高效視頻編碼中的去塊效應(yīng)濾波研究.pdf

1、在現(xiàn)代社會信息交流中，視頻通信占據(jù)著通信數(shù)據(jù)流量的絕大部分，視頻傳播前進行壓縮是解決視頻數(shù)據(jù)過于龐大導致傳輸困難的有效辦法。盡管目前視頻數(shù)據(jù)的壓縮比已經(jīng)比較高，但動輒數(shù)GB的視頻數(shù)據(jù)仍然是網(wǎng)絡(luò)傳輸過程中網(wǎng)絡(luò)帶寬不夠的主要因素。在視頻圖像質(zhì)量不變的情況下，盡可能地令視頻數(shù)據(jù)達到更高的壓縮比是科研人員一直追求的目標。目前所面臨的主要問題是既要保證令人滿意的圖像質(zhì)量，又要盡可能少的占用存儲和通信資源。視頻壓縮的基本原理是利用視頻圖像數(shù)據(jù)的空間

2、冗余度和時間冗余度。舍棄不重要的數(shù)據(jù)信息，盡量使用較少的標志信息來表示大量的像素信息。除了大量的冗余信息可供壓縮，利用人眼的視覺暫留來壓縮不必要的像素信息也是非常重要的。由于視頻編碼的重要性，目前該技術(shù)正成為多媒體時代最熱門的技術(shù)之一。隨著視頻編碼在編碼性能上的優(yōu)異表現(xiàn)和試用范圍的擴大，新的視頻編碼技術(shù)和對應(yīng)的視頻編碼標準不斷涌現(xiàn)，視頻編碼的應(yīng)用也越來越廣泛。伴隨著人們對2k，4k甚至8k等超高清視頻資源的需求迅速增加，這對新的視頻編碼

3、技術(shù)又提出了更大的挑戰(zhàn)。
　　為了提高視頻編碼壓縮率，圖像分塊編碼廣泛應(yīng)用在各種視頻編碼標準中。這種基于塊的編碼方法既帶來非常可觀的性能提升，也帶來了不小的問題。在不更改視頻編碼基于塊編碼這種框架的前提下，為了解決基于塊編碼導致視頻資源發(fā)生的邊界效應(yīng)、振鈴效應(yīng)、圖片失真等問題，以往的各個視頻編碼標準和最新的高效視頻編碼標準都對編碼后的視頻數(shù)據(jù)進行了一定的后處理運算，以減小視覺上的不良體驗，同時在一定程度提升編碼性能。
　　在

4、最新的高效視頻編碼標準(HEVC)中已經(jīng)提出了幾種方法（去塊濾波和SAO）來緩解這些問題，但無論在視覺主觀感受上還是編碼性能上仍不能讓人滿意。因此，我們提出了一個新的思路，使用深度學習網(wǎng)絡(luò)來設(shè)計一個全新的濾波器模型來替代高效視頻編碼中的后處理過程。本論文中使用的是深度學習中常用的卷積神經(jīng)網(wǎng)絡(luò)中，通過隨機梯度下降法來學習卷積神經(jīng)網(wǎng)絡(luò)中的參數(shù)，經(jīng)過大量的訓練和不斷地更新網(wǎng)絡(luò)參數(shù)后，我們得到了固定的網(wǎng)絡(luò)模型。在各個分辨率下的視頻編碼測試序列中