码特点，针对国外研究学者斯坦福大学教授Bernd Girod的频域Wyner-Ziv视频编码方案提出改进。本发明提出在编码端将图像帧划分三种编码模式，分别为Skip(跳过)模式、低频模式和全频模式，在解码端根据相应的编码模式分别选择平均插值、自适应搜索运动估计插值和自适应搜索精细运动估计插值的边信息估算方法联合解码。本文算法既能通过消除大量的帧间预测与熵编码实现低码率传输，又能以很小的解码代价获得更精确的边信息，从而有效地避免图像解码质量下降。

Description

一种频率域分布式视频编码中的分类组合方法

技术领域

本发明涉及到一种视频编码压缩方法，尤其涉及频域Wyner-Ziv视频编码方法。

背景技术

随着无线多媒体通信及无线视频传感网络等新技术的出现，一种新的视频压缩编解码技术——Wyner-Ziv视频编码引起人们广泛关注。它主要满足一些无线终端设备编码复杂度低、存储容量有限、要求能在信道质量差的网络中传输等特性。该方法有别于传统的视频编解码技术，具有编码简单，解码复杂，高压缩率，抗误码性强等特点。然而，压缩率低下、重构图像质量不高是当前Wyner-Ziv视频编解码技术所面临的难题。其主要原因在于：与传统视频编码方法在编码端进行运动估计有所不同Wyner-Ziv视频编码方法在解码端实施运动估计，由于解码端的运动估计中不可能得到当前帧的原始帧，因而运动估计的准确性受到影响，使得其后的仅仅通过运动估计插值获得的边信息与原始帧相差较大，解码端不得不请求编码端发送大量的校验比特，从而造成Wyner-Ziv视频编码方法的率失真性能不高。

而无线传感网络中移动终端设备有着以下不同于传统网络视频压缩编码与传输的特点：

1、由于无线网络中的终端设备如手机、无线PC相机等数据处理能力和存储能力、功耗等资源受限的特点，难以完成复杂度高的帧间预测等编码技术。

2、考虑到无线传感网络中带宽受限，通信能力不强，传输速率限制，要求编码器最大程度的挖掘数据相关性，具有较高的压缩编码效率。

3、在Wyner-Ziv视频编码中，为了保证图像重构质量，必须估计出最接近真实图像的边信息，保证边信息的准确性。

针对以上无线传感网络终端设备和网络特性，本发明对频域Wyner-Ziv视频编码算法进行改进，在保证重建图像质量情况下，既能实现高效压缩，又不增加编码端的存储负担，更适合无线传感网络中的终端设备。

发明内容

技术问题：本发明要解决的技术问题是在Bernd Girod提出的频域Wyner-Ziv视频编码方案基础上提出一种频率域分布式视频编码中的分类组合方法，使其更适应无线传感网络及其终端的特点。本发明主要解决两部分的技术问题：提高边信息生成图像精确的同时和增大压缩效率。

技术方案：本发明解决上述技术问题所采用的方法如下：

该方法在编码器添加模块分类功能，将图像分为跳过编码模式、低频模式和全频模式三个编码模式；在解码端对应不同的编码模式提出三个相应的边信息估算方法获得边信息辅助分布式解码器解码，该方法处理包括以下步骤：

步骤1：将输入图像视频偶数序列视为W帧，奇数帧视为关键帧；关键帧采用传统视频编码中的帧内编码方式编码，其解码重建帧有两个用途，一是还原视频流，一是用于边信息插值估计出边信息，

步骤2：对于W帧，首先做进行离散余弦变换DCT，采用绝对值差MAD准则判断该W帧每一宏块的编码模式后进行预处理，其编码为Skip模式、低频模式或全频模式中的一种，

