基于内容感知的可分级视频码流排序方法

为了提高传输效率,改善视频播出质量,提出一种基于内容感知的可分级视频码流排序方法。根据人眼对运动变化场景的主观感受,自适应加权前、背景运动矢量,建立描述视频动态特性的模型,结合频编码结构和率失真模型,对帧级别的数据包重要性进行标记并按照优先级进行排序。实验结果表明,该方法能准确描述视频动态性,有效提高视频播出质量,尤其对于运动场景复杂的视频,该方法能明显改善人眼主观感受。      

基于视觉显著计算的视频流媒体渐进式表达方法

为了有效解决视频流媒体传输网络带宽、播出视频质量和用户实时性访问之间的矛盾,本文提出了一种基于视觉显著计算的视频流媒体渐进式表达方法.在视频内容分析和理解的基础上,首先进行场景分类和视觉敏感区域提取;然后根据编码信息确定视频序列中各帧的重要性,估计帧内片层数据重要性;最后基于视觉显著计算的结果提出一种适应网络带宽和质量可伸缩的视频流媒体渐进式表达方法.采用中粒度质量可伸缩（MGS）编码,在模拟网络测试平台上分别针对集中式和分散式视觉敏感区域视频序列进行实验研究,实验结果验证了本文提出的基于视觉显著计算的视频流媒体渐进式表达方法的正确性和有效性.