CN111669588B - 一种超低时延的超高清视频压缩编解码方法 - Google Patents

一种超低时延的超高清视频压缩编解码方法 Download PDF

Info

Publication number
CN111669588B
CN111669588B CN202010464463.9A CN202010464463A CN111669588B CN 111669588 B CN111669588 B CN 111669588B CN 202010464463 A CN202010464463 A CN 202010464463A CN 111669588 B CN111669588 B CN 111669588B
Authority
CN
China
Prior art keywords
transformation
wavelet
data
inverse
coding
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.)
Active
Application number
CN202010464463.9A
Other languages
English (en)
Other versions
CN111669588A (zh
Inventor
王勇
赵亚娟
宫丰奎
张南
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xidian University
Original Assignee
Xidian University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xidian University filed Critical Xidian University
Priority to CN202010464463.9A priority Critical patent/CN111669588B/zh
Publication of CN111669588A publication Critical patent/CN111669588A/zh
Application granted granted Critical
Publication of CN111669588B publication Critical patent/CN111669588B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/13—Adaptive entropy coding, e.g. adaptive variable length coding [AVLC] or context adaptive binary arithmetic coding [CABAC]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/124—Quantisation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/184—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being bits, e.g. of the compressed video stream
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • H04N19/63—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding using sub-band based transform, e.g. wavelets

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Compression Of Band Width Or Redundancy In Fax (AREA)

Abstract

本发明属于无线多媒体通信技术领域，公开了一种具有超低时延的超高清视频压缩编解码方法，编码端将输入的视频图像进行输入预处理来去除直流分量；将预处理后的图像进行非对称小波分解得到了不同分辨率的子带，对变换后的小波系数在频率域进行比例抽取。将处理后的小波系数合理划分为区域，在其上进行码率控制得到相应的量化参数和熵编码模式；对量化后的码组系数进行熵编码和码流组织；在解码端，首先对得到的码流进行头解析获得解码参数；进行熵解码得到小波系数值和比特平面计数位置，反量化后进行插值恢复；执行反小波变换即可得到原来的图像数据。本发明在有效降低压缩与解压缩算法复杂度的同时，实现了超高清视频的高效压缩解压缩和低延时输出。

