H.264视频编码的关键技术及算法

介绍和分析了H．264采用的新编码关键技术及算法，诸如运动补偿。帧内预测，变换和量化，新的熵编码等．最后阐述视频编解码技术的研究方向及前景．     

基于CDN和H.264的多描述视频编码方法

Internet带宽资源有限、服务器下载负荷过大以及网络性能不稳定等会引起网站访问速度过慢,易发生信息丢失等现象．为了解决Internet视频流传送的这些问题,提出了基于CDN（Content Delivery Network）和H．264的多描述视频编码方法,分析了3种多描述分解方案,给出了这些多描述视频编码方案进行视频编码和网络传输．实验显示,所给出的编码方法能有效地应用于视频流压缩和Internet传输．     

H.263视频编解码系统的软件实现

提出了一个完整的Ｈ．２６３视频编解码系统的软件实现方案．采用多线程技术同时完成编码、解码发送、接收、显示等多个任务,在编码模块中采用汇编语言,提高了执行速度,引入ＭＭＸ技术后,运行速度得到进一步提高．     

H.264快速帧内预测算法 H.264快速帧内预测算法

在新制定的H.264视频编解码标准中,帧内预测是一项重要的技术.它利用周围像素预测当前块来降低空间冗余,能极大地提高H.264的编码效率.然而,帧内预测的4×4及16×16预测分别有9种和4种模式.为选出最佳模式,全搜索算法需要花费极大的计算量.为了降低帧内预测的复杂度,提出了一种快速帧内预测算法.该算法针对全Ⅰ帧编码,充分利用了时域、空域及不同块大小间的相关性来预测当前块的最佳模式,并结合提前中止算法来减少不必要的模式选择计算.实验结果表明:与全搜索相比,文中提出的算法能减少50%～75%的帧内预测计算量,而保持图像质量几乎不变.     

AVS和H．264的通用反量化模块设计

为提高AVS和H．264反量化算法硬件资源的利用率,设计了一种能够兼容2种解码标准的反量化模块．在分析了AVS和H．264反量化算法的基础上,给出了两者之间的异同点．并根据反量化算法的特点,采用基于算法和硬件模块的复用技术,提出了一种资源复用的硬件架构,不但实现了同块中4个像素点的并行运算,而且实现了H．264中直流块和交流块的并行处理．仿真结果表明：该模块能满足高清数字视频的实时处理应用．     

一种基于H.264的立体视频编码中的视差估计快速算法

视差估计与补偿是立体视频图像压缩编码中的关键技术．本文分析了立体摄像系统视差分布的约束条件（外极线约束、方向性约束等）和视差矢量的相关性（帧内视差矢量的空域相关性和帧间视差矢量的时域相关性）,并结合H．264标准中的多种块选择模式之间的相关性,提出了基于H．264的立体视频编码的视差估计快速算法．实验结果表明,提出的快速算法能有效地降低视差估计的计算复杂度．     

一种改进的H.264视频防失真漂移隐写算法

数字视频中量化后的残差DCT(离散余弦变换)系数常用来作为隐写嵌入的位置,而直接在DCT域上隐写会导致视频帧出现失真漂移现象,使视频质量受到严重破坏.本文在已有文献的基础上,针对H.264/AVC视频,研究了基于纹理特征的帧内8×8亮度块上的隐写模型,将8×8块和4×4块上的隐写模型相结合,提出了一种改进的H.264视频防失真漂移隐写算法.与已有文献中的隐写算法相比,本文提出的隐写算法在PSNR平均仅降低1.94dB的情况下,隐藏容量平均提升30%.     

H.264中帧内预测算法的快速实现

通过结合图像边缘方向信息4×4亮度块和16×16亮度块之间选择的2个特点,对H.264的帧内预测算法进行了相应的改进.结果表明,本文算法和H.264校验模型JM86相比,图像编码质量和输出码率基本保持不变,但编码时间却明显少于校验模型JM86.     

基于灰色关联分析的H.264/AVC视频隐写算法

针对当前视频隐写算法对视频质量和码率影响较大等问题,结合H.264编码标准的宏块分割特性,提出一种基于灰色关联分析的视频隐写算法.该算法对原始载体进行灰色关联度计算,判断其是否为非平滑块,再对帧做离散余弦变换(DCT)变换,根据H.264/AVC编码的宏块分割特性得出的分块大小选择合适的嵌入量,在DCT块的低频区域进行嵌入.实验结果表明,进行秘密信息嵌入后,对视频序列的影响较小,亮度分量的峰值信噪比(PSNR)值平均下降约1.323dB,隐写分析平均检测率为35.73%,算法的平均嵌入容量为417b/帧,对码率影响仅在3%以下,攻击后提取秘密消息的相似度(SIM)值在0.79以上.因此,该算法对视频质量和码率影响较小,并具有抗噪声、滤波攻击,隐写容量大等优点.     

基于H.263协议的极低码率视频编码系统的一种实现

提出了基于Ｈ．２６３协议的极低码率视频编码系统的一种具体实现，详细地讨论了码率控制算法和运动估计的搜索算法．其中该系统采用的自适应码率控制方法，能够动态地控制码率到指定的数值．提出的一种局部最优搜索算法，与全局最优搜索相比，大大地减少了搜索时间，而信噪比相差不大．     

在GPU上求解大规模优化问题的反向策略的PSO算法

本文通过对传统粒子群算法(PSO)的分析,在GPU(Graphic Process Unit)上设计了基于一般反向学习策略的粒子群算法,并用于求解大规模优化问题.主要思想是通过一般反向学习策略转化当前解空间,提高算法找到最优解的几率,同时使用GPU大量线程并行来加速收敛速度.对比数值实验表明,对于求解大规模高维的优化问题,本文算法比其他智能算法具有更好的精度和更快的收敛速度.