分布式视频编码关键技术研究-信号与信息处理专业论文.docx

万方数据 万方数据 南京邮电大学学位论文原创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。 尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过 的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。 研究生签名： 日期： 南京邮电大学学位论文使用授权声明 本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文 档；允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索； 可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质 论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。 涉密学位论文在解密后适用本授权书。 研究生签名： 导师签名： 日期： 摘要 本论文在深入分析 DVC 的理论基础和工作原理的基础上，重点针对相关噪声建模和量化 这两个关键技术进行了研究和改进。 首先，对现有的相关噪声模型建模算法进行调研，针对残差分布与单纯使用 Laplacian 分 布描述存在的偏差以及之前的研究存在的抗脏数据性能差的特点，提出一种基于 K-Mediods 的混合分布相关噪声模型（Hybrid Distribution Correlation Noise Model，HDCNM）及其参数 估计算法。该混合模型利用 K-Mediods 聚类算法将 AC 子带的残差分为中心部分与尾部部分， 中心部分用 Laplacian 分布拟合，尾部部分用 Cauchy 分布拟合。实验证明本文提出的 HDCNM 能较精确地拟合相关噪声分布，从而有效地提高了 DVC 系统的率失真性能。 变换域的分布式视频编码当中多采用量化矩阵的方式进行量化，以一个 4×4 的量化矩阵 来对应各个系数带来进行量化，但是这样的方案是固定量化矩阵的，无法依据视频流的特点 自适应调整。针对这个缺点，本文提出了一种自适应的量化方案（Adaptive Quantization，AQ）。 在保证视频质量的前提下，该算法通过在编码端预估计简单的相关噪声模型计算阈值以达到 自适应调节量化阶数的效果，提高了视频编解码的率失真性能，并且仍能保证分布式视频编 码对编码端工作尽量简单的要求。 最后，在现有的 DISCOVER 视频编码架构的基础上，本文将第四章的改进的自适应量化 算法和第三章的混合相关噪声模型建模算法分别添加到编码端和解码端当中，设计了一种改 进的 DVC 系统。实验证明系统的整体率失真性能得到了提升，图像解码质量也有所好转，尤 其对运动较为剧烈的场景，这样有利于监控系统的性能提升，较好地记录下突发事件的发生。 关键词: 分布式视频编码，K-Medoids，相关噪声模型，量化 I Abstract This paper focuses on the research and improvement on the correlation noise modeling and quantification these two key technologies based on the in-depth analysis of DVC. Firstly, this paper proposes a hybrid distribution correlation noise model (HDCNM) based on K-Mediods and the algorithm to estimate its parameters. The HDCNM uses K-Medoids clustering algorithm to cluster the center part and the tail of the AC sub-band residuals, while using Laplacian distribution to describe the distribution of residual coefficients of the center part and using Cauchy distribution to describe the tail parts. The experimental results show that the proposed hybrid model can describe accurately correlation noise distribution, so as to improv