CN102724495A - 基于率失真的Wyner-Ziv帧量化方法 - Google Patents

Abstract

本发明公开了一种分布式视频编码系统中基于率失真的Wyner-Ziv帧量化方法，主要解决Wyner-Ziv视频编码系统中通过简单选取备用量化矩阵进行量化而造成的重构质量差的问题。其步骤为：(1)DCT变换；(2)提取系数带；(3)设置量化等级；(4)计算相关噪声模型参数；(5)建立率失真模型；(6)求量化步长；(7)量化；(8)检验量化结果。本发明通过建立一种新型的率失真模型优化了DC系数的量化，提高了整个系统的率失真性能，使得重构的Wyner-Ziv帧更接近原始Wyner-Ziv帧。

Description

基于率失真的Wyner-Ziv帧量化方法

技术领域

本发明属于通信技术领域，更进一步涉及分布式视频编码领域一种基于率失真的Wyner-Ziv帧量化方法。本发明在Wyner-Ziv视频编码系统中采用基于率失真的量化方法，提高了解码端Wyner-Ziv帧的重构质量，可用于实际Wyner-Ziv视频编码系统和终端编码设备简单的视频通信系统。

背景技术

在分布式视频编码系统中，将输入视频序列分为关键帧和非关键帧，两者在编码端进行独立编码，解码端联合解码。在分布式视频编码系统中的研究热点是基于Wyner-Ziv的视频编码系统，在该系统中将输入视频序列分为关键帧和Wyner-Ziv帧，其中关键帧采用H.264帧内编码和解码，而对于Wyner-Ziv帧，首先进行离散余弦DCT变换并提取系数带，然后对系数带进行均匀量化并提取比特面，将比特面送入低密度奇偶校验LDPC编码器进行编码。解码时，首先对关键帧进行H.264帧内解码，利用解码出的前后两个关键帧通过运动补偿内插产生边信息；然后对边信息进行与编码端相同的离散余弦DCT变换、扫描、量化和比特面提取，并送入低密度奇偶校验LDPC解码器；相关噪声模型CNM利用边信息生成过程中产生的运动补偿残差帧计算相关噪声模型参数并构造相关噪声模型CNM，相关噪声模型CNM为LDPC解码和反量化重构提供信息；LDPC解码器利用收到的校验位、对应边信息系数带以及相关噪声模型CNM，对各个系数带从最高位平面开始依次解码；最后，将低密度奇偶校验LDPC解码器输出结果依次通过合并位平面、反量化和反离散余弦变换IDCT得到Wyner-Ziv帧的重构图像。

目前，无反馈Wyner-Ziv视频编码系统的量化机制大多数作法一致，都是在编码端和解码端预置相同的8个量化矩阵，对应8个经验率失真点。随着量化矩阵的确定，量化系数对应的量化步长也随之确定。这种方法通过计算目标码率选取量化矩阵进而确定量化步长的方法并没有充分考虑编码码率和失真的关系，影响了编码的率失真性能和视频恢复质量。

西南交通大学申请的专利“一种分布式视频编码中基于视觉感知特性的量化方法”(申请号：201110279783.8，公布号：CN 102281446A)公开了一种分布式视频编码中基于视频感知特性的量化方法，将分布式视频编码特性与视觉感知特性相结合，通过编码前初始化感知量化矩阵和编码过程中动态调整量化步长的两步感知量化策略，在不影响图像主观质量的前提下降低分布式视频的编码码率。该方法存在的不足是，通过直流DC系数来对交流AC系数的量化步长进行动态修正，没有充分考虑直流DC系数的量化步长，不能保证图像的客观质量。

宁波大学申请的专利“一种三维立体视频编码的率失真模型优化方法”(申请号：201110285331.0，公布号：CN 102355582A)公开了一种三维立体视频编码的率失真优化方法，通过二次拟合方法建立编码量化步长与失真的关系模型及编码量化步长与码率的关系模型，然后对率失真模型进行优化。该方法存在的不足是，只是简单的用二次拟合的方法建立量化步长与失真和码率的关系模型，不能根据视频内容变化程度自适应确定量化步长，导致重构的视频质量不够高。

