CN102088612A - 具有鲁棒性的无反馈Wyner-Ziv视频解码器 - Google Patents

Abstract

本发明公开了一种具有鲁棒性的无反馈Wyner-Ziv视频解码器，主要解决现有无反馈分布式视频解码器中重构图像不准确的缺点。该解码器由边信息生成单元、相关噪声计算单元、LDPC解码单元、重构单元和逆DCT变换单元组成。利用该解码器进行解码的步骤是：首先，利用前后已解码关键帧生成边信息，并计算相关噪声的相关参数；其次，用LDPC解码单元对收到的比特信息进行解码；最后，对解码后的系数量化值进行重构和逆DCT变换恢复视频序列。本发明具有能区别对待重要性不同的DCT系数，有效纠正并重构解码失败的图像，提高解码Wyner-Ziv帧视频质量的优点，可用于无反馈分布式编解码系统。

Description

具有鲁棒性的无反馈Wyner-Ziv视频解码器

技术领域

本发明属于通信技术领域，涉及视频编解码器，可用于实用分布式视频编码系统和终端设备简单的视频通信系统。

背景技术

无线网络日益发展，越来越多的移动视频终端被用于多媒体通信中，如无线视频探测头、便携式摄像机等，以及广泛应用于传感器网络中的视频传感器。这些编码设备的处理能力和功耗等资源都十分有限，因此要求视频编码器简单易实现，且具有良好的抗误码性能和压缩效率。

传统的视频编码标准如MPEG、H.263和H.264等都采用非对称编码方式，编码器复杂度远大于解码器。另外，传统视频编码方法在编码端采用预测编码模式，网络传输导致的丢包或比特错误会造成编码端和解码端重构缓存的不匹配，从而出现误码扩散现象，容错能力较差，显然无法很好的适应无线网络下要求误码率低、终端设备资源受限等应用。为了解决传统视频编码在视频通信中遇到的编码器复杂、抗误码能力差等问题，国内外研究一种新的视频压缩技术——分布式视频编码方法(DVC：Distributed Video Coding)，其中Wyner-Ziv视频编码是目前国内外分布式视频编码的研究热点。

在分布式视频编码系统中，将输入视频序列分为关键帧和Wyner-Ziv帧，简称WZ帧，两者在编码端进行独立编码，解码端联合解码，如图1所示。其中关键帧采用H.264/AVC帧内编码，而对于Wyner-Ziv帧，首先对每个Wyner-Ziv帧进行4×4离散余弦变换DCT，得到DC低频系数和AC高频系数，再提取系数带，对系数带进行Zigzag扫描排序，然后对系数带进行均匀量化，对得到的量化系数提取比特面，将比特面送入LDPC编码器进行编码；解码时，首先对关键帧进行H.264/AVC帧内解码，利用解码出的前后两帧关键帧，通过运动补偿内插产生边信息SI；然后对边信息帧进行与编码端相同变换、扫描、量化和比特面提取，并送入LDPC解码器，同时相关噪声模型计算拉普拉斯参数，LDPC解码器利用收到的校验位、对应边信息系数带以及相关信息，对各个系数带从最高位平面开始依次解码；接下来，将LDPC解码器输出结果依次通过合并位平面、反量化重构和逆DCT变换得到Wyner-Ziv帧的解码图像。

Wyner-Ziv帧的重构在分布式视频编码中是一个非常重要的模块，它在无反馈Wyner-Ziv解码器里的作用就像DCT变换和量化对于图像压缩的作用一样重要，量化实际上意味着限制传输的比特面数目，而重构是逆过程，利用解码端解码量化区间，边信息和相关噪声模型参数来提高解码出的量化值精度。重构过程直接决定了解码生成Wyner-Ziv帧的图像质量，从而影响整个系统的率失真性能。

分布式视频编码系统有些采用有反馈的解码重构方法，编码得到的校验位根据解码端的反馈请求分多次递增发送，直到解码成功，这样可以在一定程度上提高系统性能，但是大大增加了解码的复杂度和时延，不利于实时视频传输，也限制了DVC系统的应用范围。因此，实现无反馈的Wyner-Ziv解码器是目前主要研究方向之一。

