Алгоритмическое и программное обеспечение системы сжатия видеопоследовательностей, созданной в рамках стандарта H.265/HEVC

• Автор: Шарабайко, Максим Павлович
• Шифр специальности: 05.13.11
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Томск
• Количество страниц: 222 с. : ил.

Оглавление
Введение
Глава 1. Проблемы хранения и передачи видеопоследовательностей в информационно-телекоммуникационных сетях
1.1. Тенденции развития систем хранения и передачи видеопоследовательностей
1.1.1. Аналоговые системы
1.1.2. Цифровое представление видеопоследовательностей
1.1.3. Цифровые системы
1.2. Тенденции развития алгоритмов сжатия видеопоследовательностей
1.3. Цель и задачи исследований
1.4. Основные результаты и выводы по главе
Глава 2. Концепция построения системы сжатия видеопоследовательностей
2.1. Концептуальные основы построения системы сжатия видеопоследовательностей
2.1.1. Оценка битовой скорости закодированной видеопоследовательности
2.1.2. Оценка степени искажений в закодированной видеопоследовательности
2.1.3. Способы сравнения эффективности алгоритмов сжатия видеопоследовательностей
2.2. Выбор стандарта видеокодирования
2.2.1. Тестовые программные реализации алгоритмов сжатия .
2.2.2. Методология сравнения эффективности алгоритмов сжатия
2.2.3. Анализ результатов численных экспериментов
2.3. Анализ эффективности алгоритмов сжатия стандарта Н.265/НЕУС
2.3.1. Структура представления видеокадра
2.3.2. Пространственное предсказание
2.3.3. Постобработка
2.4. Уточнение задачи дальнейших исследований
2.5. Основные результаты и выводы по главе
Глава 3. Способы и алгоритмы оценки стоимости варианта кодирования блока видеокадра
3.1. Базовый алгоритм выбора варианта кодирования блока видеокадра
3.2. Новый способ оценки битового размера Я сжатия данных В
3.2.1. Способ оценки битового размера данных о разбиении блока
3.2.2. Способ оценки битового размера данных о предсказании блока
3.2.3. Способ оценки битового размера данных об остаточном сигнале
3.2.4. Алгоритм получения оценки Я, битового размера Я. сжатия данных В
3.3. Основные результаты и выводы по главе
Глава 4. Способы и алгоритмы поиска варианта пространственного предсказания блока видеокадра
4.1. Алгоритмы поиска варианта пространственного предсказания блока видеокадра
4.1.1. Базовая реализация алгоритма
4.1.2. Модификации справочной реализация алгоритма
4.2. Алгоритмы пространственного предсказания блоков
4.2.1. Блок предсказания
4.2.2. Формирование шаблона пространственного предсказания
4.2.3. Фильтрация шаблона пространственного предсказания .
4.2.4. Выполнение режима Planar
4.2.5. Выполнение режима DC
4.2.6. Выполнение угловых режимов пространственного предсказания
4.3. Анализ характеристик функции грубой ошибки Е(т)
4.3.1. Поведение функции грубой ошибки Е(т)
4.3.2. Корреляция ошибок Е(т) и J(m)
4.3.3. Оценка частоты использования режимов интра предсказания
4.3.4. Вычислительная сложность режимов пространственного предсказания
4.4. Новый алгоритм поиска варианта пространственного кодирования блока
4.4.1. Алгоритм поиска режима с минимальной ошибкой предсказания
4.4.2. Алгоритм быстрого выбора варианта пространственного кодирования блока
4.5. Основные результаты и выводы по главе
Глава 5. Программное обеспечение системы сжатия видеопоследовательностей и результаты ее применения
5.1. Структура программного обеспечения системы сжатия видеопоследовательностей
5.1.1. Архитектура программного обеспечения системы сжатия видеопоследовательностей
5.1.2. Особенности функционала разработанной системы сжатия видеопоследовательностей

по формуле:
где R - искомая битовая скорость; S - размер данных закодированной видеопоследовательности в битах; Т - продолжительность отрезка закодированной видеопоследовательности в секундах.
2.1.2. Оценка степени искажений в закодированной видеопоследовательности
Степень внесенных при сжатии видеопоследовательности искажений получают путем сравнения исходных цифровых видеоданных с восстановленными декодером видеоданными. Чем меньше различий между двумя видеопоследовательностями, тем меньше степень внесенных при сжатии искажений. Для оценки уровня искажений применяют различные метрики, которые разделяются на два вида: субъективные и объективные [40, 46].
Субъективные метрики основываются на экспертной оценке группы респондентов, определяющих визуальное качество видеоданных по какой-либо шкале. Итоговая оценка получается усреднением оценок экспертов и называется MOS (сокр. от англ. Mean Opinion Score - средняя субъективная оценка) [47]. Существуют стандарты, описывающие процедуру получения субъективной оценки искажений. Главный недостаток, присущий данному подходу: невозможность автоматизации. Иными словами, получение субъективной оценки без вовлечения человека не представляется возможным [46]. По данной причине субъективные метрики искажений используются в основном для оценки достоверности объективных метрик, и в диссертационной работе применяться не будут.
Объективные метрики, наоборот, позволяют автоматизированно подсчитать с помощью известной формулы некоторое значение, характеризующее объем искажений. Наиболее распространенной метрикой оценки искажений приме-