发明内容

本发明的目的在于克服上述已有技术的缺点，提出了一种无反馈Wyner-Ziv视频编码系统中基于率失真的量化方法。本发明主要是在构建一种新型的率失真模型的基础上通过使代价函数最小来确定直流DC系数的量化步长，并且该方法基于图像内容进行了率失真优化，提高了整个系统的率失真性能和重构视频质量。

本发明的具体步骤如下：

(1)DCT变换

对输入视频序列的Wyner-Ziv帧进行基于块的离散余弦DCT变换，获得基于块的变换域视频信号。

(2)提取系数带：在基于块的变换域视频信号的所有图像块中，提取相同位置上的系数组成系数带。

(3)在直流DC系数的量化等级的范围内，设定直流DC系数的量化等级，完成初始化。

(4)按照相关噪声模型参数的计算公式，计算相关噪声模型参数。

(5)建立率失真模型

5a)通过对离散余弦DCT变换系数量化后的比特经过虚拟信道发生转移时反量化后的离散余弦DCT变换系数产生的误差，进行均方误差计算，建立如下信道误码失真与量化等级和量化步长的关系模型：

$D_e(k,\mathrm{\Δ})={\mathrm{\Δ}}^2[1-{\left(2^K\right)}^2{e}^{-2^K\mathrm{\α\Δ}}+\underset{i=1}{\overset{2^K-1}{\mathrm{\Σ}}}(2i+1)e^{-\mathrm{i\α\Δ}}]$

其中，D_e(K，Δ)是K和Δ的信道误码失真函数；e是信道误码的英文首字母；K是直流DC系数的量化等级；Δ是直流DC系数的量化步长；α是相关噪声模型参数；∑是数学求和符号；i是求和变量里面的参数，取值范围为1～2^K-1的整数；

5b)计算重构变换域视频信号与原始变换域视频信号之间的均匀量化误差，通过该均匀量化误差计算Wyner-Ziv帧的量化失真，建立如下量化失真与量化等级和量化步长的关系模型：

$D_q(k,\mathrm{\Δ})=\frac{1}{12}{\mathrm{\Δ}}^2(1-e^{-\mathrm{\α\Δ}})$

其中，D_q(K，Δ)是K和Δ的量化失真函数；q是量化的英文首字母；K是直流DC系数的量化等级；Δ是直流DC系数的量化步长；α是相关噪声模型参数；

5c)将信道误码失真函数和量化失真函数求和，获得系统失真函数D(K，Δ)；

5d)计算Wyner-Ziv帧编码系数带与边信息系数带之间的条件熵，通过该条件熵计算Wyner-Ziv帧系数带的编码码率，建立如下编码码率与量化等级和量化步长的关系模型：

$R(K,\mathrm{\Δ})=-N*\underset{i=1}{\overset{K}{\mathrm{\Σ}}}[e^{-\mathrm{\α\Δ}{2}^{K-i}}*{\log }_2^{\left(e^{-{\mathrm{\α\Δ}2}^{K-i}}\right)}+(1+e^{-{\mathrm{\α\Δ}2}^{K-i}})*{\log }_2^{(1-e^{{-\mathrm{\α\Δ}2}^{K-i}})}]$

其中，R(K，Δ)是K和Δ的编码码率函数；K是直流DC系数的量化等级；Δ是直流DC系数的量化步长；N是比特面的比特数；∑是数学求和符号；i是求和变量里面的参数，取值范围为1～K的整数；α是相关噪声模型参数；

5e)用DISCOVER系统中的量化步长计算公式，计算先验量化步长Δ_λ，按照下式计算拉格朗日乘积因子：

$\mathrm{\λ}=-\frac{\mathrm{dD}(K,\mathrm{\Δ})}{\mathrm{d\Δ}}*{\left[\frac{\mathrm{dR}(K,\mathrm{\Δ})}{\mathrm{d\Δ}}\right]}^{-1}{|}_{\mathrm{\Δ}={\mathrm{\Δ}}_{\mathrm{\λ}}}$

其中，λ是拉格朗日乘积因子；

是数学求导符号；D(K，Δ)是K和Δ的系统失真函数；K是直流DC系数的量化等级；Δ是直流DC系数的量化步长；R(K，Δ)是K和Δ的编码码率函数；

表示将Δ赋值为Δ_λ；Δ_λ是先验量化步长；

5f)根据在编码码率小于信道容量的条件下使系统失真最小的要求，建立如下率失真模型：

C(K，Δ)＝D(K，Δ)+λ*R(K，Δ)

其中，C(K，Δ)是K和Δ的代价函数；K是直流DC系数的量化等级；Δ是直流DC系数的量化步长；D(K，Δ)为K和Δ的系统失真函数；λ是拉格朗日乘积因子；R(K，Δ)是K和Δ的编码码率函数。

(6)求量化步长

6a)通过工程优化的二分法求得代价函数的极值点，将极值点设置为直流DC系数的量化步长；

6b)根据交流AC系数的量化步长公式，获取交流AC系数的量化步长。

(7)量化

7a)按照直流DC系数的量化步长对直流DC系数进行等间隔分割，获得量化区间，取各个量化区间的中点作为量化电平，用量化电平值代替量化区间内的系数得到新的系数带；，转化系数带的表达形式，得到由二进制形式表达的量化系数带；

7b)将交流AC系数按照交流AC系数的量化步长进行等间隔分割，取各个量化区间的中点作为量化电平，用量化电平值代替量化区间内的系数得到新的系数带；将系数带转化成二进制表达形式，得到由二进制形式表达的量化系数带。

(8)检验量化结果

提取量化系数带相同位置的比特得到比特面，对各个比特面进行低密度奇偶校验LDPC编码，获得编码信号；传送编码信号至Wyner-Ziv视频编码系统的解码端进行解码得到重构的Wyner-Ziv帧，用Wyner-Ziv帧的编码码率以及重构的Wyner-Ziv帧的质量检验量化结果。

与现有技术相比，本发明具有如下优点：

第一，本发明建立了一种新型的率失真模型，该模型建立了编码码率和系统失真与量化等级和量化步长之间的关系模型，在编码码率小于信道容量的条件下，本发明使系统失真最小。

第二，本发明通过率失真模型优化了直流DC系数的量化步长，克服了现有技术通过简单选取量化矩阵进行量化的缺点，使得本发明提高了整个系统的率失真性能和重构视频质量。

第三，本发明建立的率失真模型可以根据视频内容自适应获取拉格朗日乘积因子，在增加少量编码复杂度的条件下，使系统失真达到最小值，提高了整个Wyner-Ziv视频编码系统的率失真性能。

附图说明

图1是本发明的流程图；

图2是本发明与现有技术重构Wyner-Ziv帧的客观质量对比示意图；

图3是本发明与现有技术Wyner-Ziv帧的编码速率对比示意图；

图4是本发明与现有技术foreman序列的第157帧主观质量对比图。

具体实施方式

下面结合附图1对本发明作进一步的详细描述：

步骤1，DCT变换

将拟变换的Wyner-Ziv帧分成大小相同、互不重叠的方形图像块。本发明的具体实施例是将拟采样的Wyner-Ziv帧分成大小为4×4互不重叠的方形图像块。分别对各个图像块进行离散余弦DCT变换，得到基于块的变换域视频信号。

步骤2，提取系数带：在基于块的变换域视频信号的所有图像块中，提取相同位置上的系数组成系数带。

步骤3，设定直流DC系数的量化等级

直流DC系数的量化等级的取值范围为4～7，在该范围内设定直流DC系数的量化等级，完成初始化。本发明的具体实施例将直流DC系数的量化等级设置为7。

步骤4，按照相关噪声模型参数的计算公式，计算相关噪声模型参数

将相邻关键帧采用帧间内插法生成边信息，用与Wyner-Ziv帧系数带相同的方法得到边信息系数带，将Wyner-Ziv帧系数带与边信息系数带做差，取平方的均值得噪声方差，用下式计算相关噪声模型参数：

$\mathrm{\α}=\sqrt{2/{\mathrm{\σ}}^2}$

其中，α是相关噪声模型参数；σ²为Wyner-Ziv帧系数带与边信息系数带之间的噪声方差。

步骤5，建立率失真模型

5a)通过对离散余弦DCT变换系数量化后的比特经过虚拟信道发生转移时反量化后的离散余弦变换DCT系数产生的误差，进行均方误差计算，建立如下信道误码失真与量化等级和量化步长的关系模型：

$D_e(k,\mathrm{\Δ})={\mathrm{\Δ}}^2[1-{\left(2^K\right)}^2{e}^{-2^K\mathrm{\α\Δ}}+\underset{i=1}{\overset{2^K-1}{\mathrm{\Σ}}}(2i+1)e^{-\mathrm{i\α\Δ}}]$

其中，D_e(K，Δ)是K和Δ的信道误码失真函数；e是信道误码的英文首字母；K是直流DC系数的量化等级；Δ是直流DC系数的量化步长；α是相关噪声模型参数；∑是数学求和符号；i是求和变量里面的参数，取值范围为1～2^K-1的整数；

5b)计算重构变换域视频信号与原始变换域视频信号之间的均匀量化误差，通过该均匀量化误差计算Wyner-Ziv帧的量化失真，建立如下量化失真与量化等级和量化步长的关系模型：

$D_q(K,\mathrm{\Δ})=\frac{1}{12}{\mathrm{\Δ}}^2(1-e^{-\mathrm{\α\Δ}})$

其中，D_q(K，Δ)是K和Δ的量化失真函数；q是量化的英文首字母；K是直流DC系数的量化等级；Δ是直流DC系数的量化步长；α是相关噪声模型参数；

5c)系统失真主要包含信道误码失真和量化失真，将信道误码失真函数和量化失真函数求和，获得系统失真函数D(K，Δ)；

5d)根据Wyner-Ziv帧系数带与边信息系数带之间虚拟信道的统计特性计算Wyner-Ziv帧编码系数带与边信息系数带之间的条件熵，通过该条件熵计算Wyner-Ziv帧系数带的编码码率，建立如下编码码率与量化等级和量化步长的关系模型：

$R(K,\mathrm{\Δ})=-N*\underset{i=1}{\overset{K}{\mathrm{\Σ}}}[e^{-\mathrm{\α\Δ}{2}^{K-i}}*{\log }_2^{\left(e^{-{\mathrm{\α\Δ}2}^{K-i}}\right)}+(1+e^{-{\mathrm{\α\Δ}2}^{K-i}})*{\log }_2^{(1-e^{{-\mathrm{\α\Δ}2}^{K-i}})}]$

其中，R(K，Δ)是K和Δ的编码码率函数；K是直流DC系数的量化等级；Δ是直流DC系数的量化步长；N是比特面的比特数；∑是数学求和符号；i是求和变量里面的参数，取值范围为1～K的整数；α是相关噪声模型参数；

5e)用如下DISCOVER(Distributed Coding for Video Services)系统中的量化步长的计算公式，计算先验量化步长Δ_λ，用该先验量化步长辅助计算拉格朗日乘积因子：

Δ_λ＝v_max/2^K

其中，Δ_λ是先验量化步长；λ是拉格朗日乘积因子；v_max是直流DC系数中的最大值；K是直流DC系数的量化等级。

按照下式计算拉格朗日乘积因子：

$\mathrm{\λ}=-\frac{\mathrm{dD}(K,\mathrm{\Δ})}{\mathrm{d\Δ}}*{\left[\frac{\mathrm{dR}(K,\mathrm{\Δ})}{\mathrm{d\Δ}}\right]}^{-1}{|}_{\mathrm{\Δ}={\mathrm{\Δ}}_{\mathrm{\λ}}}$

其中，λ是拉格朗日乘积因子；

是数学求导符号；D(K，Δ)是K和Δ的系统失真函数；K是直流DC系数的量化等级；Δ是直流DC系数的量化步长；R(K，Δ)是K和Δ的编码码率函数；

表示将Δ赋值为Δ_λ；Δ_λ是先验量化步长；

5f)根据在编码码率小于信道容量的条件下使系统失真最小的要求，建立如下率失真模型：

C(K，Δ)＝D(K，Δ)+λ*R(K，Δ)

其中，C(K，Δ)是K和Δ的代价函数；K是直流DC系数的量化等级；Δ是直流DC系数的量化步长；D(K，Δ)为K和Δ的系统失真函数；λ是拉格朗日乘积因子；R(K，Δ)是K和Δ的编码码率函数。

步骤6，求量化步长

6a)通过工程优化的二分法求得代价函数的极值点，将极值点设置为直流DC系数的量化步长。本发明实施例中通过判断代价函数的二阶导数是否大于零来对代价函数进行凸性分析，然后采用二分法通过求代价函数的极值点来求量化步长，本发明的

具体实施例如下：

第1步，选择使代价函数的一阶导数小于零的点当中的任意一个点Δ_a，选择使代价函数的一阶导数大于零的点当中的任意一个Δ_b；

第2步，选取Δ_a和Δ_b两点区间的中点Δ_m，并计算该点处的代价函数的一阶导数的值；

第3步，如果|Δ_a-Δ_b|＜10^-3，则执行第5步，否则，执行第4步；

第4步，如果第2步求得的代价函数的一阶导数的值小于零，令Δ_a＝Δ_m，否则令Δ_b＝Δ_m，并执行第2步；

第5步，将Δ_m的值作为直流DC系数的量化步长输出；

6b)根据如下交流AC系数的量化步长计算公式，获取交流AC系数的量化步长：

${\mathrm{\Δ}}_{\mathrm{AC}}=\frac{2{\left|v\right|}_{\max }}{2^M-1}$

其中，Δ_AC是交流AC系数的量化步长；v是交流AC系数；|·|是取绝对值符号；max是取最大值符号；|·|_max表示取绝对值最大的值；M是交流AC系数的量化等级。

步骤7，量化

7a)按照直流DC系数的量化步长对直流DC系数进行等间隔分割，获得量化区间，取各个量化区间的中点作为量化电平，用量化电平值代替量化区间内的系数得到新的系数带；，转化系数带的表达形式，得到由二进制形式表达的量化系数带；

7b)将交流AC系数按照交流AC系数的量化步长进行等间隔分割，取各个量化区间的中点作为量化电平，用量化电平值代替量化区间内的系数得到新的系数带；将系数带转化成二进制表达形式，得到由二进制形式表达的量化系数带。

步骤8，检验量化结果

提取量化系数带相同位置的比特得到比特面，对各个比特面进行低密度奇偶校验LDPC编码，获得编码信号；传送编码信号至Wyner-Ziv视频编码系统的解码端进行解码得到重构的Wyner-Ziv帧，用Wyner-Ziv帧的编码码率以及重构的Wyner-Ziv帧的质量检验量化结果。

下面结合附图2对本发明在峰值信噪比方面的效果做进一步说明：

图2是本发明与现有技术基于量化矩阵选取的量化方法重构Wyner-Ziv帧的客观质量对比图，实现图2的仿真条件：硬件环境：CPU AMD Sempron 3000+，1.8GHz，512MB内存；软件环境：Windows XP，Matlab R2006a；GOP结构：关键帧，Wyner-Ziv帧，关键帧，Wyner-Ziv帧，…；图像块尺寸：4×4；参考序列：foreman；测试序列的帧数：序列中的所有Wyner-Ziv帧；分辨率：176×144。

图2中的横轴表示Wyner-Ziv帧的序列数，纵轴表示衡量Wyner-Ziv帧客观质量的峰值信噪比。图2中黑点点划线是采用本发明进行量化，然后编码重构出的各个Wyner-Ziv帧的峰值信噪比连线，每一个黑点对应于一个重构Wyner-Ziv帧的峰值信噪比；圆圈点划线是采用基于量化矩阵选取的量化方法进行量化，然后编码重构出的各个Wyner-Ziv帧的峰值信噪比连线，每一个圆圈对应于一个重构Wyner-Ziv帧的峰值信噪比。

在图2中比较横轴相同点处的纵轴的变化，可以看出本发明相对于现有技术基于量化矩阵选取的量化方法，峰值信噪比提高了0.5～3dB。

下面结合附图3对本发明在编码码率方面的效果做进一步说明：

图3是本发明与现有技术基于量化矩阵选取的量化方法Wyner-Ziv帧的编码码率对比图，实现图3的仿真条件：硬件环境：CPU AMD Sempron 3000+，1.8GHz，512MB内存；软件环境：Windows XP，Matlab R2006a；GOP结构：关键帧，Wyner-Ziv帧，关键帧，Wyner-Ziv帧，…；图像块尺寸：4×4；参考序列：foreman；测试序列的帧数：序列中的所有Wyner-Ziv帧；分辨率：176×144。

图3中的横轴表示Wyner-Ziv帧的序列数，纵轴表示Wyner-Ziv帧的编码码率。图中黑点点划线是采用本发明进行量化，然后编码重构出的各个Wyner-Ziv帧的编码码率连线，每一个黑点对应于一个重构Wyner-Ziv帧的编码码率；圆圈点划线是采用基于量化矩阵选取的量化方法进行量化，然后编码重构出的各个Wyner-Ziv帧的编码码率连线，每一个圆圈对应于一个重构Wyner-Ziv帧的编码码率比。

在图3中比较横轴相同点处的纵轴的变化，可以看出本发明与现有技术基于量化矩阵选取的量化方法Wyner-Ziv帧的编码码率基本一致。

下面结合附图4对本发明在主观质量方面的效果做进一步说明：

图4是本发明与现有技术基于量化矩阵选取的量化方法重构Wyner-Ziv帧的主观质量对比图，实现图4的仿真条件：硬件环境：CPU AMD Sempron 3000+，1.8GHz，512MB内存；软件环境：Windows XP，Matlab R2006a；GOP结构：关键帧，Wyner-Ziv帧，关键帧，Wyner-Ziv帧，…；图像块尺寸：4×4；参考序列：foreman；测试序列的帧数：序列中的所有Wyner-Ziv帧；分辨率：176×144。

图4中的图(a)是本发明得到的重构Wyner-Ziv帧，图(b)是现有技术得到的重构Wyner-Ziv帧。

从图4可以看出，本发明相对于现有技术基于量化矩阵选取的量化方法重构的Wyner-Ziv帧的方块效应有明显减少。

下面结合下表对本发明在平均编码性能方面的效果做进一步说明：

下表是本发明与现有技术基于量化矩阵选取的量化方法在不同目标码率下的Wyner-Ziv帧的平均重构性能和编码时间对比。实现下表的仿真条件：硬件环境：CPUAMD Sempron 3000+，1.8GHz，512MB内存；软件环境：Windows XP，Matlab R2006a；GOP结构：关键帧，Wyner-Ziv帧，关键帧，Wyner-Ziv帧，…；图像块尺寸：4×4；参考序列：foreman；测试序列的帧数：序列中的所有Wyner-Ziv帧；分辨率：176×144。

下表中的Rate表示Wyner-Ziv帧的编码码率，PSNR表示所有重构Wyner-Ziv帧的峰值信噪比的平均值，编码时间表示编码整个视频序列中所有Wyner-Ziv帧所用的时间。由下表可以看出，在相同编码码率下，本发明相对于现有技术基于量化矩阵选取的量化方法，Wyner-Ziv帧的编码时间多了0.34～0.36秒，基本没有增加编码复杂度，重构Wyner-Ziv帧的峰值信噪比的平均值提高了0.5～1.2dB。

上述图2、图3、图4和表格中的参数进一步验证了本发明提出的基于率失真的Wyner-Ziv帧量化方法，与现有技术基于量化矩阵选取的量化方法相比，提高了整个视频编码系统的率失真性能，重构视频的质量有了明显改善。

Claims (6)

1.基于率失真的Wyner-Ziv帧量化方法，包括以下步骤：

(1)DCT变换

对输入视频序列的Wyner-Ziv帧进行基于块的离散余弦DCT变换，获得基于块的变换域视频信号；

(2)提取系数带

在基于块的变换域视频信号的所有图像块中，提取相同位置上的系数组成系数带；

(3)在直流DC系数的量化等级的范围内，设定直流DC系数的量化等级，完成初始化；

(4)按照相关噪声模型参数的计算公式，计算相关噪声模型参数；

(5)建立率失真模型

5a)通过对离散余弦DCT变换系数量化后的比特经过虚拟信道发生转移时反量化后的离散余弦DCT变换系数产生的误差，进行均方误差计算，建立如下信道误码失真与量化等级和量化步长的关系模型：

$D_e(k,\mathrm{\Δ})={\mathrm{\Δ}}^2[1-{\left(2^K\right)}^2{e}^{-2^K\mathrm{\α\Δ}}+\underset{i=1}{\overset{2^K-1}{\mathrm{\Σ}}}(2i+1)e^{-\mathrm{i\α\Δ}}]$

其中，D_e(K，Δ)是K和Δ的信道误码失真函数；e是信道误码的英文首字母；K是直流DC系数的量化等级；Δ是直流DC系数的量化步长；α是相关噪声模型参数；∑是数学求和符号；i是求和变量里面的参数，取值范围为1～2^K-1的整数；

5b)计算重构变换域视频信号与原始变换域视频信号之间的均匀量化误差，通过该均匀量化误差计算Wyner-Ziv帧的量化失真，建立如下量化失真与量化等级和量化步长的关系模型：

$D_q(k,\mathrm{\Δ})=\frac{1}{12}{\mathrm{\Δ}}^2(1-e^{-\mathrm{\α\Δ}})$

其中，D_q(K，Δ)是K和Δ的量化失真函数；q是量化的英文首字母；K是直流DC系数的量化等级；Δ是直流DC系数的量化步长；α是相关噪声模型参数；

5c)将信道误码失真函数和量化失真函数求和，获得系统失真函数D(K，Δ)；

5d)计算Wyner-Ziv帧编码系数带与边信息系数带之间的条件熵，通过该条件熵计算Wyner-Ziv帧系数带的编码码率，建立如下编码码率与量化等级和量化步长的关系模型：

$R(K,\mathrm{\Δ})=-N*\underset{i=1}{\overset{K}{\mathrm{\Σ}}}[e^{-\mathrm{\α\Δ}{2}^{K-i}}*{\log }_2^{\left(e^{-{\mathrm{\α\Δ}2}^{K-i}}\right)}+(1+e^{-{\mathrm{\α\Δ}2}^{K-i}})*{\log }_2^{(1-e^{{-\mathrm{\α\Δ}2}^{K-i}})}]$

其中，R(K，Δ)是K和Δ的编码码率函数；K是直流DC系数的量化等级；Δ是直流DC系数的量化步长；N是比特面的比特数；∑是数学求和符号；i是求和变量里面的参数，取值范围为1～K的整数；α是相关噪声模型参数；

5e)用DISCOVER系统中的量化步长计算公式，计算先验量化步长Δ_λ，按照下式计算拉格朗日乘积因子：

$\mathrm{\λ}=-\frac{\mathrm{dD}(K,\mathrm{\Δ})}{\mathrm{d\Δ}}*{\left[\frac{\mathrm{dR}(K,\mathrm{\Δ})}{\mathrm{d\Δ}}\right]}^{-1}{|}_{\mathrm{\Δ}={\mathrm{\Δ}}_{\mathrm{\λ}}}$

其中，λ是拉格朗日乘积因子；

是数学求导符号；D(K，Δ)是K和Δ的系统失真函数；K是直流DC系数的量化等级；Δ是直流DC系数的量化步长；R(K，Δ)是K和Δ的编码码率函数；表示将Δ赋值为Δ_λ；Δ_λ是先验量化步长；

5f)根据在编码码率小于信道容量的条件下使系统失真最小的要求，建立如下率失真模型：

C(K，Δ)＝D(K，Δ)+λ*R(K，Δ)

其中，C(K，Δ)是K和Δ的代价函数；K是直流DC系数的量化等级；Δ是直流DC系数的量化步长；D(K，Δ)为K和Δ的系统失真函数；λ是拉格朗日乘积因子；R(K，Δ)是K和Δ的编码码率函数；

(6)求量化步长

6a)通过工程优化的二分法求得代价函数的极值点，将极值点设置为直流DC系数的量化步长；

6b)根据交流AC系数的量化步长公式，获取交流AC系数的量化步长；

(7)量化

7a)按照直流DC系数的量化步长对直流DC系数进行等间隔分割，获得量化区间，取各个量化区间的中点作为量化电平，用量化电平值代替量化区间内的系数得到新的系数带；，转化系数带的表达形式，得到由二进制形式表达的量化系数带；

7b)将交流AC系数按照交流AC系数的量化步长进行等间隔分割，取各个量化区间的中点作为量化电平，用量化电平值代替量化区间内的系数得到新的系数带；将系数带转化成二进制表达形式，得到由二进制形式表达的量化系数带；

(8)检验量化结果

提取量化系数带相同位置的比特得到比特面，对各个比特面进行低密度奇偶校验LDPC编码，获得编码信号；传送编码信号至Wyner-Ziv视频编码系统的解码端进行解码得到重构的Wyner-Ziv帧，用Wyner-Ziv帧的编码码率以及重构的Wyner-Ziv帧的质量检验量化结果。

2.权利要求1所述的基于率失真的Wyner-Ziv帧量化方法，其特征在于：步骤(3)所述直流DC系数的量化等级的取值范围为4～7的整数。

3.权利要求1所述的基于率失真的Wyner-Ziv帧量化方法，其特征在于：步骤(4)所述的相关噪声模型参数的计算公式为：

$\mathrm{\α}=\sqrt{2/{\mathrm{\σ}}^2}$

其中，α是相关噪声模型参数；σ²为Wyner-Ziv帧系数带与边信息系数带之间的噪声方差。

4.权利要求1所述的基于率失真的Wyner-Ziv帧量化方法，其特征在于：步骤5e)所述先验量化步长Δ_λ的计算公式如下：

Δ_λ＝v_max/2^K

其中，Δ_λ是先验量化步长；λ是拉格朗日乘积因子；v_max是直流DC系数中的最大值；K是直流DC系数的量化等级。

5.权利要求1所述的基于率失真的Wyner-Ziv帧量化方法，其特征在于：步骤6a)所述获取直流DC系数量化步长方法的具体步骤如下：

第1步，选择使代价函数的一阶导数小于零的点当中的任意一个点Δ_a，选择使代价函数的一阶导数大于零的点当中的任意一个Δ_b；

第2步，选取Δ_a和Δ_b两点区间的中点Δ_m，并计算该点处的代价函数的一阶导数的值；

第3步，如果|Δ_a-Δ_b|＜r，其中r是误差精度，则执行第5步，否则，执行第4步；

第4步，如果第2步求得的代价函数的一阶导数的值小于零，则令Δ_a＝Δ_m，否则令Δ_b＝Δ_m，并执行第2步；

第5步，将Δ_m的值作为直流DC系数的量化步长输出。

6.权利要求1所述的基于率失真的Wyner-Ziv帧量化方法，其特征在于：步骤6b)所述的交流AC系数的量化步长公式如下：

${\mathrm{\Δ}}_{\mathrm{AC}}=\frac{2{\left|v\right|}_{\max }}{2^M-1}$

其中，Δ_AC是交流AC系数的量化步长；v是交流AC系数；|·|是取绝对值符号；max是取最大值符号；|·|_max表示取绝对值最大的值；M是交流AC系数的量化等级。

Images