CN102572435A - 基于压缩采样的视频编解码系统及其方法 - Google Patents
基于压缩采样的视频编解码系统及其方法 Download PDFInfo
- Publication number
- CN102572435A CN102572435A CN2012100121721A CN201210012172A CN102572435A CN 102572435 A CN102572435 A CN 102572435A CN 2012100121721 A CN2012100121721 A CN 2012100121721A CN 201210012172 A CN201210012172 A CN 201210012172A CN 102572435 A CN102572435 A CN 102572435A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- block
- key frame
- dct
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005070 sampling Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000007906 compression Methods 0.000 claims abstract description 65
- 230000006835 compression Effects 0.000 claims abstract description 65
- 230000015572 biosynthetic process Effects 0.000 claims description 22
- 238000003786 synthesis reaction Methods 0.000 claims description 22
- 230000009466 transformation Effects 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 18
- 238000013139 quantization Methods 0.000 claims description 18
- 230000000903 blocking effect Effects 0.000 claims description 15
- 238000005516 engineering process Methods 0.000 claims description 15
- 239000013598 vector Substances 0.000 claims description 12
- 230000003044 adaptive effect Effects 0.000 claims description 11
- 238000003709 image segmentation Methods 0.000 claims description 11
- 238000011084 recovery Methods 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 6
- 238000004806 packaging method and process Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 2
- 230000000717 retained effect Effects 0.000 claims description 2
- 230000002194 synthesizing effect Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 8
- 230000001131 transforming effect Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 2
- 101100122750 Caenorhabditis elegans gop-2 gene Proteins 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
Images
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明公开了一种基于压缩采样(CS)的视频编解码系统及其方法,涉及图像压缩技术领域。本视频编解码系统由基于CS视频编码器子系统(100)和基于CS视频解码器子系统(200)组成;基于CS视频编码器子系统(100)在视频发送端实现对输入视频序列图像的压缩编码,产生视频压缩码流;基于CS视频解码器子系统(200)在视频接收端实现对接收的视频压缩码流进行解码,重建原视频序列图像。本发明在实现低复杂度编码的同时,能有效提高压缩效率和重建图像质量,满足无线视频相机与无线视频监控等应用的需要。
Description
技术领域
本发明涉及图像压缩技术领域,尤其涉及一种基于压缩采样的视频编解码系统及其方法。
背景技术