步骤3：对图像宏块预处理后依次经过量化、Turbo编码器编码，编码后的校验位传送至解码端，其传至解码端的校验位数量视边信息的准确度而定，

步骤4：在解码端，通过解码重建后的关键帧估算边信息，分别对应Skip模式、低频模式和全频模式的编码方法采用平均插值、自适应搜索运动估计插值和自适应搜索运动估计精细插值边信息的估算方法获得准确的边信息，

步骤5：Turbo解码端的校验位联合步骤4获得的边信息，经过反量化，反离散余弦变换DCT变换重构W帧，

步骤6：将W帧和关键帧合并输出即得到解码码流。

W帧编码方法是依据图像内容的运动特征划分为Skip模式、低频模式和全频模式三种编码模式。

MAD准则是利用视频序列相邻帧中运动缓和区以及背景相似区的离散余弦变换DCT高频系数基本相同这一特性进行加权获得。

Skip模式是指当前宏块判断为背景块，在编码端丢弃当前宏块，在解码端通过其相邻关键帧相同位置的宏块进行平均插值获得边信息，此时边信息即为解码端当前需要解码宏块的重建宏块。

低频模式是指当前宏块判断为运动缓和块时，编码端抽取其DCT低频系数进行量化后送入Turbo编码器，解码端采用自适应搜索运动估计插值法生成边信息辅助Turbo解码器解码。

全频模式是指当前宏块判断为运动剧烈块时，编码端对当前宏块所有DCT系数编码，解码端采用自适应搜索精细运动估计插值法生成边信息辅助Turbo解码器解码。

自适应搜索运动估计插值方法是指在当前W帧的相邻关键帧中根据图像运动特性进行自适应搜索范围的运动估计寻找当前宏块的最佳匹配块的运动矢量，进行非线性插值。

自适应搜索运动估计精细插值方法是指将当前W帧的相邻关键帧中根据图像运动特性进行自适应搜索范围的运动估计搜索出当前宏块的运动矢量作为初始运动矢量，然后在相邻关键帧中进一步进行小范围运动估计匹配搜索，寻找最佳匹配块的运动矢量后进行非线性插值。

1、系统压缩率的改进方法

由于视频序列相邻帧中运动缓和区以及背景相似区的DCT高频系数基本相同，因此，本发明利用这一特性挖掘Wyner-Ziv编码系统的冗余信息，对系统压缩效率提出改进，满足无线传感网络终端存储能力受限的特点。其改进方案是：①通过MAD准则判断编码端相邻关键帧与Wyner-Ziv帧基于块的运动剧烈程度，分别采用三种不同的编码模式进行Wyner-Ziv编码传输。②当运动剧烈程度判断编码块为Skip模式时，Flag编码模式判断参数置0，编码端舍弃不传，解码端相应的重建块用相邻关键帧帧相同位置块平均插值生成的边信息填补。③当运动剧烈程序判断编码块为低频模式，Flag＝1，编码该类图像块时只抽取少量低频分量进行Wyner-Ziv编码，解码端根据下文边信息生成方法步骤③获得的边带信息的低频分量重构解码，利用生成边信息的高频分量和已解码的Wyner-Ziv帧低频分量进行DCT反变换生成解码Wyner-Ziv帧。④当运动剧烈程度判断编码块为全频模式时，Flag＝2，编码端将该类块的全部频域信息进行Wyner-Ziv编码，传输解码端，然后根据下文边信息生成方法步骤④估算的边信息联合解码重构图像。

