GPCA在視頻可伸縮編碼中的研究和應用.pdf

1、數(shù)字存儲、通訊和互聯(lián)網的飛速發(fā)展使海量的視頻數(shù)據(jù)出現(xiàn)在人們生活的方方面面，視頻成為人們獲得信息的主要載體。盡管網絡帶寬、磁盤容量、內存等還在持續(xù)增大，但對視頻數(shù)據(jù)進行壓縮是大部分媒體服務的前提，因此研究高效的視頻壓縮算法具有重要意義。此外，為了適應網絡帶寬的變化、支持不同的終端和達到更好的無線傳輸服務，人們提出了可伸縮性編碼的概念，實現(xiàn)視頻的可伸縮性，使得視頻在可獲得的資源下達到最佳質量。另一方面，視頻的應用已走出以播放為目的的局限，視

2、頻數(shù)據(jù)的分析和理解也成為研究的熱點。 本文主要工作在于將 Generalized Principal Component Analysis(GPCA)應用于視頻編碼，取代傳統(tǒng)編碼框架中的離散余弦變換(DCT)，達到了更好的視頻壓縮效率，并在此基礎上實現(xiàn)了信噪比(SNR)可伸縮性。另外，利用在運動預測得到的運動向量，嘗試用GPCA為視頻建立多運動模型，并檢測運動物體。 本文首先介紹了視頻編碼在通信、媒體服務等領域的重要性，

3、根據(jù)現(xiàn)有幾個重要的國際標準的演變歷史，介紹了視頻編碼的發(fā)展情況和研究現(xiàn)狀。 第二章簡要地描述了傳統(tǒng)編碼框架，并分析了新興的視頻編碼標準H．264的特性。 第三章介紹了可伸縮性編碼的概念，著重描述 Motion Compensation emporalFilter(MCTF)及其對H．264在可伸縮性編碼(SVC，Scalable Video Coding)方面的擴展。 第四章簡要地介紹GPCA的基本原理，并將GP

4、CA引入到傳統(tǒng)的編碼框架中。GPCA的作用是為數(shù)據(jù)集估計混合線性模型，與PCA的單模型相比，多模型具有明顯的優(yōu)勢，能更簡潔地表達數(shù)據(jù)，揭示數(shù)據(jù)分布情況。我們用GPCA對殘差作變換，消除數(shù)據(jù)的空間冗余，在此基礎上實現(xiàn)了SNR可伸縮性，并討論了降低編碼算法復雜度的幾種方法。 第五章將GPCA用于分析視頻中運動對象。與圖像相比，視頻的一個重要特點是相鄰幀具有關聯(lián)性，壓縮算法的運動預測模塊得到的運動向量反映了視頻中物體的運動信息。不同的