传统的视频编码方法是通过在编码端引入运动估计和运动补偿的技术来降低相邻帧差值图像的冗余信息,有效提高了视频图像的编码效率。这种视频编码方法采用了联合编码和联合解码技术,具有编码端复杂而解码端相对简单的特点,这种编码方法适合用于如广播、视频流的点播服务等,这里的视频序列只需编码一次但是需要在多个终端上进行解码的应用。但是,这种传统的视频编码方法不适合用于新兴的要求编码端硬件资源和系统功耗受限的视频编码应用,如无线视频相机和无线低功耗视频监控等。近年来发展起来的分布式视频编码提出采用编码端独立编码和解码端联合解码的技术,将编码端的复杂计算转移到解码端,从而为满足上述应用提供了有效选择。分布式视频编码的提出是基于Slepian-Wolf和Wyner-Ziv的分布式信源编码理论,具体实现在于视频各帧图像在编码端采用帧内编码而在解码端利用得到的边信息进行有条件解码。分布式信源编码理论揭示了相关信号采用独立编码联合解码的方式可以达到联合编码联合解码同样的压缩性能。传统的分布式视频编码采用在图像像素域或是变换域利用信道编码产生校验信息位,解码端利用接收到的校验信息位和图像帧的边信息解码恢复该帧图像。传统的基于信道码的分布式视频编码大都基于位级运算实现,具有运算效率不高等缺点【参见文献:[1]B.Girod,A.M.Aaron,et al.,Distributed video coding,Proc.of IEEE,vol.93,no.1,pp71-83,Jan2005.】。
近年来提出的压缩采样理论为降低稀疏信号的采样率,以及在信号采样的同时完成数据压缩提供了重要的理论基础【参见文献:[2]D.L.Donoho,Compressive sensing,IEEE Trans.Inform.Theory,vol.52,no.4,pp.1289-306,Apr.2006;[3]E.J.Candes and M.B.Wakin,An introductionof compressive sampling,IEEE Trans,Signal Processing Mag.,vol.24,no.5,pp.67-76,Sep.2007】。压缩采样由于具有解码复杂而编码简单的特点,因此也为实现分布式视频编码提供了一种新的思路【参见文献:[4]J.Prades-Nebor,Y.Ma,and T.Huang,Distributed video coding using using compressivesampling,Proceedings of the 27th conference on Picture Coding Symposium,pp.1-4,May 2009】。但是,采用传统压缩采样方法直接用于压缩编码存在压缩效率较低的缺陷【参见文献:[5]V.K.Goyal,A.K.Fletcher,S.Rangan,Compressive Sampling and Lossy Compression,IEEE Signal ProcessingMagazine,voll.25,no.2,pp.48-56,Mar 2008】。
发明内容
本发明的目的就在于克服现有技术存在的问题和不足,提供一种基于压缩采样的视频编解码系统及其方法。本发明在实现低复杂度视频编码的同时,有效提高编码效率和重构图像质量。
本发明的目的是这样实现的:
基本思路
为了实现低复杂度视频编码,系统总体采用在编码端执行各图像帧独立编码而解码端执行联合解码的分布式视频编码框架,因其在编码端消除了运动估计可有效降低系统实现的复杂度,而通过在解码端探索图像帧间的相关性提升压缩效率。如同已有文献中提出的分布式视频编码方法,本发明继续采用对输入的视频序列图像首先分为关键帧和非关键帧,然后对关键帧采用传统帧内编码技术进行压缩编码;为了进一步提升对非关键帧图像压缩的压缩效率,本发明采用基于压缩采样的压缩编码技术,具体通过对该图像帧在DCT域的自适应系数截断选取技术实现。为了提升非关键帧图像的重建质量,本发明采用基于压缩采样的非关键帧图像预测,以及基于非关键帧预测图像DCT变换重建编码端截断丢失的非关键帧图像DCT系数的技术。
一、基于压缩采样的视频编解码系统
本系统由基于CS视频编码器子系统和基于CS视频解码器子系统组成;基于CS视频编码器子系统在视频发送端实现对输入视频序列图像的压缩编码,产生视频压缩码流;基于CS视频解码器子系统在视频接收端实现对接收的视频压缩码流进行解码,重建原视频序列图像;
基于CS视频编码器子系统包括序列图像分割模块和传统帧内图像编码模块;
设置有基于CS帧内图像编码模块;
基于CS帧内图像编码模块包括图像分块DCT模块和量化熵编码模块;
设置有块稀疏性检测模块和块自适应压缩采样模块;
其交互关系是:
序列图像分割模块分别与传统帧内图像编码模块和基于CS帧内图像编码模块并行交互;图像分块DCT模块、块自适应压缩采样模块、量化熵编码模块依次交互;块稀疏性检测模块的输入端与图像分块DCT模块交互,块稀疏性检测模块的输出端交互到块自适应压缩采样模块;
基于CS视频解码器子系统包括传统帧内图像解码模块和序列图像合成模块;
设置有基于CS帧间联合解码模块;
基于CS帧间联合解码模块包括熵解码去量化模块、块IDCT图像合成模块;
设置有非关键帧块预测模块、块DCT模块和DCT系数重建模块;
其交互关系是:
传统帧内图像解码模块、非关键帧块预测模块、DCT模块依次交互;熵解码去量化模块、块DCT系数重建模块、块IDCT图像合成模块依次交互;熵解码去量化模块也交互到非关键预测模块,DCT模块也交互到块DCT系数重建模块;序列图像合成模块并行交互到传统帧内图像解码模块和块IDCT图像合成模块的输出端。
二、基于压缩采样的视频编解码方法
本方法包括:基于压缩采样的视频编码方法,用于完成对输入视频的压缩编码;基于压缩采样的视频解码方法,用于完成对接收到的压缩视频的恢复重建;
基于压缩采样的视频编码方法包括以下步骤:
第1,开始;
第2,基于CS视频编码器子系统的序列图像分割模块将输入的原始视频序列分割成多个图像组,并将每组图像的第一帧定义为关键帧,其它帧图像定义为非关键帧;
第3,采用传统帧内编码技术(如JPEG、JPEG2000或MPEGx等)对每组图像的关键帧图像进行帧内编码,打包形成关键帧图像的第1压缩码流;
第4,对非关键帧图像进行基于分块的DCT变换,得到图像的分块DCT表示;
第5,基于图像分块的DCT表示确定非关键帧各图像块的相对稀疏性:
①计算各图像块DCT系数的交流分量的绝对值的和Ai;
②计算整幅图像各图像块DCT系数的全部交流分量的绝对值的和A=∑Ai;
③计算各图像块的稀疏性的相对值RSi=Ai/A;