2、边信息生成方法

Wyner-Ziv帧的压缩效率主要来自于解码端对边信息的估计和联合解码重建。由于K帧的编码一般采用帧内编码(也有学者采用帧间预测编码，以降低K帧编码码率)，因此，准确的边信息估值方法直接影响Wyner-Ziv视点或Wyner-Ziv帧的图像质量。本发明在分析变换域边信息生成的基础上，在不明显增加编码复杂度的同时得到更加准确的边信息，其技术方案如下：边信息生成方法技术关键在于根据图像运动剧烈程度采用三种不同的边信息生成模式。①基于编码端传至解码端的Flag参数判断当前块采用何种边信息的估算方法。②对于Flag＝0的待解码图像块，其边信息通过采用平均插值，即相邻关键帧相应位置图像像素值加权平均获得。③对于Flag＝1的待解码图像块，通过对相邻关键块计算运动剧烈程度获取可取的搜索窗口尺寸，在此范围内进行运动估计，得到最佳匹配块，并进行非线性内插估算边信息。④对于Flag＝2的待解码图像块，在步骤③获得最佳匹配块的基础上，在第一次运动匹配的附近进行小范围的精细运动估计，最终获得更接近真实图像目标运动轨迹的边信息。

上述的Flag参数通过对相邻的Wyner-Ziv帧和关键帧相应位置块的DCT系数作简单地比较运算并经过阈值判断获得。

上述搜索窗口尺寸是当前关键块的全局运动矢量和其左、上、右上块的运动矢量滤波后获得的的运动矢量作为窗口尺寸大小，其全局运动矢量是指全局运动矢量简化为由于镜头移动或者场景转移运动矢量。

上述非线性内插估算法是利用前后相邻关键帧各块所得到的运动矢量来推算当前帧的运动矢量。该运动矢量获得的前提是假定当前帧中各块与前后相邻帧位置相同各块的运动矢量是相同的。显然，这一假设在背景块和运动缓慢和图像采样频率较高的情况下是适用的。

上述精细运动估计是以内插块的真实前后向运动矢量的对称性作为前提，首先以非线性内插估算法得到的运动矢量作为初始运动矢量，然后在前后关健帧相应位置进行小范围搜索。

上述三种不同的编码模式判断是首先根据Flag参数判断编码块采用何种编码模式，然后通过相应的编码模式编码，解码端根据相应的编码模式采用不同的解码方法重构解码图像。

有益效果：本发明针对无线传感网及其终端存储能力受限，功耗低，信道质量不稳定等特性，提出了基于频率Wyner-Ziv视频编码方案的改进方法。本发明通过对图像块合理的分类组合，在实现低码率传输的同时，又能以最小的解码代价获得更精确的边信息，从而有效地避免图像解码质量下降。

附图说明

图1Bernd Girod提出的频域Wyner-Ziv视频编码系统框图，

图2本发明提出的频率域Wyner-Ziv视频编码系统图，

图3频域Wyner-Ziv视频编码分类组合算法流程图，

图4平均插值算法，

图5自适应搜索运动估计插值估计算法，

图6自适应搜索精细运动估计插值算法，

图7基于频域Wyner-Ziv视频编码分类组合算法的mother_daughter率失真曲线，

图8基于频域Wyner-Ziv视频编码分类组合算法的foreman率失真曲线图。

具体实施方式

步骤1：将输入图像视频偶数序列视为W帧，奇数帧视为关键帧；关键帧采用传统视频编码中的帧内编码方式编码，其解码重建帧有两个用途，一是还原视频流，一是用于边信息插值估计出边信息，

步骤2：对于W帧，首先做进行离散余弦变换DCT，采用绝对值差MAD准则判断该W帧每一宏块的编码模式后进行预处理，其编码为Skip模式、低频模式或全频模式中的一种，

步骤3：对图像宏块预处理后依次经过量化、Turbo编码器编码，编码后的校验位传送至解码端，其传至解码端的校验位数量视边信息的准确度而定，

步骤4：在解码端，通过解码重建后的关键帧估算边信息，分别对应Skip模式、低频模式和全频模式的编码方法采用平均插值、自适应搜索运动估计插值和自适应搜索运动估计精细插值边信息的估算方法获得准确的边信息，