Description

一种超低时延的超高清视频压缩编解码方法
技术领域
本发明属于无线多媒体通信技术领域，尤其涉及一种超低时延的超高清视频压缩编解码方法。
背景技术
目前，随着视频编码技术的飞速发展和显示设备的飞速发展，视频作为一种高效的信息传输方式，已经广泛分布在互联网络、电视广播以及各种新兴的媒体应用上。而室内场景下的超低时延超高清视频传输需求越来越普遍，使得近几年室内短距离无线高速多媒体传输技术也成为了研究的热点。这些应用的需求对于室内短距离无线高速多媒体传输的要求都比较苛刻，要求低时延、高速率、大容量以及高可靠传输等。
超高清视频的时代即将到来，其物理原始分辨率、图像帧频率以及量化的色彩深度都相比高清视频提升了不少。虽然超高清视频能带给观众超高像素的视觉震撼但是不可否认其原始数据量剧增，数据速率可以达到16Gbps。海量增加的视频数据以及对信源质量的更高要求都直接给超高清视频的采集、存储、传输和显示等都带来了巨大的挑战。现有技术的发展使得未压缩超高清视频的传输还存在一定的困难，即便应用于实际也会带来很高的硬件成本，而这势必会给超高清视频的普及带来巨大的障碍。
在视频广泛普及的过程中，进行原始超高清视频的高效压缩是解决上述问题的有效途径。针对超高清视频压缩，现在主流的H.264/AVC压缩算法逐渐显示出了其压缩性能的不足，因此国际组织于2013年发布了高效视频编码(High Efficiency Video Coding，HEVC)，它能将视频占用的带宽从Gbit级压缩至几十Mbps，然而其采用了多种优秀的压缩技术使得编码复杂度比起H.264标准而言增加了近一倍同时不可避免地带来许多画质的损失，难以满足人们对超高清画质的图像质量需求。目前，相关组织已经启动了下一代视频编码标准H.266的研究和草案征集工作，其设计目标便是针对分辨率在4K及以上、位深主要是10bit级别的超高清视频压缩。就目前的进展来看，最新的视频编码技术的压缩性能显著超过了HEVC标准以及它的扩展。近两年来，随着人工智能技术的普及，已经有一些研究团队提出了基于深度学习的图像/视频编码方法。目前基于深度学习的视频编码技术是集成到用最新的视频编码标准HEVC中以代替其中的某项技术。人们提出一种基于卷积神经网络的后处理技术来消除压缩编码后图像的块效应和模糊等损失。后来有学者探索了基于CNN的下采样/上采样技术作为HEVC的一种新的帧内预测模式，并提出了对帧间预测模式的扩展。与传统的HEVC帧内预测算法相比节约了4.4％的码率，但是，由于在乘法运算中使用了全连接的神经网络和浮点运算，因此复杂度极高。实际上，卷积神经网络编码算法对帧间预测的改进是因为设计的神经网络可以降低块效应来提高帧间预测质量，同时复杂度极高不利于低延时压缩编码。
通过上述分析，现有技术存在的问题及缺陷为：现有高清/超高清视频压缩编码算法的复杂度极高，编解码环路延迟较大。
解决以上问题及缺陷的难度为：超高清视频剧增的数据量给压缩编码算法带来了极大的困难，需要在信源端对数据进行较高压缩比地编码。然而，随着压缩比地提升，信源编码器输出的图像质量就会下降，不能符合人们对超高清画质的要求。同时信源编码器为了提高压缩比采用了多种混合技术手段，这会极大地增加编码器的复杂度和编码延迟，因此需要在实际的算法设计中进行压缩率和质量的折衷。
解决以上问题及缺陷的意义为：室内场景下的实时多媒体应用对编码延迟非常敏感，过长的编码延时都会影响到用户的体验质量，引起用户在体验过程中的不适，甚至在游戏竞技的时候还会带来巨大的灾难。超低时延、轻量级的压缩编码算法实现超高清视频实时应用的关键操作，是室内短距离无线高速多媒体传输的基础，后续信道估计和信号检测的基础。对于高速、大容量超低时延视频传输系统而言，超低时延、轻量级的高清/超高清视频压缩编码算法是提高系统性能的关键和难点。
发明内容
针对现有技术存在的问题，本发明提供了一种超低时延的超高清视频压缩编解码方法。
本发明是这样实现的，一种超低时延的超高清视频压缩编解码方法，所述视频压缩编解码方法包括：
第一步，对输入的图像数据进行直流电平平移，得到预处理后的数据；
第二步，使用非对称整数小波变换对预处理后的数据进行分解，并在频域进行比例抽取和区域划分；
第三步，在每个区域上进行码率控制，得到熵编码模式和量化参数，然后对变换处理后的小波系数进行量化输出；
第四步，将量化后的小波系数划分为码组，然后对每个码组进行熵编码和码流组织；
第五步，对得到的码流数据进行参数解析，然后进行熵解码和反量化，随后进行插值恢复；
第六步，将重建后的变换系数执行反变换和直流电平平移操作，得到恢复后的图像数据。
进一步，所述视频压缩编解码方法具体包括：
步骤一：对输入的整幅图像进行预处理的过程，公式为：
X'(m,n)＝X(m,n)-2B-1；
其中，B是像素值的比特深度，取值范围为B∈{8,10,12}，X(m,n)是图像的原始像素值，m∈[1,3840]，n∈[1,2160]，X'(m,n)是图像经过预处理后的像素值，m和n的取值范围同上；
步骤二：进行不对称的整数小波变换，对原始图像经过预处理后的数据实行倍频程逐层小波分解，然后在频域进行比例抽取和区域划分；
步骤三，在每个区域上进行码率控制，得到熵编码模式和截断位置，并对区域上的小波系数进行量化输出，截断位置的公式为：
Tp,b＝Qp-Gb；
其中，Tp,b是每个区域p下对应的每个子带b的截断位置，Qp和Gb分别表示区域p上的量化参数和子带增益，由码率控制过程给出；
步骤四，将量化后的小波系数划分为码组，然后对码组中的数据进行熵编码处理和码流组织；
步骤五，对得到的码流数据进行头解析，然后进行熵解码得到重建的比特平面计数位置和小波系数值，反量化并进行插值恢复；
步骤六，将重建后的变换系数值执行反变换和直流电平平移操作，得到恢复后的图像数据。
进一步，所述步骤二具体包括：
(1)对原始图像经过预处理的数据进行一维列变换和一维行变换，列变换的具体公式为：
Figure GDA0003190321410000041