第6,根据各图像块的相对稀疏性和压缩比要求自适应截断选取非关键帧各图像块的DCT系数:按照之字形扫描顺序选取相应个数的DCT系数的低频分量,舍弃掉其余的高频分量;
第7,对选取的非关键帧的DCT系数进行量化和熵编码,打包形成非关键帧图像的第2压缩码流:量化选用标量量化,熵编码采用霍夫曼编码或自适应二元算术编码。
基于压缩采样的视频解码方法包括以下步骤:
第1,开始;
第2,采用传统帧内图像解码技术(如JPEG、JPEG2000或MPEGx等)对接收的关键帧图像的第1压缩码流进行解码,得到重建的关键帧图像;
第3,对接收的非关键帧图像的第2压缩码流进行熵解码和去量化(去量化选用与编码器端对应的去标量量化技术,熵解码采用霍夫曼解码或自适应二元算术解码等),得到非关键帧各图像块截断选取的DCT系数的重建结果,并表示为di;
第4,根据已解码的前后关键帧图像和截断选取的DCT系数的重建结果di,采用压缩采样恢复方法得到非关键帧各图像块的预测表示:
①设定预测窗口的大小为(B1+2s1)×(B2+2s2),其中B1×B2为非关键帧图像分块的大小,s1、s2为大于0的整数;
②以非关键帧第i图像块所处位置为中心,在前后已解码关键帧图像对应处选取大小为(B1+2s1)×(B2+2s2)的预测窗口区域XI1和XI2;
③分别从预测窗口区域XI1和XI2的左上角开始从左至右、从上至下选取对应大小为B1×B2图像块Xj,分别进行DCT变换并按之字形扫描顺序截断选取其低频分量(使其维数与di的维数相同),以及矢量化表示为列矢量
⑤求解min||α||1,di=Dα,得矢量α的解;
⑥计算∑αjXj(αj为矢量α的第j项的值),得到第i图像块的预测值,表示为Yi;
⑦重复步骤②~⑥,直至计算出非关键帧所有图像块的预测值;
第5,对非关键帧图像块的预测值进行DCT变换,得到各预测图像块的DCT表示;
第6,对非关键帧图像块的截断选取的DCT系数的重建结果与预测图像块的DCT表示进行合并处理,得到非关键帧各图像块的DCT表示的重建结果:
③重复步骤①~②,得到非关键帧所有图像块的重建DCT系数的矢量化表示;
第7,对非关键帧各图像块的DCT系数的重建表示进行IDCT变换,得到各图像块的重建表示,并将其进行合并处理得到非关键帧图像的重建结果;
第8,将已重建恢复的各关键帧图像和非关键帧图像进行合成,得到重建的视频序列图像。
对比现有技术,本发明具有下列优点和积极效果:
①通过采用基于DCT域的系数截断选取压缩采样处理,能够有效提高非关键帧图像的压缩比率,而且实现简单;
②通过采用基于图像块的相对稀疏性的检测,对不同块自适应地分配不同的测量维数,大大提高了压缩采样的效率;
③通过采用压缩采样恢复的方法得到非关键帧图像块的预测值,经过DCT变换得到非关键帧图像块截断丢失的DCT系数的重建表示,能够大大提高非关键帧图像的重建质量;
④在实现低复杂度编码的同时,能有效提高压缩效率和重建图像质量,满足无线视频相机与无线视频监控等应用的需要。
附图说明
图1是本系统的结构方框图;
其中,
100-基于CS视频编码器子系统,
110-基于CS帧内图像编码模块,
111-块稀疏性检测模块,
112-块自适应压缩采样模块,
113-图像分块DCT模块,
114-量化熵编码模块,
120-序列图像分割模块,
130-传统帧内图像编码模块,
200-基于CS视频解码器子系统,
210-基于CS帧间联合解码模块,
211-非关键帧块预测模块,
212-DCT模块,
213-块DCT系数重建模块,
214-熵解码去量化模块,
215-块IDCT图像合成模块,
220-传统帧内图像解码模块,
230-序列图像合成模块。
【英文缩略语】
1、CS:Compressive Sampling(压缩采样);
2、DCT:Discrete Cosine Transform(离散余弦变换);
3、IDCT:Inverse discrete cosine transform(离散余弦逆变换)。
具体实施方式
下面结合附图和实施实例对本发明详细说明:
一、系统
1、总体
如图1,本系统由基于CS视频编码器子系统100和基于CS视频解码器子系统200组成;基于CS视频编码器子系统100在视频发送端实现对输入视频序列图像的压缩编码,产生视频压缩码流;基于CS视频解码器子系统200在视频接收端实现对接收的视频压缩码流进行解码,重建原视频序列图像。
1)基于CS视频编码器子系统100
基于CS视频编码器子系统100包括序列图像分割模块120、传统帧内图像编码模块130;
设置有基于CS帧内图像编码模块110;
基于CS帧内图像编码模块110包括图像分块DCT模块113和量化熵编码模块114;
设置有块稀疏性检测模块111和块自适应压缩采样模块112;
其交互关系是:
序列图像分割模块120分别与传统帧内图像编码模块130和基于CS帧内图像编码模块110并行交互;图像分块DCT模块113、块自适应压缩采样模块112、量化熵编码模块114依次交互;块稀疏性检测模块111的输入端与图像分块DCT模块113交互,块稀疏性检测模块111的输出端交互到块自适应压缩采样模块112。
序列图像分割模块120负责将输入的原始视频序列图像分割成多组图像,其中每组图像包括一帧关键帧图像和几帧非关键帧图像;
传统帧内图像编码模块130负责将输入的关键帧图像采用传统帧内图像编码技术进行压缩编码,并形成相应的第1压缩码流;
图像分块DCT模块113负责将输入的非关键帧图像进行分块DCT变换;
块稀疏性检测模块111负责根据输入的非关键帧各图像块的DCT表示,确定各图像块在整幅图像中的稀疏性的相对值;
块自适应压缩采样模块112负责将非关键帧各图像块的DCT表示根据该图像块稀疏性的相对值以及给定的压缩比要求,自适应截断压缩选取该图像块的DCT系数;
量化熵编码模块114负责对截断压缩选取的DCT系数进行量化和熵编码,形成非关键帧图像的第2压缩码流。
2)基于CS视频解码器子系统200