步骤5：Turbo解码端的校验位联合步骤4获得的边信息，经过反量化，反离散余弦变换DCT变换重构W帧，

步骤6：将W帧和关键帧合并输出即得到解码码流。

W帧编码方法是依据图像内容的运动特征划分为Skip模式、低频模式和全频模式三种编码模式。

MAD准则是利用视频序列相邻帧中运动缓和区以及背景相似区的离散余弦变换DCT高频系数基本相同这一特性进行加权获得。

Skip模式是指当前宏块判断为背景块，在编码端丢弃当前宏块，在解码端通过其相邻关键帧相同位置的宏块进行平均插值获得边信息，此时边信息即为解码端当前需要解码宏块的重建宏块。

低频模式是指当前宏块判断为运动缓和块时，编码端抽取其DCT低频系数进行量化后送入Turbo编码器，解码端采用自适应搜索运动估计插值法生成边信息辅助Turbo解码器解码。

全频模式是指当前宏块判断为运动剧烈块时，编码端对当前宏块所有DCT系数编码，解码端采用自适应搜索精细运动估计插值法生成边信息辅助Turbo解码器解码。

自适应搜索运动估计插值方法是指在当前W帧的相邻关键帧中根据图像运动特性进行自适应搜索范围的运动估计寻找当前宏块的最佳匹配块的运动矢量，进行非线性插值。

自适应搜索运动估计精细插值方法是指将当前W帧的相邻关键帧中根据图像运动特性进行自适应搜索范围的运动估计搜索出当前宏块的运动矢量作为初始运动矢量，然后在相邻关键帧中进一步进行小范围运动估计匹配搜索，寻找最佳匹配块的运动矢量后进行非线性插值。

图1为Bernd Girod提出的频域Wyner-Ziv视频编码方案，该方案采用两种编码方式：一种是关键帧(K帧)，采用传统视频编码中的帧内编码方式(H.263)编码；另一种是Wyner-Ziv帧(W帧)，采用基于Turbo码的Wyner-Ziv编码器进行编解码。在Wyner-Ziv编码端首先对图像进行DCT变换，将DCT低频分量(通常DCT8×8变换的低频分量取前16个系数，DCT4×4变换的低频分量取前4个系数)量化(量化系数为2、4、8、16)后通过基于Turbo码的Wyner-Ziv编码器编码，将Turbo编码器输出端的校验位保存到缓存中传至解码端；DCT高频分量(DCT4×4变换后12个系数、DCT8×8变换后48个系数均视为高频分量)通过与关键帧K的编码系数进行类似帧间预测，对其熵编码并传输至解码端。在解码端利用帧间相关性，对相邻关键帧进行运动估计，获得运动矢量并进行插值生成相应Wyner-Ziv帧的边信息。依据Wyner-Ziv帧与边信息符合拉普拉斯信道这已先验条件，Turbo解码器联合编码端缓存中的校验位和经过DCT变换后的边信息进行Turbo解码，反量化，反DCT变换，继而重构出Wyner-Ziv帧。

图2中是本发明提出的频率域Wyner-Ziv视频编码系统图。由于图1中编码端的运算复杂度和对编码端的存储空间均有很高的要求。另外考虑到无线传感网络中带宽受限，需要较高码率压缩率的特点，本发明针对图1中的编码方案进行改进，采用分类组合的编码方法，提出基于宏块的SKIP编码模式、低频编码模式和全频编码模式，并根据块的运动剧烈程度进行模式选择。解码端相应选择平均插值、自适应搜索运动估计、自适应搜索精细运动估计获取边信息辅助Wyner-Ziv解码器解码。

图3为频域Wyner-Ziv视频编码分类组合算法流程图。其算法步骤为：

(1)首先对Wyner-Ziv帧的当前宏块进行DCT变换，然后与其相邻K帧相同位置块的DCT高频系数作简单地比较运算，其比较方法采用图中所示MAD准则：

$D=\frac{\underset{i=n}{\overset{N}{\mathrm{\Σ}}}|W_i-K_i|}{N-n}---\left(1\right)$