现有的无反馈Wyner-Ziv帧重构大体分为两类，一类是斯坦福大学采用的传统重构算法，另一类是最小均方误差-条件期望重构算法。传统重构算法是基于解码出的量化值和边信息量化值，进行简单的区间反量化；这种简单的区间反量化没有充分利用原始信息和边信息之间的相关性，重构的效果较差，于是在传统重构方法上加以改进，出现了最小均方误差-条件重构算法，将边信息与原始Wyner-Ziv帧图像之间的相关噪声模型参数考虑在内，进行条件期望重构。然而这种重构方法，缺少编码端原始图像的相关信息来辅助重构过程；重构过程没有重点考虑重要的DCT系数分量，而是对所有DCT变换后的交流系数AC分量和直流系数DC分量统一对待；没有对解码正确和解码失败的量化值进行区别对待，没有目的地进行纠错，导致重构过程陷入局部调整。这些缺点都影响了重构的准确性，进一步影响解码器生成Wyner-Ziv帧的图像质量，导致整个DVC系统的率失真性能下降。

发明内容

本发明的目的在于克服上述已有技术的缺点，提出一种具有鲁棒性的无反馈Wyner-Ziv视频解码器，以在解码端准确定位重构区间，对重要的DC系数和不重要的AC系数区别对待，重点计算LDPC解码失败的量化值，最终提高解码Wyner-Ziv帧的质量。

为实现上述目的，本发明提供的具有鲁棒性的无反馈Wyner-Ziv视频解码器，包括：

边信息生成单元：用于根据已解码的前后两个关键帧内插生成边信息SI帧，对SI帧进行离散余弦DCT变换，量化和提取比特面，并将比特信息送入低密度校验LDPC解码单元；

相关噪声计算单元：用于根据已解码的前后两个关键帧运动补偿后的残差帧R，模拟原始Wyner-Ziv帧和边信息SI帧之间的残差帧，计算相关噪声的相关参数α，并送入LDPC解码单元；

LDPC解码单元：利用收到的Wyner-Ziv帧校验位、边信息信息位以及相关噪声的相关参数，对Wyner-Ziv帧各个系数带从最高位平面开始依次解码，将解码出的量化值送入重构单元；

重构单元：利用从编码端传过来的判决门限值，对LDPC解码失败的量化值和直流DC系数量化值进行重点重构，对交流AC系数量化值进行相对简单的重构，并将重构得到的所有系数值送入逆DCT变换单元；

逆DCT变换单元：对重构单元得到的所有系数值进行逆DCT变换，恢复Wyner-Ziv图像。

根据权利要求1所述的具有鲁棒性的无反馈Wyner-Ziv视频解码器，其中重构单元包括：

判决门限计算子单元：用于在编码端计算原始Wyner-Ziv帧的DC系数量化值与边信息SI帧的DC系数量化值之差，并选出差值的最大值G，传送到解码端；

量化值分类子单元：用于根据LDPC解码结果对DC系数量化值进行分类，如果DC系数量化值的每个比特面层解码正确，则判定该DC系数量化值解码成功，否则，只要有一个比特面层解码错误，判定该DC系数量化值解码失败；

第一重构子单元：用于对解码成功的DC系数量化值进行重构，即根据解码端生成的SI帧DC系数值和相关噪声的相关参数α，运用条件期望方法重构出Wyner-Ziv帧DC系数值；

第二重构子单元：用于对解码失败的DC系数量化值进行重构，即根据编码端传送过来的数据G，如果LDPC解码出的Wyner-Ziv帧DC系数量化值与相应的SI帧DC系数量化值之差大于G，则用SI帧的DC系数量化值替代LDPC解码出的Wyner-Ziv帧DC系数量化值，再运用条件期望方法重构出Wyner-Ziv帧DC系数值；如果两者之差小于G，则在SI帧的DC系数量化值与LDPC解码出的WZ帧的DC系数量化值之间综合考虑，运用相关噪声的相关参数α重构出Wyner-Ziv帧DC系数值；