基于CS视频解码器子系统200包括传统帧内图像解码模块220和序列图像合成模块230;
设置有基于CS帧间联合解码模块210;
基于CS帧间联合解码模块210包括熵解码去量化模块211、块IDCT图像合成模块215;
设置有非关键帧块预测模块211、块DCT模块212和DCT系数重建模块213;
其交互关系是:
传统帧内图像解码模块220、非关键帧块预测模块211、DCT模块212依次交互;熵解码去量化模块214、块DCT系数重建模块213、块IDCT图像合成模块215依次交互;熵解码去量化模块215也交互到非关键预测模块211,DCT模块212也交互到块DCT系数重建模块213;序列图像合成模块230并行交互到传统帧内图像解码模块220和块IDCT图像合成模块215的输出端。
传统帧内图像解码模块220负责将接收的关键帧图像的第1压缩码流,采用传统帧内图像解码技术进行解码,恢复重建关键帧图像;
熵编码去量化模块214负责将接收的非关键帧图像的第2压缩码流进行熵解码和去量化处理,得到截断选取的非关键帧各图像块的DCT系数的重建表示;
非关键帧块预测模块211负责根据已解码的关键帧图像和非关键帧图像块的截断选取的DCT系数的重建表示,采用压缩采样恢复方法得到非关键帧各图像块的预测值;
DCT模块212负责对接收的非关键帧图像块的预测值进行DCT变换;
块DCT系数重建模块213负责根据接收的非关键图像块的截断选取的DCT系数的重建表示和DCT模块产生的非关键帧预测图像块的DCT表示,通过合并处理得到非关键帧图像块的DCT系数的重建表示;
块IDCT图像合成模块215负责将接收的非关键帧图像块的DCT系数的重建表示进行IDCT变换,得到非关键帧各图像块的重建表示,并合并重建的各图像块得到非关键帧图像的重建表示;
序列图像合成模块230负责将接收的关键帧图像和非关键帧图像的重建表示进行合并处理得到原始视频序列图像的重建表示。
2、工作原理
基于CS视频编码器子系统100的工作原理:序列图像分割模块120首先将输入的视频序列图像分割成大小一致的多组图像,其中每组图像包括一帧关键帧图像和若干帧(一般可取为1、2或4等)非关键帧图像;关键帧图像被送入传统帧内图像编码模块130进行压缩编码,并产生相应的第1压缩码流;非关键帧图像首先送入基于CS帧内图像编码模块110的图像分块DCT模块113依次进行图像分块和基于分块图像的DCT变换,得到非关键帧各图像块的DCT表示;块稀疏性检测模块111根据各分块图像的DCT表示,计算得到各分块图像的相对稀疏性;块自适应压缩采样模块112根据图像块的相对稀疏性和限定的图像压缩比要求,自适应截断选取各图像块的DCT表示;量化熵编码模块114对截断选取的各图像块的DCT表示进行量化和熵编码,产生非关键帧图像的第2压缩码流。
基于CS视频解码器子系统200的工作原理:基于CS视频编码器子系统100形成的第1压缩码流首先传送到基于CS视频解码器子系统200的传统帧内图像解码模块220进行解码,得到被编码视频序列的关键帧图像的重建结果;基于CS视频编码器子系统100传送到基于CS视频解码器子系统200的第2压缩码流被传送到基于CS帧间联合解码模块210的熵解码去量化模块214进行熵解码和去量化处理,得到非关键帧各图像块截断选取的DCT系数的重建表示;非关键帧块预测模块211根据熵解码去量化模块214的输出和传统帧内图像解码模块220的输出,采用压缩采样恢复方法得到非关键各图像块的预测值;非关键帧块预测模块211的输出送到DCT模块212进行DCT变换,得到各图像块预测值的DCT表示;熵解码去量化模块214的输出和DCT模块212的输出送到块DCT系数重建模块213进行合并处理,得到非关键帧各图像块的DCT表示的重建结果;块DCT系数重建模块213的输出送到块IDCT图像合成模块215进行IDCT变换并进行拼接,得到非关键帧图像的重建结果;块IDCT图像合成模块215输出的重建的非关键帧图像和传统帧内图像解码模块220输出的关键帧重建图像送入到序列图像合成模块230进行合成处理,得到原始视频序列的重建结果。
3、新设置的功能模块
1)块稀疏性检测模块111
块稀疏性检测模块111的功能是根据图像的分块DCT表示,得到各图像块的相对稀疏性表示,其工作流程是:
①计算图像各块的DCT表示的交流系数分量的绝对值和;
②计算整幅图像所有块的DCT表示的交流系数分量的绝对值的和;
③计算①中结果与②中结果的比值,得各图像块的相对稀疏性的表示。
2)块自适应压缩采样模块112
块自适应压缩采样模块112的功能是根据块稀疏性检测模块111得到的各图像块的相对稀疏性,自适应地截断选取各图像块的DCT系数,其工作流程是:
①根据各分块图像的相对稀疏性和压缩比要求,确定各图像块的测量维数;
②根据①中确定的各图像块的测量维数,截断选取各图像块的对应维数的DCT系数。
3)非关键帧块预测模块211
非关键帧块预测模块211的功能是根据传统帧内图像解码模块220输出的已解码的关键帧图像,和熵解码去量化模块214输出的非关键帧各图像块的DCT系数,得到非关键帧各图像块的预测表示,其工作流程是:
①选取非关键帧图像块在其前后关键帧对应位置处大小合适的图像窗;
②在图像窗中滑动选取与非关键帧图像块大小相同的所有不同的图像块;
③根据②中各图像块的DCT表示和已解码的非关键帧当前图像块的DCT表示,通过求解压缩采样恢复的方法得到由关键帧图像块线性表示非关键帧图像块的系数矢量;
④根据③中得到的系数矢量和②中各图像块,通过线性叠加运算得到非关键帧图像块的预测表示。
4)DCT模块212
DCT模块212的功能是进行DCT变换,得到输入图像块的DCT表示,其工作流程是:非关键帧块预测模块211产生的图像块预测值输入到该模块进行DCT变换。
5)块DCT系数重建模块213
块DCT系数重建模块213的功能是根据熵解码去量化模块214的输出和DCT模块212的输出,得到非关键帧各图像块的DCT系数的重建表示,其工作流程是:
①截断选取DCT模块212输出的预测图像块的DCT系数;
②将①中结果与熵解码去量化模块214的输出进行合并,得到非关键帧图像块的DCT系数的重建表示。
二、仿真实验
为了证明本发明的有效性,我们在MATLAB平台下进行了仿真实验,实验比较结果如表1所示。实验中的图像分组大小选取为GOP=2,图像分块大小选取为8×8,图像预测窗口大小选取为16×16,选取二维DCT执行稀疏变换,采用JPEG量化表进行变换域系数量化。
表1:PSNR性能比较结果(dB)
注:
“直接重建”表示将原图像进行变换、JPEG量化、JPEG去量化、逆变换重建原图像;
“直接采样重建”表示将原图像进行变换、JPEG量化、JPEG去量化、系数截断压缩采样、逆变换重建原图像;测量比率定义为保留系数的维数与原图像维数的比值。
Claims (7)
1.一种基于压缩采样的视频编解码系统,其特征在于:
由基于CS视频编码器子系统(100)和基于CS视频解码器子系统(200)组成;基于CS视频编码器子系统(100)在视频发送端实现对输入视频序列图像的压缩编码,产生视频压缩码流;基于CS视频解码器子系统(200)在视频接收端实现对接收的视频压缩码流进行解码,重建原视频序列图像;
所述的基于CS视频编码器子系统(100)包括序列图像分割模块(120)、传统帧内图像编码模块(130);
设置有基于CS帧内图像编码模块(110);
所述基于CS帧内图像编码模块(110)包括图像分块DCT模块(113)和量化熵编码模块(114);
设置有块稀疏性检测模块(111)和块自适应压缩采样模块(112);
其交互关系是:
序列图像分割模块(120)分别与传统帧内图像编码模块(130)和基于CS帧内图像编码模块(110)并行交互;图像分块DCT模块(113)、块自适应压缩采样模块(112)、量化熵编码模块(114)依次交互;块稀疏性检测模块(111)的输入端与图像分块DCT模块(113)交互,块稀疏性检测模块(111)的输出端交互到块自适应压缩采样模块(112);
所述的基于CS视频解码器子系统(200)包括传统帧内图像解码模块(220)和序列图像合成模块(230);
设置有基于CS帧间联合解码模块;
所述设置有基于CS帧间联合解码模块包括熵解码去量化模块(214)、块IDCT图像合成模块(215);
设置有非关键帧块预测模块(211)、块DCT模块(212)和DCT系数重建模块(213);
其交互关系是:
传统帧内图像解码模块(220)、非关键帧块预测模块(211)、DCT模块(212)依次交互;熵解码去量化模块(214)、块DCT系数重建模块(213)、块IDCT图像合成模块(215)依次交互;熵解码去量化模块(214)也交互到非关键预测模块(211),DCT模块(212)也交互到块DCT系数重建模块(213);序列图像合成模块(230)并行交互到传统帧内图像解码模块(220)和块IDCT图像合成模块(215)的输出端。
2.按权利要求1所述的一种基于压缩采样的视频编解码系统,其特征在于:
所述的块稀疏性检测模块(111)的是一种根据图像的分块DCT表示,得到各图像块的相对稀疏性表示的功能模块,其工作流程是:
①计算图像各块的DCT表示的交流系数分量的绝对值和;
②计算整幅图像所有块的DCT表示的交流系数分量的绝对值的和;
③计算①中结果与②中结果的比值,得各图像块的相对稀疏性的表示。
3.按权利要求1所述的一种基于压缩采样的视频编解码系统,其特征在于:
所述的块自适应压缩采样模块(112)是一种根据块稀疏性检测模块(111)得到的各图像块的相对稀疏性、自适应地截断选取各图像块的DCT系数的功能模块,其工作流程是:
①根据各分块图像的相对稀疏性和压缩比要求,确定各图像块的测量维数;
②根据①中确定的各图像块的测量维数,截断选取各图像块的对应维数的DCT系数。
4.按权利要求1所述的一种基于压缩采样的视频编解码系统,其特征在于:
所述的非关键帧块预测模块(211)是一种根据传统帧内图像解码模块(220)输出的已解码的关键帧图像,和熵解码去量化模块(214)输出的非关键帧各图像块的DCT系数,得到非关键帧各图像块的预测表示的功能模块,其工作流程是:
①选取非关键帧图像块在其前后关键帧对应位置处大小合适的图像窗;
②在图像窗中滑动选取与非关键帧图像块大小相同的所有不同的图像块;
③根据②中各图像块的DCT表示和已解码的非关键帧当前图像块的DCT表示,通过求解压缩采样恢复的方法得到由关键帧图像块线性表示非关键帧图像块的系数矢量;
④根据③中得到的系数矢量和②中各图像块,通过线性叠加运算得到非关键帧图像块的预测表示。
5.按权利要求1所述的一种基于压缩采样的视频编解码系统,其特征在于:
所述的DCT模块(212)是一种进行DCT变换,得到输入图像块的DCT表示的功能模块,其工作流程是:非关键帧块预测模块(211)产生的图像块预测值输入到该模块进行DCT变换。
6.按权利要求1所述的一种基于压缩采样的视频编解码系统,其特征在于:
所述的块DCT系数重建模块213是一种根据熵解码去量化模块(214)的输出和DCT模块(212)的输出,得到非关键帧各图像块的DCT系数的重建表示的功能模块,其工作流程是:
①截断选取DCT模块(212)输出的预测图像块的DCT系数;
②将①中结果与熵解码去量化模块(214)的输出进行合并,得到非关键帧图像块的DCT系数的重建表示。
7.按权利要求1所述的一种基于压缩采样的视频编解码系统的编解码方法,其特征在于:
基于压缩采样的视频编码方法,用于完成对输入视频的压缩编码;基于压缩采样的视频解码方法,用于完成对接收到的压缩视频的恢复重建。
所述的基于压缩采样的视频编码方法包括以下步骤:
第1,开始;
第2,基于CS视频编码器子系统的序列图像分割模块将输入的原始视频序列分割成多个图像组,并将每组图像的第一帧定义为关键帧,其它帧图像定义为非关键帧;