其中W_i，K_i分别表示W帧和K帧宏块DCT系数，i∈(n，N)，当采用8×8DCT变换时，N＝64，n＝17，当采用4×4DCT变换时，N＝16，n＝4。

(2)通过MAD准则得出的D与阈值T₀和T₁比较，如果D＜阈值T₀，则该宏块为背景块，采用SKIP编码M_Skip模式，将FLAG标志位置0，丢弃不编码不传输，解码端相应的重建块用相邻K帧相同位置块平均插值生成的边信息填补。

(3)如果T₀＜D＜T₁，则判断为低频M₁模式，FLAG标志位置1，抽取DCT变换的低频系数进行Wyner-Ziv编码，由于此类块一般为运动缓和区或只是场景的缓慢移动的区域，因此，解码端采用自适应搜索运动估计插值获得准确边信息；

(4)如果D＞T₁，则判断为全频M₂模式，FLAG标志位置2，将该图像块的全部DCT系数通过基于Turbo码的Slepian-Wolf编码器编码，解码端利用边信息联合解码进行反量化反DCT变换解码W块。由于全频模式块与参考块的相关性小，运动幅度大，采用自适应搜索的精细运动估计法获取更精确的边信息。

(5)其中对FLAG标志位采用熵编码的方式传输至解码端。

图4是平均插值算法。为了减少码率，对编码端已判断为M_Skip模式的Wyner-Ziv块，其边信息采用相邻关键帧相同位置块的像素值加权平均获得：

$W_{(2n,M_{\mathrm{skip}})}=\frac{K_{(2n-1,M_{\mathrm{skip}})}+K_{(2n+1,M_{\mathrm{skip}})}}{2}---\left(2\right)$

其中W_(2n，MSkip)为2n时刻Wyner-Ziv帧相应位置块M_Skip的像素值。

图5是自适应搜索运动估计算法。对于判断为M₁低频模式的Wyner-Ziv块，其边信息获取的步骤为：

(1)确定搜索起点。取与当前块相邻(包括左、上、右上位置)的块运动矢量经过中值滤波(即取中间值)作为当前块的搜索起始点。当前块为左边界时，左边相邻块运动矢量置零；当前块为上边界，上边相邻块的运动矢量置零；当前块为右边界时，右上相邻块的运动矢量置零。

(2)确定搜索范围。设相邻关键帧的全局运动矢量为(GM_x，GM_y)，当前块左边、上边和右上宏块进行一维x和y方向的中值滤波作为搜索起始点，记为(Ini_MV_x，Ini_MV_y)，其搜索范围：

L＝max(16，GMV＞MV？GMV：MV+1)          (3)

其中：

GMV＝max(GM_x，GM_y)

MV＝max(MV_x，MV_y)                     (4)

MV_x＝max(MV_x_i-Ini_MV_x)

MV_y＝max(MV_y_i-Ini_MV_y)

(3)获取最佳匹配运动矢量。以步骤(1)获得的搜索起始点为搜索中心，根据式(3)、(4)获得搜索范围L，(x，y)为宏块M₁中像素坐标，以SAD为评价准则获取M₁块最佳运动矢量：

${\mathrm{MV}}_0=\underset{({\mathrm{MV}}_x,{\mathrm{MV}}_y)}{\arg \min }\left[\underset{(x,y)\∈M_1}{\mathrm{\Σ}}\right|K_{(2n+1,M_1)}(x,y)-K_{(2n-1,M_1)}(x+{\mathrm{MV}}_x,y+{\mathrm{MV}}_y)\left|\right],{\mathrm{MV}}_x\∈L,{\mathrm{MV}}_y\∈L---\left(5\right)$

(4)生成M₁边信息。利用步骤(3)获得的矢量MV₀进行插值生成边信息块：

$W_{(2n,M_1)\mathrm{side}}\left(M_1(x,y)\right)=K_{(2n-1,M_1)}(M_1(x,y)+\frac{{\mathrm{MV}}_0}{2})/2+K_{(2n+1,M_1)}(M_1(x,y)-\frac{{\mathrm{MV}}_0}{2})/2---\left(6\right)$