第三重构子单元：用于对AC系数量化值进行重构，即根据解码端生成的SI帧的AC系数值和相关噪声的相关参数α，运用条件期望方法重构出Wyner-Ziv帧AC系数值。

为实现上述目的，本发明具有鲁棒性的无反馈Wyner-Ziv视频解码方法，包括如下步骤：

(1)计算编码端原始Wyner-Ziv帧DC系数量化值与简单运动补偿生成的SI帧相应DC系数量化值之差，选出差值的最大值G，并传送到解码端；

(2)利用已解码的前后两个关键帧进行内插生成SI帧，并对SI帧进行DCT变换，量化和提取比特面，然后将比特信息送入LDPC解码单元；

(3)利用已解码的前后两个关键帧运动补偿后的残差帧R，模拟原始Wyner-Ziv帧和SI帧之间的残差帧，计算相关噪声的相关参数α，并送入LDPC解码单元；

(4)LDPC解码单元利用收到的编码端传过来的Wyner-Ziv帧校验位、边信息信息位以及相关噪声的相关参数α，对Wyner-Ziv帧各个系数带从最高位平面开始依次解码，如果DC系数带量化值的每个比特面层都解码正确，则为正确的DC系数量化值，否则，只要有一个比特面层解码失败，则为失败的DC系数量化值；

(5)对正确的DC系数量化值，根据解码端生成的SI帧DC系数带和相关噪声的相关参数，运用现有的条件期望重构出系数值；

(6)对失败的DC系数量化值，利用编码端传送的数据G作为判决门限，如果LDPC解码出的Wyner-Ziv系数量化值与解码端边信息相应系数量化值之差大于G，则直接用边信息系数量化值替代LDPC解码出的Wyner-Ziv系数量化值，运用现有的条件期望重构；如果两者之差小于G，则在边信息量化值与LDPC解码出的Wyner-Ziv系数量化值之间综合考虑；

(7)对AC系数量化值，根据解码端生成的边信息AC系数带和相关噪声模型AC系数分量相关参数，运用现有的条件期望重构出系数值。

(8)对重构得到的所有系数值进行逆DCT变换，恢复Wyner-Ziv帧图像。

本发明与现有技术相比具有如下优点：

(1)本发明由于利用编码端原始Wyner-Ziv帧和SI帧的相关信息来辅助解码端重构，解决了现有技术由于缺少原始图像的信息而使重构区间不能准确定位的缺点，提高了解码Wyner-Ziv帧的质量；

(2)本发明由于重点考虑DC系数的重构，而对重要性低的AC系数进行相对简单的重构，解决了现有技术不分主次统一调整重构区间的缺点，提高了解码Wyner-Ziv帧的质量；

(3)本发明由于对LDPC解码失败的量化值进行重点计算与重构，解决了现有技术没有对其做进一步处理而导致的错误传递，提高了解码Wyner-Ziv帧的质量。

附图说明

图1是本发明具有鲁棒性的无反馈Wyner-Ziv视频解码器图；

图2是本发明具有鲁棒性的无反馈Wyner-Ziv视频解码器中重构子单元图；

图3是本发明具有鲁棒性的无反馈Wyner-Ziv视频解码方法流程图；

图4是用本发明和条件期望重构对hall序列与foreman序列的客观质量比较图；

图5是用本发明和条件期望重构对hall序列的主观质量比较图；

图6是用本发明和现有条件期望重构对foreman序列的主观质量比较图。

具体实施方式

参照图1，本发明具有鲁棒性的无反馈Wyner-Ziv视频解码器，由边信息生成单元、相关噪声计算单元、LDPC解码单元、重构单元和逆DCT变换单元五部分组成，其中：

边信息生成单元，利用已解码的前后两个关键帧内插生成SI帧，并对SI帧进行DCT变换，量化和提取比特面，并分别将SI帧送人相关噪声计算单元，SI帧的DCT系数送到重构单元，比特信息送入LDPC解码单元；

相关噪声计算单元，根据边信息生成单元中的SI帧，利用已解码的前后两个关键帧运动补偿后的残差帧R模拟原始Wyner-Ziv帧和SI帧之间的残差帧，计算相关噪声的相关参数α，并将相关参数α送入LDPC解码单元和重构单元；

LDPC解码单元，利用收到的编码端传过来的Wyner-Ziv帧校验位、边信息生成单元中的边信息信息位以及相关噪声计算单元中的相关参数α，对Wyner-Ziv帧各个系数带量化值从最高位平面开始依次解码，并将解码后的系数量化值送入重构单元；

重构单元，由量化值分类子单元、判决门限子单元、第一重构子单元、第二重构子单元和第三重构子单元组成，如图2所示。量化值分类子单元对LDPC解码单元得到的量化值分成解码正确的DC系数量化值、解码错误的DC系数量化值和AC系数量化值；利用相关噪声计算单元计算的相关参数α和边信息生成单元得到的DCT系数，把解码正确的DC系数量化值送入第一重构子单元进行重构；把解码错误的DC系数量化值送入第二重构子单元进行重构；把AC系数量化值送入第三重构子单元进行重构；再分别将第一重构子单元、第二重构子单元和第三重构子单元得到的系数值送入逆DCT单元；