第3,采用传统帧内编码技术(如JPEG、JPEG2000或MPEGx等)对每组图像的关键帧图像进行帧内编码,打包形成关键帧图像的第1压缩码流;
第4,对非关键帧图像进行基于分块的DCT变换,得到图像的分块DCT表示;
第5,基于图像分块的DCT表示确定非关键帧各图像块的相对稀疏性:
①计算各图像块DCT系数的交流分量的绝对值的和Ai;
②计算整幅图像各图像块DCT系数的全部交流分量的绝对值的和A=∑Ai;
③计算各图像块的稀疏性的相对值RSi=Ai/A;
第6,根据各图像块的相对稀疏性和压缩比要求自适应截断选取非关键帧各图像块的DCT系数:按照之字形扫描顺序选取相应个数的DCT系数的低频分量,舍弃掉其余的高频分量;
第7,对选取的非关键帧的DCT系数进行量化和熵编码,打包形成非关键帧图像的第2压缩码流:量化选用标量量化,熵编码采用霍夫曼编码或自适应二元算术编码等。
所述的基于压缩采样的视频解码方法包括以下步骤:
第1,开始;
第2,采用传统帧内图像解码技术(如JPEG、JPEG2000或MPEGx等)对接收的关键帧图像的第1压缩码流进行解码,得到重建的关键帧图像;
第3,对接收的非关键帧图像的第2压缩码流进行熵解码和去量化(去量化选用与编码器端对应的去标量量化技术,熵解码采用霍夫曼解码或自适应二元算术解码等),得到非关键帧各图像块截断选取的DCT系数的重建结果,并表示为di;
第4,根据已解码的前后关键帧图像和截断选取的DCT系数的重建结果di,采用压缩采样恢复方法得到非关键帧各图像块的预测表示:
①设定预测窗口的大小为(B1+2s1)×(B2+2s2),其中B1×B2为非关键帧图像分块的大小,s1、s2为大于0的整数;
②以非关键帧第i图像块所处位置为中心,在前后已解码关键帧图像对应处选取大小为(B1+2s1)×(B2+2s2)的预测窗口区域XI1和XI2;
③分别从预测窗口区域XI1和XI2的左上角开始从左至右、从上至下选取对应大小为B1×B2图像块Xj,分别进行DCT变换并按之字形扫描顺序截断选取其低频分量(使其维数与di的维数相同),以及矢量化表示为列矢量
④由所有列矢量组合构成矩阵D;
⑤求解min||α||1,di=Dα,得矢量α的解;
⑥计算∑αjXj(αj为矢量α的第j项的值),得到第i图像块的预测值,表示为Yi;
⑦重复步骤②~⑥,直至计算出非关键帧所有图像块的预测值;
第5,对非关键帧图像块的预测值进行DCT变换,得到各预测图像块的DCT表示;
第6,对非关键帧图像块的截断选取的DCT系数的重建结果与预测图像块的DCT表示进行合并处理,得到非关键帧各图像块的DCT表示的重建结果:
③重复步骤①~②,得到非关键帧所有图像块的重建DCT系数的矢量化表示;
第7,对非关键帧各图像块的DCT系数的重建表示进行IDCT变换,得到各图像块的重建表示,并将其进行合并处理得到非关键帧图像的重建结果;
第8,将已重建恢复的各关键帧图像和非关键帧图像进行合成,得到重建的视频序列图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210012172.1A CN102572435B (zh) | 2012-01-16 | 2012-01-16 | 基于压缩采样的视频编解码系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210012172.1A CN102572435B (zh) | 2012-01-16 | 2012-01-16 | 基于压缩采样的视频编解码系统及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102572435A true CN102572435A (zh) | 2012-07-11 |
CN102572435B CN102572435B (zh) | 2014-03-12 |
Family
ID=46416742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210012172.1A Expired - Fee Related CN102572435B (zh) | 2012-01-16 | 2012-01-16 | 基于压缩采样的视频编解码系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102572435B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103475875A (zh) * | 2013-06-27 | 2013-12-25 | 上海大学 | 一种基于压缩感知的图像自适应测量方法 |
CN103489170A (zh) * | 2013-09-05 | 2014-01-01 | 浙江宇视科技有限公司 | 一种jpeg图片合成、叠加osd信息方法及装置 |
CN103678801A (zh) * | 2013-12-10 | 2014-03-26 | 电子科技大学 | 一种基于图像信息熵的自适应压缩感知采样方法 |
CN103974079A (zh) * | 2014-05-28 | 2014-08-06 | 山东大学(威海) | 基于全相位双正交变换的mpeg-4简单档次编码方法和装置 |
CN105163018A (zh) * | 2015-06-29 | 2015-12-16 | 西安交通大学 | 一种基于最优截断模型的自适应压缩传感图像获取方法 |
CN106357275A (zh) * | 2016-08-30 | 2017-01-25 | 国网冀北电力有限公司信息通信分公司 | 一种哈夫曼压缩方法及装置 |
CN107509074A (zh) * | 2017-07-10 | 2017-12-22 | 上海大学 | 基于压缩感知的自适应3d视频编解码方法 |
CN107657228A (zh) * | 2017-09-25 | 2018-02-02 | 中国传媒大学 | 视频场景相似性分析方法及系统、视频编解码方法及系统 |