其中，M₁(x，y)为边信息帧宏块M₁中各像素的坐标。

图6为自适应搜索精细运动估计差值算法。若Wyner-Ziv宏块判断为M2全频模式块，则表示该宏块运动剧烈，为了更接近实际运动，在边信息估计过程中，需要在自适应搜索运动估计的基础上进一步的精细运动匹配。

(1)以图4中获得的MV₀为精细估计的初始运动矢量，在相邻关键帧之间以T为第二次搜索范围的对称性精细运动估计：

$\widehat{\mathrm{MV}}=\underset{{\mathrm{MV}}_i}{\arg \min }\left[\underset{(x,y)\∈M_2}{\mathrm{\Σ}}\right|K_{(2n-1,M_2)}((x,y)-{\mathrm{MV}}_i)-K_{(2n+1,M_2)}((x,y)+{\mathrm{MV}}_i)\left|\right]{,\mathrm{MV}}_i\∈({\mathrm{MV}}_0\±T)---\left(7\right)$

(2)通过非线性运动估计内插估算出编码模式M₂的边信息块：

$W_{(2n,M_2)\mathrm{side}}\left(M_2(x,y)\right)=K_{(2n-1,M_2)}(M_2(x,y)+\frac{\widehat{\mathrm{MV}}}{2})/2+K_{(2n+1,M_2)}(M_2(x,y)-\frac{\widehat{\mathrm{MV}}}{2})/2---\left(8\right)$

其中，M₂(x，y)为边信息帧宏块M₂中各像素的坐标。

图7、8为采用本发明提出的分类组合视频编码方法的率失真曲线图。其中H.263+IBI为采用传统视频编码方法得到的试验结果。原始频域Wyner-Ziv视频编码方法为Bernd Girod提出的频域Wyner-Ziv视频编码方案的试验结果。基于DCT帧内编码为视频流采用帧内DCT量化编码的试验结果。本发明提出的频域Wyner-Ziv视频编码分类组合算法中分别采用DCT8×8和DCT4×4的DCT变换尺度，将其与上述三种实验方法进行参照比较。从mother_daughter和foreman的率失真曲线图中可以看出，在PSNR相同的情况下，与原始频域Wyner-Ziv视频编码方法相比，本发明提出的基于8×8DCT域变换的分类组合算法中大大降低了码率，在低码率时效果非常明显。由于mother_dughter序列运动缓慢，全频模式块占比重较小，大量背景块和平缓块的冗余信息被消除，且解码端对运动块采用更精确的自适应搜索窗的边信息精细估计技术，因此在降低码率的同时，重构图像质量也具有很好的恢复效果。而foreman序列由于镜头移动，运动剧烈，压缩率比mother_daughter序列略低，但是原始频域Wyner-Ziv视频编码算法相比，码率降低时，并未影响重构图像质量。

本文提出的频域改进算法分别采用大尺度(8×8)和小尺度(4×4)的DCT域变换，从图7中可看出，当采用相同量化系数时，小尺度域变换的码率比大尺度有很大提高，且图像质量也相应提高0.71dB，这是因为小尺度域变换中4×4块相关性大造成全频模块大量增加，使得码率上升，从而引起图像质量随之上升。而图8中，小尺度域变换下码率虽然增加，但由于图像运动比较剧烈，边信息生成相对不精确，所以图像信噪比未能显著提高。整体而言，在运动平缓的视频流中，本文提出的改进算法采用小尺度域变换能取得较好的效果，但是以耗费更多解码时间时间为代价。但对两幅序列而言，根据图像的运动情况来自适应的选择编码模式，都具有更好的率失真曲线图