逆DCT变换单元，对重构单元得到的所有系数值进行逆DCT变换，恢复Wyner-Ziv帧，然后与已解码关键帧合并，得到整个视频序列。

参照图3，本发明中具有鲁棒性的无反馈Wyner-Ziv视频解码方法，其实现步骤包括如下：

步骤1，在编码端计算原始Wyner-Ziv帧DC系数量化值与编码端简单运动补偿生成的SI帧相应DC系数量化值之差，选出每帧量化差值的最大值G，将其传送到解码端，辅助解码端进行正确解码。

步骤2，利用已解码的前后两个关键帧内插生成SI帧，并对SI帧进行DCT变换，得到DCT系数y；再对DCT系数进行量化，得到系数量化值；最后对系数量化值提取比特面后得到比特信息，并将比特信息送入步骤4中的LDPC解码单元进行解码。

步骤3，利用已解码的前后两个关键帧运动补偿后的残差帧R模拟原始Wyner-Ziv帧和步骤2得到的SI帧之间的残差帧，计算相关噪声的相关参数α，并送入LDPC解码单元，其中相关噪声的相关参数α的计算公式如下：

$\mathrm{\α}=\sqrt{\frac{2}{{\∂}^2}}---1)$

其中

为残差帧R的方差。

步骤4，LDPC解码单元利用收到的编码端传过来的Wyner-Ziv帧校验位、对应边信息信息位以及步骤3得到的相关噪声的相关参数α，对Wyner-Ziv帧各个系数带量化值从最高位平面开始依次解码，解码出的量化符号为q′_i，q′_i所在的量化区间的上下限分别为z_i，z_i+1。

步骤5，对步骤4解码出的系数量化值q′_i进行分类，并选择不同的重构方法进行重构。

5.1)若步骤4解码出的系数量化值q′_i为AC系数量化值，则利用步骤8的方法进行重构；

5.2)若步骤4解码出的系数量化值q′_i为DC系数量化值，则需要根据步骤4中LDPC解码单元得到的结果对解码量化值进行分类，如果DC系数量化值的每个比特面层都解码正确，则为解码正确的DC系数量化值，利用步骤6进行重构，否则，只要有一个比特面层解码失败，则为解码失败的DC系数量化值，则利用步骤7的进行重构。

步骤6，对于解码正确的DC系数量化值，根据步骤2得到的解码端生成的边信息DC系数和步骤3中对应的相关噪声的相关参数α，运用现有的条件期望重构出系数值x′：

$x^{\′}=E\left[x\right|x\∈[z_i,z_{i+1}),y]=\frac{{\∫}_{z_i}^{z_{i+1}}x{f}_{X|y}\left(x\right)\mathrm{dx}}{{\∫}_{\mathrm{zi}}^{z_{i+1}}{f}_{X|y}\left(x\right)\mathrm{dx}}---2)$

式中f_X|y(x)是给定y时x的条件概率密度，满足拉普拉斯分布：

$f_{X|y}\left(x\right)=\frac{\mathrm{\α}}{2}{e}^{-\mathrm{\α}|x-y|}.---3)$

步骤7，对于解码失败的DC系数量化值，利用编码端传送的数据G作为判决门限，采用以下步骤计算：

7.1)如果LDPC解码出的WZ系数量化值与解码端边信息相应系数量化值之差大于G，说明边信息比较准，则直接用边信息系数量化值替代LDPC解码出的WZ系数量化值，运用现有的条件期望重构出系数值x′：

$x^{\′}=E\left[x\right|x\∈[y_i,y_{i+1}),y]=\frac{{\∫}_{y_i}^{y_{i+1}}x{f}_{X|y}\left(x\right)\mathrm{dx}}{{\∫}_{\mathrm{yi}}^{y_{i+1}}{f}_{X|y}\left(x\right)\mathrm{dx}}---4)$

式中y_i，y_i+1是SI帧确定量化区间的上下限；

7.2)如果LDPC解码出的WZ系数量化值与解码端边信息相应系数量化值之差之差小于G，则在边信息DC系数量化值与LDPC解码出的Wyner-Ziv帧的DC系数量化值之间综合考虑，如下式：

$x^{\&prime;}=\left\{\begin{array}{c}\frac{z_i+z_{i+1}}{2}+k\&CenterDot;\mathrm{\&alpha;}(y-\frac{z_i+z_{i+1}}{2}),y>z_{i+1}\\ E\left[x\right|x\&Element;[z_i,z_{i+1}),y],z_i<y<z_{i+1}\\ \frac{z_i+z_{i+1}}{2}-k\&CenterDot;\mathrm{\&alpha;}(\frac{z_i+z_{i+1}}{2}-y),y<z_i\end{array}\right.---5)$

式中k为经验值，取值范围为0.5～1.5.