CN108141620A (zh) * | 2015-10-13 | 2018-06-08 | Lg电子株式会社 | 图像编码系统中的图像解码方法和设备 |
WO2020057182A1 (zh) * | 2018-09-19 | 2020-03-26 | 华为技术有限公司 | 一种图像压缩的方法及装置 |
CN111654706A (zh) * | 2020-05-06 | 2020-09-11 | 济南浪潮高新科技投资发展有限公司 | 一种视频压缩方法、装置、设备及介质 |
WO2024061316A1 (zh) * | 2022-09-22 | 2024-03-28 | 中国电信股份有限公司 | 数据压缩的方法、数据解压缩的方法和相关设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006101535A (ja) * | 1996-07-17 | 2006-04-13 | Sony Corp | 画像符号化装置および画像符号化方法、画像復号化装置および画像復号化方法、伝送方法、並びに記録媒体 |
CN101742313A (zh) * | 2009-12-10 | 2010-06-16 | 北京邮电大学 | 基于压缩感知技术的分布式信源编码的方法 |
CN101931814A (zh) * | 2010-09-03 | 2010-12-29 | 北京工业大学 | 基于压缩感知的图像解码方法 |
WO2011087908A1 (en) * | 2010-01-15 | 2011-07-21 | Thomson Licensing | Video coding using compressive sensing |
-
2012
- 2012-01-16 CN CN201210012172.1A patent/CN102572435B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006101535A (ja) * | 1996-07-17 | 2006-04-13 | Sony Corp | 画像符号化装置および画像符号化方法、画像復号化装置および画像復号化方法、伝送方法、並びに記録媒体 |
CN101742313A (zh) * | 2009-12-10 | 2010-06-16 | 北京邮电大学 | 基于压缩感知技术的分布式信源编码的方法 |
WO2011087908A1 (en) * | 2010-01-15 | 2011-07-21 | Thomson Licensing | Video coding using compressive sensing |
CN101931814A (zh) * | 2010-09-03 | 2010-12-29 | 北京工业大学 | 基于压缩感知的图像解码方法 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103475875B (zh) * | 2013-06-27 | 2017-02-08 | 上海大学 | 一种基于压缩感知的图像自适应测量方法 |
CN103475875A (zh) * | 2013-06-27 | 2013-12-25 | 上海大学 | 一种基于压缩感知的图像自适应测量方法 |
CN103489170A (zh) * | 2013-09-05 | 2014-01-01 | 浙江宇视科技有限公司 | 一种jpeg图片合成、叠加osd信息方法及装置 |
CN103489170B (zh) * | 2013-09-05 | 2017-01-11 | 浙江宇视科技有限公司 | 一种jpeg图片合成、叠加osd信息方法及装置 |
CN103678801A (zh) * | 2013-12-10 | 2014-03-26 | 电子科技大学 | 一种基于图像信息熵的自适应压缩感知采样方法 |
CN103974079A (zh) * | 2014-05-28 | 2014-08-06 | 山东大学(威海) | 基于全相位双正交变换的mpeg-4简单档次编码方法和装置 |
CN105163018A (zh) * | 2015-06-29 | 2015-12-16 | 西安交通大学 | 一种基于最优截断模型的自适应压缩传感图像获取方法 |
CN105163018B (zh) * | 2015-06-29 | 2018-12-07 | 西安交通大学 | 一种基于最优截断模型的自适应压缩传感图像获取方法 |
CN108141620A (zh) * | 2015-10-13 | 2018-06-08 | Lg电子株式会社 | 图像编码系统中的图像解码方法和设备 |
US10701356B2 (en) | 2015-10-13 | 2020-06-30 | Lg Electronic Inc. | Image decoding method and apparatus by deriving a frequency component based on filtering in image coding system |
CN106357275B (zh) * | 2016-08-30 | 2019-12-17 | 国网冀北电力有限公司信息通信分公司 | 一种哈夫曼压缩方法及装置 |
CN106357275A (zh) * | 2016-08-30 | 2017-01-25 | 国网冀北电力有限公司信息通信分公司 | 一种哈夫曼压缩方法及装置 |
CN107509074A (zh) * | 2017-07-10 | 2017-12-22 | 上海大学 | 基于压缩感知的自适应3d视频编解码方法 |
CN107657228A (zh) * | 2017-09-25 | 2018-02-02 | 中国传媒大学 | 视频场景相似性分析方法及系统、视频编解码方法及系统 |