综上所述，本发明针对Bernd Girod提出的频域Wyner-Ziv视频编码方案进行扩展和改进，在此基础上发明了一种分类组合的视频编码算法。本发明利用频域相似性和运动剧烈程度，从实际应用角度考虑，消除了编码端大量冗余数据，并根据运动剧烈程度采用不同的方法获得准确的边信息，不仅大大降低图像压缩率，也使得在同一码率下，图像解码质量得到提高。

Claims (8)

1.一种频率域分布式视频编码中的分类组合方法，其特征在于该方法在编码器添加模块分类功能，将图像分为跳过编码模式、低频模式和全频模式三个编码模式；在解码端对应不同的编码模式提出三个相应的边信息估算方法获得边信息辅助分布式解码器解码，该方法处理包括以下步骤：

步骤1：将输入图像视频偶数序列视为W帧，奇数帧视为关键帧；关键帧采用传统视频编码中的帧内编码方式编码，其解码重建帧有两个用途，一是还原视频流，一是用于边信息插值估计出边信息，

步骤2：对于W帧，首先做进行离散余弦变换DCT，采用绝对值差MAD准则判断该W帧每一宏块的编码模式后进行预处理，其编码为Skip模式、低频模式或全频模式中的一种，

步骤3：对图像宏块预处理后依次经过量化、Turbo编码器编码，编码后的校验位传送至解码端，其传至解码端的校验位数量视边信息的准确度而定，

步骤4：在解码端，通过解码重建后的关键帧估算边信息，分别对应Skip模式、低频模式和全频模式的编码方法采用平均插值、自适应搜索运动估计插值和自适应搜索运动估计精细插值边信息的估算方法获得准确的边信息，

步骤5：Turbo解码端的校验位联合步骤4获得的边信息，经过反量化，反离散余弦变换DCT变换重构W帧，

步骤6：将W帧和关键帧合并输出即得到解码码流。

2.如权利要求1所述频率域分布式视频编码中的分类组合方法，其特征在于W帧编码方法是依据图像内容的运动特征划分为Skip模式、低频模式和全频模式三种编码模式。

3.如权利要求1所述频率域分布式视频编码中的分类组合方法，其特征在于MAD准则是利用视频序列相邻帧中运动缓和区以及背景相似区的离散余弦变换DCT高频系数基本相同这一特性进行加权获得。

4.如权利要求1所述频率域分布式视频编码中的分类组合方法，其特征在于Skip模式是指当前宏块判断为背景块，在编码端丢弃当前宏块，在解码端通过其相邻关键帧相同位置的宏块进行平均插值获得边信息，此时边信息即为解码端当前需要解码宏块的重建宏块。

5.如权利要求1所述频率域分布式视频编码中的分类组合方法，其特征在于低频模式是指当前宏块判断为运动缓和块时，编码端抽取其DCT低频系数进行量化后送入Turbo编码器，解码端采用自适应搜索运动估计插值法生成边信息辅助Turbo解码器解码。

6.如权利要求1所述频率域分布式视频编码中的分类组合方法，其特征在于全频模式是指当前宏块判断为运动剧烈块时，编码端对当前宏块所有DCT系数编码，解码端采用自适应搜索精细运动估计插值法生成边信息辅助Turbo解码器解码。

7.如权利要求1所述频率域分布式视频编码中的分类组合方法，其特征在于自适应搜索运动估计插值方法是指在当前W帧的相邻关键帧中根据图像运动特性进行自适应搜索范围的运动估计寻找当前宏块的最佳匹配块的运动矢量，进行非线性插值。

8.如权利要求1所述频率域分布式视频编码中的分类组合方法，其特征在于自适应搜索运动估计精细插值方法是指将当前W帧的相邻关键帧中根据图像运动特性进行自适应搜索范围的运动估计搜索出当前宏块的运动矢量作为初始运动矢量，然后在相邻关键帧中进一步进行小范围运动估计匹配搜索，寻找最佳匹配块的运动矢量后进行非线性插值。

Images