基于非均匀量化的小波域分布式深度图视频编码.docVIP

基于非均匀量化的小波域分布式深度图视频编码 摘要：针对分布式多视点加深度格式（DMVD）的视频编码中深度图视频解码质量问题，提出一种结合子带层及子带系数的小波域分布式深度视频非均匀量化方案，通过给边缘分配更多比特来提升深度图的边缘质量。结合深度图经小波变换后系数分布特性，对第N层的低频小波系数采用均匀量化方案，对其他层高频小波系数采用非均匀量化方案。针对高频系数的非均匀量化，对处于“0”左右的高频系数采用较大的量化步长，随着高频系数幅度值的增大，量化步长逐渐减小，量化逐渐精细，从而提升深度图中的边缘细节质量。实验结果表明，对于边缘较多且变化较明显的“Dancer”和“PoznanHall2”深度序列，该算法能够有效地提高二者的边缘信息质量从而提高其率失真（RD）性能，最高可达1.2dB；而对于边缘区域较小且较为模糊的“Newspaper”和“Balloons”深度序列，系统的RD性能也能被提升0.3dB左右。 关键词：深度图视频编码；分布式视频编码；量化；边缘信息；小波域 中图分类号： TN919.81 文献标志码：A 0引言 随着数字通信技术和高速网络的迅猛发展，人们对视频通信的要求已经逐渐从2D视频转向3D视频。多视点视频凭借其能够提供立体感和交互功能成为一种重要的3D视频表示方法。其中，多视点视频及与其对应的深度图序列（Multiview Video plus Depth， MVD） [1]组成的视频格式在3D视频领域脱颖而出，但若采用传统的编码方式，如HEVC（High Efficiency Video Coding）、H.264等对MVD视频进行压缩编码，会造成编码端复杂度高，摄像机之间需要进行信息交互，在无线网络中的容错性能较差等限制。分布式视频编码（Distributed Video Coding， DVC）[2]凭借其误码鲁棒性好、编码复杂度低、理论上与传统编码技术相似的压缩效率等特点受到人们的广泛关注。采用DVC技术对MVD视频进行压缩编码可以实现深度图和纹理图的独立编码、联合解码，为MVD视频压缩编码提供了一种新的解决方案。 在MVD视频编码中，合成虚拟视点视频主要利用基于深度图的视点绘制（DepthImageBased Rendering， DIBR）技术[3]，因此深度图的压缩编码十分重要。在进行虚拟视点合成时，深度图的边缘信息对合成视点的质量影响最大[4-5]，因此提升深度图中边缘信息的质量至关重要。深度图是一幅灰度图像，连续的深度图可以看成是标准的视频序列，因此，可以将传统视频编码标准用于深度图的压缩编码[6]。但是，由于深度图具有不同于纹理图像的特性，因此直接套用传统的视频编码标准对深度图压缩编码不够合理。文献[7]提出了基于感兴趣区域（Region Of Interest， ROI）的编码方法，先提取出ROI，再对ROI和其他区域分别进行编码，但耗时很大，且计算量复杂。除此之外，还有许多针对深度图的压缩编码算法，如基于分形编码[8]、基于下采样/上采样算法[9]等。由于小波变换独特的空间频率特性，一些小波域的深度图压缩算法被提出；文献[10]提出了基于形状自适应的小波编码方法，该算法先通过人工干预获得边缘信息，在编码时避开边缘的编码，获得了较好的边缘质量，但其边缘信息的提取质量对实验结果影响很大；文献[11]提出了自适应小波升降的深度图编码机制，主要是根据纹理图的轮廓检测结果在长短滤波器之间进行切换，在均匀区域使用长滤波器，在边缘区域则使用短滤波器，但需要借助纹理图像信息，编码复杂度较大；除此之外，还有基于图形自适应小波编码[12]的算法等。上述方法都能在一定程度上提高深度图边缘信息质量，但大都是在传统视频编码标准的基础上进行研究，目前针对分布式深度图视频编码（Distributed Depth Video Coding， DDVC）的相关研究还较少。 在DVC技术中，目前主流的基于离散余弦变换（Discrete Cosine Transform， DCT）的DISCOVER框架[13]由于进行了分块操作导致了块效应[14]的产生，因此基于离散小波变换（Discrete Wavelet Transform， DWT）的DVC框架被提出，其中应用最广泛的是基于多分辨率运动细化（MultiResolution Motion Refinement， MRMR）的小波域DVC框架[15]，此框架不仅可以避免产生块效应[16]，而且通过MRMR技术可以提高重建视频质量。因此，本文以基于MRMR的小波域DVC为基础框架，根据深度图特性及深度图的小波系数分布特性，提出一种结合子带层及子带系数的小波域DDVC的非均匀量化方案，为小波变换的不同子带层和不同子带系数选择不同的量化步长，提高边缘信息质量。实验结果表明