Figure GDA0003190321410000042
其中，n的取值范围是[1,N]，M是原始图像数据的宽度大小，M＝3840，N是原始图像数据的高度大小，N＝2160，原始图像经过预处理的数据为X'(m,n),n∈[1,N]，m∈[1,M]，经过小波变换后的数据为Yx,y(m,n)，下标x表示进行行变换的次数索引，取值范围为x∈{1,2,3,4,5}，y表示进行列变换的次数索引，取值范围为y∈{1,2}，m∈[1,3840]，n∈[1,2160]；
行变换的具体公式为：
Figure GDA0003190321410000043
Figure GDA0003190321410000051
其中，m的取值范围是[1,M]；
(2)对上述变换后的数据继续进行一维列变换和一维行变换，列变换的具体公式为：
Figure GDA0003190321410000052
Figure GDA0003190321410000053
其中，n的取值范围是[1,N/2]；
行变换的具体公式为：
Figure GDA0003190321410000054
Figure GDA0003190321410000055
其中，m的取值范围是[1,M/2]；
(3)对进行两次行列变换后的最低分辨率子带数据继续进行三次行变换得到不同分辨率级别的子带图像，第三次行变换的具体公式为：
Figure GDA0003190321410000056
Figure GDA0003190321410000057
其中，m的取值范围是[1,M/4]；
第四次行变换的具体公式为：
Figure GDA0003190321410000058
Figure GDA0003190321410000061
其中，m的取值范围是[1,M/4]；
第五次行变换的具体公式为：
Figure GDA0003190321410000062
Figure GDA0003190321410000063
其中，m的取值范围是[1,M/4]；
(4)然后对变换后的系数进行90％比例的抽取和区域划分。
进一步，所述步骤三具体包括：
(1)遍历所有的编码方法及截断位置，计算出每个子带进行熵编码所需要的各部分预算比特数，具体计算公式如下：
Bb＝Msigf+Mgcli+Mdata；
其中，子带b的取值范围是[1,MAX_LVL]，Msigf是重要性编码所需要的预算比特数,Mgcli是比特平面计数编码需要的预算比特数，Mdata是比特平面上的小波系数编码所需要的预算比特数；
(2)根据量化参数Qp和子带增益Gb，计算出截断位置Tp,b，Qp和Gb的初始值均设为0，具体计算公式如下：
Tp,b＝Qp-Gb；
(3)根据计算得出的截断位置Tp,b，找到使得每个区域预算比特数最小的熵编码模式，每个区域的预算比特数Bpre计算公式为：
Figure GDA0003190321410000064
其中，MAX_LVL表示子带的数量，取值为30；
(4)将区域的预算比特数Bpre与最小预算比特数E进行比较，根据比较结果相应地调节量化参数Qp和Gb，直至区域的预算比特数满足要求；
(5)使用(2)中得到的截断位置Tp,b对区域p中的小波系数进行均匀量化，公式为：
Figure GDA0003190321410000071
Figure GDA0003190321410000072
其中，M表示码组中的最高有效位，g表示一个码组，xi表示码组里的第i个系数，i∈{1,2,3,4}，Yx,y(m,n)表示经过小波变换处理后每个子带的系数，x∈{1,2,3,4,5}，y∈{1,2}，m∈[1,3840]，n∈[1,1944]为每个区域p下每个子带b的小波系数，zx,y(m,n)表示每个子带量化输出的小波系数，m∈[1,3840]，n∈[1,1944]。
进一步，所述步骤四具体包括：
(1)对码组中的量化参数和小波系数值直接进行编码；
(2)对码组中比特平面计数进行两种模式的熵编码，一种方法是编码器可以使用前一个子带的MSB位置作为预测值计算预测残差；然后，使用可变长度的一元编码对当前MSB位置进行编码；另一种方法是编码器不采用垂直预测，直接使用截断位置作为预测值计算残差，字母表的码字由一个长度等于编码的比特平面计数位置值的1位序列组成，后跟一个用作逗号的0位；
(3)给熵编码后的码流添加图像参数，进行码流组织。
进一步，所述步骤五具体包括：
(1)对码流数据中的参数信息进行解析，然后根据步骤四中的编码原理对MSB位置进行重建；
(2)对码组中的量化参数和小波系数直接进行解码处理；
(3)对重构的小波系数值进行反量化，然后插值恢复，反量化的具体公式为：
Figure GDA0003190321410000073
其中，M和Tp,b是(1)、(2)中得到的重建MSB位置和截断位置，zx,y(m,n)表示经过熵解码后得到的每个子带量化输出的小波系数，Y′x,y(m,n)表示经过反量化输出后每个子带的小波系数，x∈{1,2,3,4,5}，y∈{1,2}，m∈[1,3840]，n∈[1,1944]，插值恢复后的小波系数为Y′x,y(m,n)，m∈[1,3840]，n∈[1,2160]。
所述步骤六具体包括：
(1)对第五次分解后的数据进行一次行逆变换，行逆变换的具体公式为：
Figure GDA0003190321410000081
Figure GDA0003190321410000082
其中，m的取值范围是[1,M/4]；
(2)对第四次分解后的数据继续进行一次行逆变换，行逆变换的具体公式为：
Figure GDA0003190321410000083
Figure GDA0003190321410000084
其中，m的取值范围是[1,M/4]；
(3)对第三次分解后的数据继续进行一次行逆变换，行逆变换的具体公式为：
Figure GDA0003190321410000085
Figure GDA0003190321410000086