CN107657228B (zh) * | 2017-09-25 | 2020-08-04 | 中国传媒大学 | 视频场景相似性分析方法及系统、视频编解码方法及系统 |
WO2020057182A1 (zh) * | 2018-09-19 | 2020-03-26 | 华为技术有限公司 | 一种图像压缩的方法及装置 |
CN111654706A (zh) * | 2020-05-06 | 2020-09-11 | 济南浪潮高新科技投资发展有限公司 | 一种视频压缩方法、装置、设备及介质 |
CN111654706B (zh) * | 2020-05-06 | 2022-06-28 | 山东浪潮科学研究院有限公司 | 一种视频压缩方法、装置、设备及介质 |
WO2024061316A1 (zh) * | 2022-09-22 | 2024-03-28 | 中国电信股份有限公司 | 数据压缩的方法、数据解压缩的方法和相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN102572435B (zh) | 2014-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102572435B (zh) | 基于压缩采样的视频编解码系统及其方法 | |
Kang et al. | Distributed compressive video sensing | |
CN100471278C (zh) | 一种基于分布式信源编码的多视点视频压缩编解码方法 | |
TW200910973A (en) | Sub-band scanning techniques for entropy coding of sub-bands | |
US9014499B2 (en) | Distributed source coding using prediction modes obtained from side information | |
CN102792695A (zh) | 通过使用大变换单元对图像进行编码和解码的方法和设备 | |
JP2013538471A (ja) | 辞書を用いてビデオをコード化する方法 | |
US20180302643A1 (en) | Video coding with degradation of residuals | |
Belyaev et al. | A low-complexity bit-plane entropy coding and rate control for 3-D DWT based video coding | |
KR20060119736A (ko) | 영상 신호의 인코딩 방법 | |
Zhou et al. | Distributed video coding using interval overlapped arithmetic coding | |
WO2019179096A1 (zh) | 一种基于压缩感知的质量可分级快速编码方法 | |
Unde et al. | Rate–distortion analysis of structured sensing matrices for block compressive sensing of images | |
Bernatin et al. | Video compression based on Hybrid transform and quantization with Huffman coding for video codec | |
CN105163130B (zh) | 一种基于离散Tchebichef正交多项式的图像无损压缩方法 | |
KR100697516B1 (ko) | 3차원 웨이블릿 변환 기반의 동영상 코딩 방법 | |
KR101673025B1 (ko) | 전 방위 기반의 인트라 예측 부호화/복호화 장치 및 방법 | |
JP2009296277A (ja) | 画像符号化器及び画像復号化器及び画像符号化方法及び画像復号化方法及びプログラム | |
Braeckman et al. | Visually lossless screen content coding using HEVC base-layer | |
Belyaev | Fast Decoding and Parameters Selection for CS-JPEG Video Codec | |
RU2375838C1 (ru) | Способ кодирования и декодирования видеоинформации на основе трехмерного дискретного косинусного преобразования | |
Letaief et al. | Real time HEVC video compression using Hybrid DWT-DCT algorithm on an FPGA | |
KR101096619B1 (ko) | 데이터 인코딩, 디코딩 방법 및 그 장치 | |
Belyaev et al. | Scalable video coding based on three-dimensional discrete pseudo cosine transform | |
Hu et al. | Motion differential set partition coding for image sequence and video compression |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140312 Termination date: 20210116 |