步骤8，对于AC系数量化值，根据步骤2中解码端生成的边信息AC系数和步骤3中对应的相关噪声的相关参数α，运用现有的条件期望方法重构出系数值x′：

$x^{\&prime;}=E\left[x\right|x\&Element;[z_i,z_{i+1}),y]=\frac{{\&Integral;}_{z_i}^{z_{i+1}}x{f}_{X|y}\left(x\right)\mathrm{dx}}{{\&Integral;}_{\mathrm{zi}}^{z_{i+1}}{f}_{X|y}\left(x\right)\mathrm{dx}}---6)$

步骤9，对步骤6、步骤7和步骤8重构得到的所有系数值进行逆DCT变换，恢复Wyner-Ziv帧，然后与已解码关键帧合并，得到整个视频序列。

本发明的效果通过以下实验进一步说明：

1)实验条件

硬件环境：CPU AMD Athlon(tm)64，2.10GHZ，448MB内存；

GOP结构：关键帧，Wyner-Ziv帧，关键帧，Wyner-Ziv帧，......；

搜索范围：32像素；

块尺寸：8×8像素；

重叠块尺寸：12×12像素

搜索精度：整像素精度、1/2像素精度；

参考序列：hall，foreman；

分辨率：176×144；

参考序列条件见表1。

表1 测试序列条件

2)实验内容及结果

实验1：

统计各参考序列在上述实验条件下，采用现有条件期望重构解码方法和本发明提出的具有鲁棒性的无反馈Wyner-Ziv视频解码方法，重构Wyner-Ziv帧的客观质量比较，实验结果见图4，其中：

图4(a)是“hall”序列在相同实验条件下，使用本发明和现有条件期望重构解码方法后Wyner-Ziv帧图像的PSNR值。

图4(b)是“foreman”序列在相同实验条件下，使用本发明和现有条件期望重构解码方法后Wyner-Ziv帧图像的PSNR值。

由图4可以看出，在相同实验条件下，本发明提出的具有鲁棒性的无反馈Wyner-Ziv视频解码方法明显提高了Wyner-Ziv帧的PSNR值，即提高了生成Wyner-Ziv帧的客观质量。

实验2：

统计各参考序列在上述实验条件下，采用本发明提出的具有鲁棒性的无反馈Wyner-Ziv视频解码方法和现有条件期望重构解码方法，重构Wyner-Ziv帧的主观质量比较，实验结果见图4和图5。

图5给出了“hall”序列在相同实验条件下，使用不同方法重构Wyner-Ziv帧图像的主观质量对比。其中图5(a)是现有条件期望重构解码方法生成的Wyner-Ziv帧图像第66帧，图5(b)是本发明具有鲁棒性的无反馈Wyner-Ziv视频解码方法生成的Wyner-Ziv帧图像第66帧。

图6给出了“foreman”序列在相同实验条件下，使用不同方法重构Wyner-Ziv图像的主观质量对比。其中图6(a)是现有条件期望重构解码方法生成的Wyner-Ziv帧图像第79帧，图6(b)是本发明具有鲁棒性的无反馈Wyner-Ziv视频解码方法生成的Wyner-Ziv帧图像第79帧。

由图5和图6可以看出，在相同实验条件下，本发明提出的具有鲁棒性的无反馈Wyner-Ziv视频解码方法，明显改善了生成的Wyner-Ziv帧的块效应和重影现象等，提高了生成的Wyner-Ziv帧图像的主观质量。

Claims (3)

1.一种具有鲁棒性的无反馈Wyner-Ziv视频解码器，包括：

边信息生成单元：用于根据已解码的前后两个关键帧内插生成边信息SI帧，对SI帧进行离散余弦DCT变换，量化和提取比特面，并将比特信息送入低密度校验LDPC解码单元；