其中，m的取值范围是[1,M/4]；
(4)对第二次分解后的数据进行一次行逆变换和一次列逆变换，行逆变换的具体公式为：
Figure GDA0003190321410000091
Figure GDA0003190321410000092
其中，m的取值范围是[1,M/2]；
列逆变换的具体公式为：
Figure GDA0003190321410000093
Figure GDA0003190321410000094
其中，n的取值范围是[1,N/2]；
(5)对第一次分解后的数据进行一次行逆变换和一次列逆变换，行逆变换的具体公式为：
Figure GDA0003190321410000095
Figure GDA0003190321410000096
其中，m的取值范围是[1,M]；
列逆变换的具体公式为：
Figure GDA0003190321410000097
Figure GDA0003190321410000098
其中，n的取值范围是[1,N]，Y′x,y(m,n)表示插值恢复后的小波系数，x∈{1,2,3,4,5}，y∈{1,2}，m∈[1,3840]，n∈[1,2160]，X'(m,n)是小波逆变换后的像素值，m∈[1,3840]，n∈[1,2160]；
(6)对小波逆变换后的数据进行直流电平平移操作，即
X(m,n)＝X'(m,n)+2B-1；
其中，B是像素值的比特深度，取值范围为B∈{8,10,12}，X(m,n)是恢复后图像的像素值，X'(m,n)是小波逆变换后的像素值，m∈[1,3840]，n∈[1,2160]。
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
第一步，对输入的图像数据进行直流电平平移，得到预处理后的数据；
第二步，使用非对称整数小波变换对预处理后的数据进行分解，并在频域进行比例抽取和区域划分；
第三步，在每个区域上进行码率控制，得到熵编码模式和量化参数，然后对变换处理后的小波系数进行量化输出；
第四步，将量化后的小波系数划分为码组，然后对每个码组进行熵编码和码流组织；
第五步，对得到的码流数据进行参数解析，然后进行熵解码和反量化，随后进行插值恢复；
第六步，将重建后的变换系数执行反变换和直流电平平移操作，得到恢复后的图像数据。
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
第一步，对输入的图像数据进行直流电平平移，得到预处理后的数据；
第二步，使用非对称整数小波变换对预处理后的数据进行分解，并在频域进行比例抽取和区域划分；
第三步，在每个区域上进行码率控制，得到熵编码模式和量化参数，然后对变换处理后的小波系数进行量化输出；
第四步，将量化后的小波系数划分为码组，然后对每个码组进行熵编码和码流组织；
第五步，对得到的码流数据进行参数解析，然后进行熵解码和反量化，随后进行插值恢复；
第六步，将重建后的变换系数执行反变换和直流电平平移操作，得到恢复后的图像数据。
本发明的另一目的在于提供一种实施所述视频压缩编解码方法的视频压缩编解码系统，所述视频压缩编解码系统包括：
图像数据预处理模块，用于对输入的图像数据进行直流电平平移，得到预处理后的数据；
小波变换处理模块，用于使用非对称整数小波变换对预处理后的数据进行分解，并在频域进行比例抽取和区域划分；
小波系数量化输出模块，用于在每个区域上进行码率控制，得到熵编码模式和量化参数，然后对变换处理后的小波系数进行量化输出；
码组数据处理模块，用于将量化后的小波系数划分为码组，然后对每个码组进行熵编码和码流组织；
码流数据熵解码恢复模块，用于对得到的码流数据进行参数解析，然后进行熵解码和反量化，随后进行插值恢复；
图像数据反变换输出模块，用于将重建后的变换系数执行反变换和直流电平平移操作，得到恢复后的图像数据。
本发明的另一目的在于提供一种无线多媒体通信终端，所述无线多媒体通信终端搭载所述的视频压缩编解码系统。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明使用非对称的整数小波变换来去除原始图像数据中的空间冗余，降低了小波变换的缓冲延迟，同时采用了提升结构的整数小波变换，可以进行视频近乎无损的压缩，有效地降低了算法实现的复杂度，提高了压缩后的视频质量。同时对量化后的小波系数采用了轻量级的熵编码算法来对码流进行进一步压缩组织，降低了编解码系统的整体环路延迟。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的视频压缩编解码方法流程图。
图2是本发明实施例提供的视频压缩编解码系统的结构示意图。
图中：1、图像数据预处理模块；2、小波变换处理模块；3、小波系数量化输出模块；4、码组数据处理模块；5、码流数据熵解码恢复模块；6、图像数据反变换输出模块。
图3是本发明实施例提供的不对称小波分解后对应的频带示意图。
图4是本发明实施例提供的图像逻辑区域划分示意图。
图5是本发明实施例提供的码率分配算法的量化参数更新流程图。
图6是本发明实施例提供的超低时延压缩算法编码后的码流格式。
图7是本发明实施例提供的超低时延压缩编码算法的编解码延迟结果图。
图8是本发明实施例提供的超低时延压缩编码算法的算法复杂度结果图。
图9是本发明实施例提供的超高清视频序列Wood的率失真对比仿真图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种超低时延的超高清视频压缩编解码方法，下面结合附图对本发明作详细的描述。
如图1所示，本发明提供的视频压缩编解码方法包括以下步骤：
S101：对输入的图像数据进行直流电平平移，得到预处理后的数据；
S102：使用非对称整数小波变换对预处理后的数据进行分解，并在频域进行比例抽取和区域划分；
S103：在每个区域上进行码率控制，得到熵编码模式和量化参数，然后对变换处理后的小波系数进行量化输出；
