基于模式识别的质量可分级视频编码算法

引文格式： 艾新宇，黎洪松.基于模式识别的质量可分级视频编码算法[J].桂林电子科技大学学报，2016,36(1): 19-22.

艾新宇，黎洪松

(桂林电子科技大学 信息与通信学院，广西 桂林541004)

摘要：为了降低质量可分级视频编码算法的复杂度，提出一种基于模式识别的质量可分级视频编码算法。该算法将自组织神经网络用于可分级视频编码，利用较粗糙的特征模式库对图像编码生成基本质量层，通过精细的特征模式库对重建图像质量较差的部分区域编码生成质量增强层，从而实现质量可分级编码。仿真实验结果表明，该算法具有较好的质量可分级编码性能，在高压缩比情况下，其压缩性能优于传统的粗粒度质量可分级编码算法。

关键词：视频编码；模式识别；质量可分级；SOM

随着互联网、智能终端和无线宽带通信技术的发展，视频应用越来越普及，同时也对视频编码技术提出了新的挑战。不同的智能终端具有不同的分辨率和解码能力，各种无线网络传输带宽也不尽相同。为了应对这些挑战，视频编码需要引入可分级技术。可分级视频编码(scalable video coding，简称SVC)作为H.264/AVC视频编码标准的扩展部分，是为了满足这些新的视频应用需求。SVC提供了时间可分级、空间可分级以及质量可分级3种可分级视频编码方式。2014年制定的基于新一代视频编码标准HEVC(high efficient video coding)的可分级编码扩展标准SHVC，除了支持时间、空间和质量可分级外，还支持混合编码可分级、比特深度可分级和彩色gamut可分级[1-6]，其中，质量可分级编码主要包括粗粒度质量可分级(CGS)[7]、中间粒度质量可分级(MGS)[8]和精细粒度质量可分级(FGS)[9]。……