相关噪声计算单元：用于根据已解码的前后两个关键帧运动补偿后的残差帧R，模拟原始Wyner-Ziv帧和边信息SI帧之间的残差帧，计算相关噪声的相关参数α，并送入LDPC解码单元；

LDPC解码单元：利用收到的Wyner-Ziv帧校验位、边信息信息位以及相关噪声的相关参数，对Wyner-Ziv帧各个系数带从最高位平面开始依次解码，将解码出的量化值送入重构单元；

重构单元：利用从编码端传过来的判决门限值，对LDPC解码失败的量化值和直流DC系数量化值进行重点重构，对交流AC系数量化值进行相对简单的重构，并将重构得到的所有系数值送入逆DCT变换单元；

逆DCT变换单元：对重构单元得到的所有系数值进行逆DCT变换，恢复Wyner-Ziv图像。

2.根据权利要求1所述的具有鲁棒性的无反馈Wyner-Ziv视频解码器，其中重构单元包括：

判决门限计算子单元：用于在编码端计算原始Wyner-Ziv帧的DC系数量化值与边信息SI帧的DC系数量化值之差，并选出差值的最大值G，传送到解码端；

量化值分类子单元：用于根据LDPC解码结果对DC系数量化值进行分类，如果DC系数量化值的每个比特面层解码正确，则判定该DC系数量化值解码成功，否则，只要有一个比特面层解码错误，判定该DC系数量化值解码失败；

第一重构子单元：用于对解码成功的DC系数量化值进行重构，即根据解码端生成的SI帧DC系数值和相关噪声的相关参数α，运用条件期望方法重构出Wyner-Ziv帧DC系数值；

第二重构子单元：用于对解码失败的DC系数量化值进行重构，即根据编码端传送过来的数据G，如果LDPC解码出的Wyner-Ziv帧DC系数量化值与相应的SI帧DC系数量化值之差大于G，则用SI帧的DC系数量化值替代LDPC解码出的Wyner-Ziv帧DC系数量化值，再运用条件期望方法重构出Wyner-Ziv帧DC系数值；如果两者之差小于G，则在SI帧的DC系数量化值与LDPC解码出的WZ帧的DC系数量化值之间综合考虑，运用相关噪声的相关参数α重构出Wyner-Ziv帧DC系数值；

第三重构子单元：用于对AC系数量化值进行重构，即根据解码端生成的SI帧的AC系数值和相关噪声的相关参数α，运用条件期望方法重构出Wyner-Ziv帧AC系数值。

3.一种利用权利要求1视频解码器进行解码的方法，包括如下步骤：

(1)计算编码端原始Wyner-Ziv帧DC系数量化值与简单运动补偿生成的SI帧相应DC系数量化值之差，选出差值的最大值G，并传送到解码端；

(2)利用已解码的前后两个关键帧进行内插生成SI帧，并对SI帧进行DCT变换，量化和提取比特面，然后将比特信息送入LDPC解码单元；

(3)利用已解码的前后两个关键帧运动补偿后的残差帧R，模拟原始Wyner-Ziv帧和SI帧之间的残差帧，计算相关噪声的相关参数α，并送入LDPC解码单元；

(4)LDPC解码单元利用收到的编码端传过来的Wyner-Ziv帧校验位、边信息信息位以及相关噪声的相关参数α，对Wyner-Ziv帧各个系数带从最高位平面开始依次解码，如果DC系数带量化值的每个比特面层都解码正确，则为正确的DC系数量化值，否则，只要有一个比特面层解码失败，则为失败的DC系数量化值；

(5)对正确的DC系数量化值，根据解码端生成的SI帧DC系数带和相关噪声的相关参数，运用现有的条件期望重构出系数值；

(6)对失败的DC系数量化值，利用编码端传送的数据G作为判决门限，如果LDPC解码出的Wyner-Ziv系数量化值与解码端边信息相应系数量化值之差大于G，则直接用边信息系数量化值替代LDPC解码出的Wyner-Ziv系数量化值，运用现有的条件期望重构；如果两者之差小于G，则在边信息量化值与LDPC解码出的Wyner-Ziv系数量化值之间综合考虑；

(7)对AC系数量化值，根据解码端生成的边信息AC系数带和相关噪声模型AC系数分量相关参数，运用现有的条件期望重构出系数值。

(8)对重构得到的所有系数值进行逆DCT变换，恢复Wyner-Ziv帧图像。

Images