S104：将量化后的小波系数划分为码组，然后对每个码组进行熵编码和码流组织；
S105：对得到的码流数据进行参数解析，然后进行熵解码和反量化，随后进行插值恢复；
S106：将重建后的变换系数执行反变换和直流电平平移操作，得到恢复后的图像数据；
如图2所示，本发明提供的视频压缩编解码系统包括：
图像数据预处理模块1，用于对输入的图像数据进行直流电平平移，得到预处理后的数据。
小波变换处理模块2，用于使用非对称整数小波变换对预处理后的数据进行分解，并在频域进行比例抽取和区域划分。
小波系数量化输出模块3，用于在每个区域上进行码率控制，得到熵编码模式和量化参数，然后对变换处理后的小波系数进行量化输出。
码组数据处理模块4，用于将量化后的小波系数划分为码组，然后对每个码组进行熵编码和码流组织。
码流数据熵解码恢复模块5，用于对得到的码流数据进行参数解析，然后进行熵解码和反量化，随后进行插值恢复。
图像数据反变换输出模块6，用于将重建后的变换系数执行反变换和直流电平平移操作，得到恢复后的图像数据。
下面结合附图对本发明的技术方案作进一步的描述。
图3是本发明实施例提供的不对称小波分解后对应的频带示意图。
图4是本发明实施例提供的图像逻辑区域划分示意图。
图5是本发明实施例提供的码率分配算法的量化参数更新流程图。
图6是本发明实施例提供的超低时延压缩算法编码后的码流格式。
本发明实施例提供的视频压缩编解码方法具体包括
步骤一：对输入的整幅图像进行预处理的过程，公式为：
X'(m,n)＝X(m,n)-2B-1；
其中，B是像素值的比特深度，取值范围为B∈{8,10,12}，X(m,n)是图像的原始像素值，m∈[1,3840]，n∈[1,2160]，X'(m,n)是图像经过预处理后的像素值，m和n的取值范围同上；
步骤二：进行不对称的整数小波变换，对原始图像经过预处理后的数据实行倍频程逐层小波分解，然后在频域进行比例抽取和区域划分；
(1)对原始图像经过预处理的数据进行一维列变换和一维行变换，列变换的具体公式为：
Figure GDA0003190321410000141
Figure GDA0003190321410000142
其中，n的取值范围是[1,N]，M是原始图像数据的宽度大小，M＝3840，N是原始图像数据的高度大小，N＝2160，原始图像经过预处理的数据为X'(m,n),n∈[1,N]，m∈[1,M]，经过小波变换后的数据为Yx,y(m,n)，下标x表示进行行变换的次数索引，取值范围为x∈{1,2,3,4,5}，y表示进行列变换的次数索引，取值范围为y∈{1,2}，m∈[1,3840]，n∈[1,2160]；
行变换的具体公式为：
Figure GDA0003190321410000143
Figure GDA0003190321410000144
其中，m的取值范围是[1,M]；
(2)对上述变换后的数据继续进行一维列变换和一维行变换，列变换的具体公式为：
Figure GDA0003190321410000151
Figure GDA0003190321410000152
其中，n的取值范围是[1,N/2]；
行变换的具体公式为：
Figure GDA0003190321410000153
Figure GDA0003190321410000154
其中，m的取值范围是[1,M/2]；
(3)对进行两次行列变换后的最低分辨率子带数据继续进行三次行变换得到不同分辨率级别的子带图像，第三次行变换的具体公式为：
Figure GDA0003190321410000155
Figure GDA0003190321410000156
其中，m的取值范围是[1,M/4]；
第四次行变换的具体公式为：
Figure GDA0003190321410000157
Figure GDA0003190321410000158
其中，m的取值范围是[1,M/4]；
第五次行变换的具体公式为：
Figure GDA0003190321410000161
Figure GDA0003190321410000162
其中，m的取值范围是[1,M/4]；
(4)然后对变换后的系数进行90％比例的抽取和区域划分。
步骤三，在每个区域上进行码率控制，得到熵编码模式和截断位置，并对区域上的小波系数进行量化输出；
(1)遍历所有的编码方法及截断位置，计算出每个子带进行熵编码所需要的各部分预算比特数，具体计算公式如下：
Bb＝Msigf+Mgcli+Mdata；
其中，子带b的取值范围是[1,MAX_LVL]，Msigf是重要性编码所需要的预算比特数,Mgcli是比特平面计数编码需要的预算比特数，Mdata是比特平面上的小波系数编码所需要的预算比特数；
(2)根据量化参数Qp和子带增益Gb，计算出截断位置Tp,b，Qp和Gb的初始值均设为0，具体计算公式如下：
Tp,b＝Qp-Gb；
(3)根据计算得出的截断位置Tp,b，找到使得每个区域预算比特数最小的熵编码模式，每个区域的预算比特数Bpre计算公式为：
Figure GDA0003190321410000163
其中，MAX_LVL表示子带的数量，取值为30；
(4)将区域的预算比特数Bpre与最小预算比特数E进行比较，根据比较结果相应地调节量化参数Qp和Gb，直至区域的预算比特数满足要求；
(5)使用(2)中得到的截断位置Tp,b对区域p中的小波系数进行均匀量化，公式为：
Figure GDA0003190321410000171
Figure GDA0003190321410000172
其中，M表示码组中的最高有效位，g表示一个码组，xi表示码组里的第i个系数，i∈{1,2,3,4}，Yx,y(m,n)表示经过小波变换处理后每个子带的系数，x∈{1,2,3,4,5}，y∈{1,2}，m∈[1,3840]，n∈[1,1944]为每个区域p下每个子带b的小波系数，zx,y(m,n)表示每个子带量化输出的小波系数，m∈[1,3840]，n∈[1,1944]；
步骤四，将量化后的小波系数划分为码组，然后对码组中的数据进行熵编码处理和码流组织；
(1)对码组中的量化参数和小波系数值直接进行编码；
(2)对码组中比特平面计数进行两种模式的熵编码，一种方法是编码器可以使用前一个子带的MSB位置作为预测值计算预测残差；然后，使用可变长度的一元编码对当前MSB位置进行编码；另一种方法是编码器不采用垂直预测，直接使用截断位置作为预测值计算残差，字母表的码字由一个长度等于编码的比特平面计数位置值的1位序列组成，后跟一个用作逗号的0位；
(3)给熵编码后的码流添加图像参数，进行码流组织。
步骤五，对得到的码流数据进行头解析，然后进行熵解码得到重建的比特平面计数位置和小波系数值，反量化并进行插值恢复；
(1)对码流数据中的参数信息进行解析，然后根据步骤四中的编码原理对MSB位置进行重建；
(2)对码组中的量化参数和小波系数直接进行解码处理；
(3)对重构的小波系数值进行反量化，然后插值恢复，反量化的具体公式为：
Figure GDA0003190321410000173
其中，M和Tp,b是(1)、(2)中得到的重建MSB位置和截断位置，zx,y(m,n)表示经过熵解码后得到的每个子带量化输出的小波系数，Y′x,y(m,n)表示经过反量化输出后每个子带的小波系数，x∈{1,2,3,4,5}，y∈{1,2}，m∈[1,3840]，n∈[1,1944]，插值恢复后的小波系数为Y′x,y(m,n)，m∈[1,3840]，n∈[1,2160]；
步骤六，将重建后的变换系数值执行反变换和直流电平平移操作，得到恢复后的图像数据；
(1)对第五次分解后的数据进行一次行逆变换，行逆变换的具体公式为：
Figure GDA0003190321410000181
Figure GDA0003190321410000182
其中，m的取值范围是[1,M/4]；
(2)对第四次分解后的数据继续进行一次行逆变换，行逆变换的具体公式为：
Figure GDA0003190321410000183
Figure GDA0003190321410000184
其中，m的取值范围是[1,M/4]；
(3)对第三次分解后的数据继续进行一次行逆变换，行逆变换的具体公式为：
Figure GDA0003190321410000185
Figure GDA0003190321410000186
其中，m的取值范围是[1,M/4]；
(4)对第二次分解后的数据进行一次行逆变换和一次列逆变换，行逆变换的具体公式为：
Figure GDA0003190321410000191
Figure GDA0003190321410000192
其中，m的取值范围是[1,M/2]；
列逆变换的具体公式为：
Figure GDA0003190321410000193
Figure GDA0003190321410000194
其中，n的取值范围是[1,N/2]；
(5)对第一次分解后的数据进行一次行逆变换和一次列逆变换，行逆变换的具体公式为：
Figure GDA0003190321410000195
Figure GDA0003190321410000196
其中，m的取值范围是[1,M]；
列逆变换的具体公式为：
Figure GDA0003190321410000197
Figure GDA0003190321410000198
其中，n的取值范围是[1,N]，Y′x,y(m,n)表示插值恢复后的小波系数，x∈{1,2,3,4,5}，y∈{1,2}，m∈[1,3840]，n∈[1,2160]，X'(m,n)是小波逆变换后的像素值，m∈[1,3840]，n∈[1,2160]；
(6)对小波逆变换后的数据进行直流电平平移操作，即
X(m,n)＝X'(m,n)+2B-1；
其中，B是像素值的比特深度，取值范围为B∈{8,10,12}，X(m,n)是恢复后图像的像素值，X'(m,n)是小波逆变换后的像素值，m∈[1,3840]，n∈[1,2160]。
下面结合仿真对本发明的技术效果作详细的描述。
1、仿真条件：测试序列Wood的原始分辨率为3840×2160，采样比例4：2：0，量化深度8bit，帧速率30fps；
2、仿真内容与结果：
仿真1，使用超高清视频序列进行分析，每种压缩编码算法的延迟结果如图8所示，可以看到本发明算法延迟可以达到毫秒级，比起JPEG 2000ULL算法可以降低20％左右，仅为H.264/iAVC编码算法的0.01％左右，显著地改善了视频编解码器产生的算法延迟。
仿真2，使用超高清视频序列进行分析，每种压缩编码算法的复杂度结果如图9所示，可以看到本发明算法复杂度是最低的，而且其他算法随着视频分辨率地提高，其复杂度剧增，而本发明设计的算法复杂度仅为其他算法的
Figure GDA0003190321410000201
同时更为显著地减少了乘法运算的使用，有利于实际硬件系统的设计。
仿真3，使用超高清视频序列进行测试，超低时延压缩编码算法用本发明与现有的4种经典超低时延算法进行对比可以看到本发明的优势如图7所示，可以看到HEVC SCC算法虽然在较低比特率下性能略好但在较高比特率下本发明算法的率失真性能会优于HEVCSCC算法。而且本发明算法比H.264/iAVC和JPEG 2000ULL算法的率失真性能均优越。在实际的室内高速传输多媒体通信系统中，编码算法的复杂度和延迟是必须要考虑的，本发明算法在降低了算法复杂度和编码延迟的基础上对超高清视频进行了有效地压缩，保证了高速超低时延传输的需求，相比较其他几种算法有很明显的优势，更符合实际室内高速大容量超低时延超高清视频传输系统的要求。
结合图7、图8和图9可见，本发明的基于非对称整数小波变换的超低时延超高清视频压缩编码方法无论是从算法复杂度还是编解码环路延迟方面都更有优势，从率失真性能上来看都有2-4dB的提升。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (6)

1.一种视频压缩编解码方法，其特征在于，所述视频压缩编解码方法包括：
第一步，对输入的图像数据进行直流电平平移，得到预处理后的数据；
第二步，使用非对称整数小波变换对预处理后的数据进行分解，并在频域进行比例抽取和区域划分；
第三步，在每个区域上进行码率控制，得到熵编码模式和量化参数，然后对变换处理后的小波系数进行量化输出；
第四步，将量化后的小波系数划分为码组，然后对每个码组进行熵编码和码流组织；
第五步，对得到的码流数据进行参数解析，然后进行熵解码和反量化，随后进行插值恢复；
第六步，将重建后的变换系数执行反变换和直流电平平移操作，得到恢复后的图像数据；
所述视频压缩编解码方法具体包括：
步骤一：对输入的整幅图像进行预处理的过程，公式为：
X'(m,n)＝X(m,n)-2B-1；
其中，B是像素值的比特深度，取值范围为B∈{8,10,12}，X(m,n)是图像的原始像素值，m∈[1,3840]，n∈[1,2160]，X'(m,n)是图像经过预处理后的像素值，m和n的取值范围同上；
步骤二：进行不对称的整数小波变换，对原始图像经过预处理后的数据实行倍频程逐层小波分解，然后在频域进行比例抽取和区域划分；
步骤三，在每个区域上进行码率控制，得到熵编码模式和截断位置，并对区域上的小波系数进行量化输出，截断位置的公式为：
Tp,b＝Qp-Gb；
其中，Tp,b是每个区域p下对应的每个子带b的截断位置，Qp和Gb分别表示区域p上的量化参数和子带增益，由码率控制过程给出；
步骤四，将量化后的小波系数划分为码组，然后对码组中的数据进行熵编码处理和码流组织；
步骤五，对得到的码流数据进行头解析，然后进行熵解码得到重建的比特平面计数位置和小波系数值，反量化并进行插值恢复；
步骤六，将重建后的变换系数值执行反变换和直流电平平移操作，得到恢复后的图像数据；
所述步骤二具体包括：
(1)对原始图像经过预处理的数据进行一维列变换和一维行变换，列变换的具体公式为：
Figure FDA0003279104180000021
Figure FDA0003279104180000022
其中，n的取值范围是[1,N]，M是原始图像数据的宽度大小，M＝3840，N是原始图像数据的高度大小，N＝2160，原始图像经过预处理的数据为X'(m,n),n∈[1,N]，m∈[1,M]，经过小波变换后的数据为Yx,y(m,n)，下标x表示进行行变换的次数索引，取值范围为x∈{1,2,3,4,5}，y表示进行列变换的次数索引，取值范围为y∈{1,2}，m∈[1,3840]，n∈[1,2160]；
行变换的具体公式为：
Figure FDA0003279104180000023
Figure FDA0003279104180000024
其中，m的取值范围是[1,M]；
(2)对上述变换后的数据继续进行一维列变换和一维行变换，列变换的具体公式为：
Figure FDA0003279104180000031
Figure FDA0003279104180000032
其中，n的取值范围是[1,N/2]；
行变换的具体公式为：
Figure FDA0003279104180000033
Figure FDA0003279104180000034
其中，m的取值范围是[1,M/2]；
(3)对进行两次行列变换后的最低分辨率子带数据继续进行三次行变换得到不同分辨率级别的子带图像，第三次行变换的具体公式为：
Figure FDA0003279104180000035
Figure FDA0003279104180000036
其中，m的取值范围是[1,M/4]；
第四次行变换的具体公式为：
Figure FDA0003279104180000037
Figure FDA0003279104180000038
其中，m的取值范围是[1,M/4]；
第五次行变换的具体公式为：
Figure FDA0003279104180000041
Figure FDA0003279104180000042
其中，m的取值范围是[1,M/4]；
(4)然后对变换后的系数进行90％比例的抽取和区域划分；
所述步骤三具体包括：
(1)遍历所有的编码方法及截断位置，计算出每个子带进行熵编码所需要的各部分预算比特数，具体计算公式如下：
Bb＝Msigf+Mgcli+Mdata；
其中，子带b的取值范围是[1,MAX_LVL]，Msigf是重要性编码所需要的预算比特数,Mgcli是比特平面计数编码需要的预算比特数，Mdata是比特平面上的小波系数编码所需要的预算比特数；
(2)根据量化参数Qp和子带增益Gb，计算出截断位置Tp,b，Qp和Gb的初始值均设为0，具体计算公式如下：
Tp,b＝Qp-Gb；
(3)根据计算得出的截断位置Tp,b，找到使得每个区域预算比特数最小的熵编码模式，每个区域的预算比特数Bpre计算公式为：
Figure FDA0003279104180000043
其中，MAX_LVL表示子带的数量，取值为30；
(4)将区域的预算比特数Bpre与最小预算比特数E进行比较，根据比较结果相应地调节量化参数Qp和Gb，直至区域的预算比特数满足要求；
(5)使用(2)中得到的截断位置Tp,b对区域p中的小波系数进行均匀量化，公式为：
Figure FDA0003279104180000051
Figure FDA0003279104180000052
其中，M表示码组中的最高有效位，g表示一个码组，xi表示码组里的第i个系数，i∈{1,2,3,4}，Yx,y(m,n)表示经过小波变换处理后每个子带的系数，x∈{1,2,3,4,5}，y∈{1,2}，m∈[1,3840]，n∈[1,1944]为每个区域p下每个子带b的小波系数，zx,y(m,n)表示每个子带量化输出的小波系数，m∈[1,3840]，n∈[1,1944]；
所述步骤四具体包括：
(1)对码组中的量化参数和小波系数值直接进行编码；
(2)对码组中比特平面计数进行两种模式的熵编码，一种方法是编码器可以使用前一个子带的MSB位置作为预测值计算预测残差；然后，使用可变长度的一元编码对当前MSB位置进行编码；另一种方法是编码器不采用垂直预测，直接使用截断位置作为预测值计算残差，字母表的码字由一个长度等于编码的比特平面计数位置值的1位序列组成，后跟一个用作逗号的0位；
(3)给熵编码后的码流添加图像参数，进行码流组织。
2.如权利要求1所述的视频压缩编解码方法，其特征在于，所述步骤五具体包括：
(1)对码流数据中的参数信息进行解析，然后根据步骤四中的编码原理对MSB位置进行重建；
(2)对码组中的量化参数和小波系数直接进行解码处理；
(3)对重构的小波系数值进行反量化，然后插值恢复，反量化的具体公式为：
Figure FDA0003279104180000053
其中，M和Tp,b是(1)、(2)中得到的重建MSB位置和截断位置，zx,y(m,n)表示经过熵解码后得到的每个子带量化输出的小波系数，Y′x,y(m,n)表示经过反量化输出后每个子带的小波系数，x∈{1,2,3,4,5}，y∈{1,2}，m∈[1,3840]，n∈[1,1944]，插值恢复后的小波系数为Y′x,y(m,n)，m∈[1,3840]，n∈[1,2160]；
所述步骤六具体包括：
(1)对第五次分解后的数据进行一次行逆变换，行逆变换的具体公式为：
Figure FDA0003279104180000061
Figure FDA0003279104180000062
其中，m的取值范围是[1,M/4]；
(2)对第四次分解后的数据继续进行一次行逆变换，行逆变换的具体公式为：
Figure FDA0003279104180000063
Figure FDA0003279104180000064
其中，m的取值范围是[1,M/4]；
(3)对第三次分解后的数据继续进行一次行逆变换，行逆变换的具体公式为：
Figure FDA0003279104180000065
Figure FDA0003279104180000066
其中，m的取值范围是[1,M/4]；
(4)对第二次分解后的数据进行一次行逆变换和一次列逆变换，行逆变换的具体公式为：
Figure FDA0003279104180000071
Figure FDA0003279104180000072
其中，m的取值范围是[1,M/2]；
列逆变换的具体公式为：
Figure FDA0003279104180000073
Figure FDA0003279104180000074
其中，n的取值范围是[1,N/2]；
(5)对第一次分解后的数据进行一次行逆变换和一次列逆变换，行逆变换的具体公式为：
Figure FDA0003279104180000075
Figure FDA0003279104180000076
其中，m的取值范围是[1,M]；
列逆变换的具体公式为：
Figure FDA0003279104180000077
Figure FDA0003279104180000078
其中，n的取值范围是[1,N]，Y′x,y(m,n)表示插值恢复后的小波系数，x∈{1,2,3,4,5}，y∈{1,2}，m∈[1,3840]，n∈[1,2160]，X'(m,n)是小波逆变换后的像素值，m∈[1,3840]，n∈[1,2160]；
(6)对小波逆变换后的数据进行直流电平平移操作，即
X(m,n)＝X'(m,n)+2B-1；
其中，B是像素值的比特深度，取值范围为B∈{8,10,12}，X(m,n)是恢复后图像的像素值，X'(m,n)是小波逆变换后的像素值，m∈[1,3840]，n∈[1,2160]。
3.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1～2任意一项所述视频压缩编解码方法的步骤。
4.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1～2任意一项所述视频压缩编解码方法的步骤。
5.一种实施权利要求1～2任意一项所述视频压缩编解码方法的视频压缩编解码系统，其特征在于，所述视频压缩编解码系统包括：
图像数据预处理模块，用于对输入的图像数据进行直流电平平移，得到预处理后的数据；
小波变换处理模块，用于使用非对称整数小波变换对预处理后的数据进行分解，并在频域进行比例抽取和区域划分；
小波系数量化输出模块，用于在每个区域上进行码率控制，得到熵编码模式和量化参数，然后对变换处理后的小波系数进行量化输出；
码组数据处理模块，用于将量化后的小波系数划分为码组，然后对每个码组进行熵编码和码流组织；
码流数据熵解码恢复模块，用于对得到的码流数据进行参数解析，然后进行熵解码和反量化，随后进行插值恢复；
图像数据反变换输出模块，用于将重建后的变换系数执行反变换和直流电平平移操作，得到恢复后的图像数据。
6.一种无线多媒体通信终端，其特征在于，所述无线多媒体通信终端搭载权利要求5所述的视频压缩编解码系统。
CN202010464463.9A 2020-05-27 2020-05-27 一种超低时延的超高清视频压缩编解码方法 Active CN111669588B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010464463.9A CN111669588B (zh) 2020-05-27 2020-05-27 一种超低时延的超高清视频压缩编解码方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010464463.9A CN111669588B (zh) 2020-05-27 2020-05-27 一种超低时延的超高清视频压缩编解码方法

Publications (2)

Publication Number Publication Date
CN111669588A CN111669588A (zh) 2020-09-15
CN111669588B true CN111669588B (zh) 2022-04-01

Family

ID=72384983

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010464463.9A Active CN111669588B (zh) 2020-05-27 2020-05-27 一种超低时延的超高清视频压缩编解码方法

Country Status (1)

Country Link
CN (1) CN111669588B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113365075A (zh) * 2021-06-04 2021-09-07 深圳市朗强科技有限公司 一种应用轻压缩算法的超高清视频的有线发送、接收方法及设备
CN114511039A (zh) * 2022-02-28 2022-05-17 智汇(中山)信息技术有限公司 一种软件开发行为监控系统
CN116708788B (zh) * 2023-08-02 2023-11-21 深圳市冠群电子有限公司 手机文件压缩系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006081152A (ja) * 2004-08-12 2006-03-23 Seiko Epson Corp デジタル画像符号化装置、デジタル画像符号化プログラム、デジタル画像符号化方法、及びデジタル画像復号化装置、デジタル画像復号化プログラム、並びにデジタル画像復号化方法
CN101754021B (zh) * 2009-12-18 2011-09-28 江苏省烟草公司常州市公司 基于改进小波变换图像压缩方法实现手机移动门户的方法
CN108540798B (zh) * 2017-12-29 2020-06-05 西安电子科技大学 一种jpeg2000图像编码的实现系统及方法
CN110365990A (zh) * 2019-06-21 2019-10-22 武汉玉航科技有限公司 一种窄带准无损视频编码系统

Also Published As

Publication number Publication date
CN111669588A (zh) 2020-09-15

Similar Documents

Publication Publication Date Title
CN111669588B (zh) 一种超低时延的超高清视频压缩编解码方法
CN111711824B (zh) 视频编解码中的环路滤波方法、装置、设备及存储介质
JP2007503784A (ja) ハイブリッドビデオ圧縮法
KR100678909B1 (ko) 인코더-디코더 간 불일치를 감소시키는 ｍｃｔｆ 기반의비디오 코딩 방법 및 장치
CN112543337B (zh) 视频解码方法、装置、计算机可读介质及电子设备
CN113766249A (zh) 视频编解码中的环路滤波方法、装置、设备及存储介质
WO2022062880A1 (zh) 视频解码方法、装置、计算机可读介质及电子设备
WO2023279961A1 (zh) 视频图像的编解码方法及装置
CN115956363A (zh) 用于后滤波的内容自适应在线训练方法及装置
Bernatin et al. Video compression based on Hybrid transform and quantization with Huffman coding for video codec
Kabir et al. Edge-based transformation and entropy coding for lossless image compression
CN116095329A (zh) 视频编解码方法、装置、计算机可读介质及电子设备
Yadav et al. Flow-MotionNet: A neural network based video compression architecture
CN109672891B (zh) Jpeg图像的无损二次压缩方法
US20230053118A1 (en) Video decoding method, video coding method, and related apparatus
US20140133552A1 (en) Method and apparatus for encoding an image
CN105791868A (zh) 视频编码的方法和设备
WO2023082107A1 (zh) 解码方法、编码方法、解码器、编码器和编解码系统
CN114189684A (zh) 一种基于jnd算法的视频编码方法、装置、介质及计算设备
CN1848960A (zh) 使用非标准化矢量量化编码器的符合视频标准的残差编码
Hoon Son et al. An embedded compression algorithm integrated with Motion JPEG2000 system for reduction of off-chip video memory bandwidth
CN116982262A (zh) 视频编码中依赖性量化的状态转换
CN1666530A (zh) 子带视频解码方法和设备
US20240015336A1 (en) Filtering method and apparatus, computer-readable medium, and electronic device
Gulia et al. Comprehensive Analysis of Flow Incorporated Neural Network based Lightweight Video Compression Architecture

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant