一个地区的率失真优化的编码方法对可伸缩视频编码的兴趣

文摘

支持浏览感兴趣的区域(ROI),它允许删除背景视频比特流的一部分,视频应用程序是一个理想的特性。片组的帮助下技术提供的h / SVC,长方形的ROI区域可以被编码成单独的ROI片。此外,通过施加一定的约束运动估计,ROI的一部分可以解码比特流没有背景片相同的层。然而,由于额外的空间和时间约束应用于编码器,整体编码效率会大大下降。本文提出了率失真优化(RDO)编码方案来提高ROI片的编码效率。背景片丢弃时,该方法使用基本层信息生成预测信号的增强层。因此,可以在编码过程中放松时间约束。以这种方式去做,可能不匹配生成的参考帧和原始的率失真优化期间也被认为是这样一个合理的编码效率之间的权衡和解码漂移。除此之外,一种新的拉格朗日乘子推导方法为进一步开发编码性能改进。实验结果表明,该方法实现了显著的比特率储蓄相比,现有的方法。

1。介绍

随着移动通信的迅速发展和不断扩大,移动互联网服务越来越受欢迎。因此,移动视频应用程序,比如移动视频广播(1),移动视频会议2,移动视频监控3),近年来已经成为一个活跃的研究领域。然而,由于移动设备通常有有限的通信带宽,限制功率容量,和各种显示功能,有几个基本的困难部署为移动设备通过无线网络传输高质量的视频服务。其中,移动视频应用程序的一个关键问题是如何浏览高分辨率的视频(人力资源)与小屏幕移动设备上。传统方法通常缩小视频实现所需的决议,这将不可避免地导致失去知觉信息和网络带宽的浪费。视觉感知实验表明,小显示屏始终是一个关键因素影响浏览体验。事实上,不同部分的图片不一样吸引人们的注意力。人们有可能更加关注一个特定的区域,称为感兴趣的区域(ROI),比其他领域的一幅画。因此,它有利于优化多媒体系统根据ROI的视频内容,例如,使ROI区域有更好的视频质量4在需要的时候),使背景区域可抛弃的(5]。

可伸缩视频编码的扩展h / mpeg - 4视频压缩标准(h . / SVC简称SVC) (6)使各种功能使编码比特流更适应戏剧性的变化的资源约束,如带宽、显示功能,和功耗。SVC的基础层是兼容h / AVC,这样很容易满足兼容性要求当升级视频广播基础设施(7]。SVC的原始视频编码成不同的层。通常,它生成一个包含一个或多个高质量的视频比特流substreams,每一种都对应于一个退化的原始版本视频信号空间分辨率较低或较低的时间分辨率和较低的忠诚。Substreams可以提取媒体网关根据网络带宽和终端设备的能力。

除了空间、时间和质量的可伸缩性,SVC还支持ROI可伸缩性(5]。的帮助下片组技术(也称为灵活宏模块顺序(FMO) [8]),宏模块(MBs)在ROI和背景区域可以被编码成ROI和背景片切片,分别。低比特率substream,其中包含ROI片,可以从高质量的比特流中提取没有任何代码转换操作(6];因此SVC为多媒体通信系统可以提供ROI浏览功能。如图1,可以编码比特流的基础层相对较低的空间分辨率或温和忠诚提供基本的视频质量与小屏幕设备或低带宽。增强层编码的高分辨率和高保真度。提供更高的视频质量,增强层可能是由ROI和背景片切片为ROI可伸缩性提供FMO,允许在h / SVC的基础基线谱线轮廓。空间可伸缩性的帮助下,一个可以选择的QCIF(季度通用的中间格式)基础层或CIF(常见的中间格式)增强层根据网络带宽等资源约束屏幕大小,功耗,如场景(a)和(c)。此外,ROI可伸缩性引入了一个新的场景(场景(b)),在基本层和增强层的ROI和交付之间可以选择整个场景以低分辨率和高分辨率和放大的ROI区域更好的体验。

开发一个基于SVC与ROI浏览视频应用系统功能(如应用程序图1),ROI区域应该首先发现在每一帧,然后他们可以使用FMO编码成ROI片。检测ROI的好看的图片已被广泛研究与各种注意力模型(9- - - - - -11]。考虑到某些情况可能非常不同的ROI对于不同的人来说,是实用、合理的视频应用系统允许用户自由选择一些感兴趣的对象,然后跟踪这些对象在后续视频帧定位ROI区域。现有跟踪方法可以用来执行跟踪操作。这些方法可以分为像素域(Pel-domain) [12- - - - - -14)和压缩域(网站)15- - - - - -17)方法。一般来说,Pel-domain方法可以获得较好的跟踪精度比网站的复杂性较高。本文模拟,基于颜色的蒙特卡罗跟踪技术引入了总统et al。14)申请ROI跟踪。

支持ROI的可伸缩性,ROI片应该是独立的,换句话说,可解码在缺乏其他片相同的图片18]。因此,在编码过程中,不同片之间的依赖关系,如intraprediction引入的依赖关系和运动矢量预测,应该禁止8]。此外,为了提供可接受的视觉质量案例背景片都丢弃,建议避免使用一些额外的时间约束背景片参考图片来预测当前ROI片。限制运动向量法(19)提出了一种h / SVC兼容的方法,属于当前ROI的MBs片应该使用相应的ROI片参考图片仅作为参考。此外,自从参考系应upsampled 6-tap插值滤波器的quarter-pel运动估计(我),ROI的分数像素位于两个像素块边界必须在运动估计中也被忽略。然而,这可能大大降低编码效率。因此,Bae et al。20.)建议使用half-sample分像素插值方法插值,片边界作为图像边界的地方。然而,这种方法几乎没有改善而限制运动向量法;因此,它没有采用h / SVC标准。一般来说,以上方法都做出严格的时序预测截断,导致显著的退化的编码性能。幸运的是,对于SVC在图中的应用1,因为基本层信息可用ROI的增强层编码时,最好采用更灵活的方法来提高编码性能增强层的ROI片。

在本文中,一个高效的ROI编码算法提出了SVC可伸缩的基线资料。当增强层包含ROI片,采用信息基础层提高编码效率。该算法的框架如图2。输入图片的ROI区域作为ROI编码提出了增强层片的编码器。它提高了编码效率利用率失真优化(RDO)模式决定,考虑的误差传播由于背景片的损失,而不是直接限制运动矢量。一种新的拉格朗日乘子推导方法,它与ROI区域的比例有关,也是派生和RDO模型用于进一步提高ROI编码性能。

本文的其余部分组织如下。介绍了拟议的ROI编码方法部分2。然后一节3给出了一些实验结果来验证提出的好处RDO方法和紧随其后的是结论部分4。

2。ROI编码h / SVC

在h / SVC,一个矩形的ROI区域照片可以使用FMO编码到一个单独的切片技术。但是,为了支持ROI浏览功能,要额外的努力,以确保ROI片是独立的背景资料。有几种方法可以用来编码ROI片。他们中的大多数约束应用于时序预测使完全独立解码的ROI片,例如,强制约束运动向量法(10,19)和half-sample插值方法(20.]。然而,在h / SVC,这种严格的约束可能严重降低增强层用户的编码效率。幸运的是,由于相应的基础层数据总是包含在一个增强层比特流,基本层信息可以用来进一步提高编码效率的ROI区域增强层。在本部分中,首先,介绍了现有的ROI编码方法,然后提出了基于RDO ROI编码片框架。

2.1。现有的ROI编码方法

2.1.1。限制运动矢量的方法

在h / SVC,运动估计(我)和运动补偿(MC)执行使用运动矢量的精度quarter-pixel亮度样本。如果运动向量表示一个分数像素位置,进行插值生成预测信号值。

如图3,half-pixel样本插值首先从邻国integer-pixel样品使用6-tap有限脉冲响应(杉木)过滤器21]。这意味着每个half-pixel样本的加权和6相邻整数样本。一旦所有可用的half-pixel样品,quarter-pixel样本插值与周边半和/或integer-pixel样品使用双线性插值。

half-pixel样本”“是插值 和quarter-pixel样本内插的

因为一些分数像素的推导过程在两ROI边界内像素(标记为“不可用分数像素”图3)取决于像素的ROI区域,Hannuksela et al。19提出不使用它们作为参考在我/ MC;因此,ROI和背景之间的依赖关系可以被删除。

2.1.2。Half-Sample插值方法

放松限制强加给我的过程,half-sample插值方法(20.修改分像素插值过程延长使用6-tap插值像素块边界;例如,half-sample”“在图3是由 在实际的实现中,half-sample时只采用插值方法生成参考信号的ROI区域。原始插值法在h / SVC仍然是用于生成参考帧的背景片,这样可以实现更好的编码效率。

上述两种方法旨在禁止使用样本在后台区域的参考系在我/ MC,也防止很多MBs与适当的预测编码块位于或与背景区域重叠。因此,编码效率严重降低了与原来的编码方法。

2.2。提出基于RDO的ROI编码框架

在应用场景(b)见图1,当背景片增强层的下降,在他们不能使用像素参考解码的ROI区域增强层,但基本层信息仍然是可用的。所以基本层的背景像素可以重建和用于生成参考帧的ROI区域增强层使用错误隐藏技术。然而,原始和error-concealed参考帧之间的不匹配可能可能引起严重的误差传播;因此,MBs的编码模式(可能使用error-concealed块作为参考)应该谨慎挑选。

让和表示原来的参考系(ORF)和error-concealed参考系(命名为虚拟参考帧,多联机),分别通过误差可能生成使用基本层信息隐藏技术。提出了RDO框架之间的不匹配和,连同源误差引入的量化编码的循环,被认为是总失真。RDO评价模式的决定是基于这个总失真。此外,拉格朗日乘子的比例修改为考虑ROI区域更好的性能。

2.2.1。代虚拟参考帧(多联机)

图4展示了一代intercoded多联机在编码器端。由于背景片是假定被丢弃,属于背景的像素块估计使用基本层信息译码器使用相同的错误隐藏方法(本文知名BL-skip方法(22采用]);属于ROI片是由像素运动补偿使用自己的运动矢量残差并服用前多联机作为参考。然后,多联机同时还担任以下多联机的参考系。intracoded多联机的一代是类似于intercoded多联机除了upsampled纹理直接用于模仿背景片。注意,在实际的实现中,upsampled运动向量(MVs),残差,纹理可以很容易地获得在计算成本时“基地层模式。“因此,只有一个额外的MC为每个需要MB生成多联机操作。

2.2.2。提出了RDO模式决定

在宏模块的模式决策过程,编码模式选择以最低RD的成本: 在哪里和失真和比特消耗的编码模式下考虑,分别。是拉格朗日乘子。

MB的ROI片,该模式决策方案既考虑引入的失真区别重建MB和原始MB(称为源失真)和参考MB之间的不匹配和(称为不匹配失真)。所以RD成本函数为模式决策变得 在哪里代表源失真和是不匹配失真。

MB背景片,一个基本的假设是,用户收到增强层背景片也应该获得ROI片。这种假设是合理的考虑ROI片更重要,从而保护比背景片。因此,变成了零,模式的成本函数决定现在退化到原来的形式:

图5详细描述的实现提出了RDO模式决定的MB。(1)首先,给定一个模式,最好的运动矢量为每个分区选择使用原来的参考系。,让相应的预测。(2)然后,计算源失真和成本通过编码模式的过程。(3)如果目前的MB属于ROI区域,然后找到新的预测从之前的多联机与运动矢量和计算失配误差。应该注意以下选择:变形计算模式决定,之前的多联机用作参考,而对于畸变计算在我前面的ORF仍在使用。(4)计算使用(RD成本5)或(6),转到步骤(1)为下一个模式。(5)最后,最小的模式在所有候选模式选为是最好的模式。

提出了RDO方法的好处是通过人物的率失真(RD)性能比较6和7SVC对空间和质量。在图6,空间SVC比特流包含一个QCIF基础层和CIF增强层。在图7,质量SVC比特流包含一个CIF基础层和CIF增强层。intraperiod设置为30。四对量化参数(QP)为测试:选择空间SVC, QP双QCIF基础层和CIF增强层(22、26),30(26日),(30,34)和(34岁,38),分别,质量SVC, QP双(30日,26),(34岁,30)(38岁,34),和(42岁,38)。h / SVC的原始方法,它使用并没有任何限制时间预测,模拟锚。提出了三个数据集在每个图中,在基于“mdrdo”代表该RDO模式决策方法,和“mv_constrain”和“half-interpolation”部分中提到的ROI编码方法2.1。

编码效率的两个场景中。第一,增强层片完全接收,这意味着质量的全分辨率增强层(标记为“内附”)应考虑。第二个场景是背景片都丢弃,这意味着只有质量的ROI区域(标记为“12月ROI”)会影响用户体验。平均比特率储蓄,通过excel插件计算提出了VCEG-AE07 [23](啤酒比特率值意味着性能下降),上述三种编码方法相比,“源自”方法。

从数据6(一)和7(一),我们可以看到,这三个方法的编码效率(整个SVC比特流)是所有低于”源自。”的方法,它使用完美解码作为预测参考帧。然而,该方法获得显著改善与其它两种方法相比,由于使用更好的ROI编码参考片。平均性能相比之下,一个称为“half-interpolation”测试序列(图约5%6(一)(图)和7%7(一)分别SVC)空间和质量。

虽然这些方法的性能不如与原方法相比,当增强层片都是收到了,不过,考虑到最重要的ROI浏览场景,在该场景中,所有背景片可能会被丢弃,这些方法的RD性能远优于”源自。”的方法。如图6 (b)和7 (b),该方法的比特率节省高达50%(30%和4%用于空间和质量SVC平均resp)。相比之下,“源自。”的方法。质量低增益SVC与空间相比SVC和常识是一致的,一个更好的隐蔽质量时将获得基本层和增强层具有相同的分辨率;因此,可接受的质量甚至可以获得“源自。“质量编码方法配置(CIF-CIF)。不过,该方法优于“mv_constrain”和“half-interpolation”方法,和平均增益与“half-interpolation”是3%(图6 (b)(图)和2.5%7 (b)分别SVC)空间和质量。

2.2.3。拉格朗日乘子的选择

RDO优化的拉格朗日乘子应该精心挑选,以确保最合适的模式选择。本文选择精制拉格朗日乘子方法提出的背景和ROI片RD ROI片的性能进一步提高。在h / AVC,拉格朗日乘子可以计算如下。

假设和在(4),处处可微的最低成本通过设置它的导数为零,因此,导致 然后,拉格朗日乘子单层视频编码可以通过利率模型解决(8)和畸变模型(9)[24]: 在哪里和两个常数,是量化的步骤。根据(8)和(9),的导数和可以通过计算 把(10)(7),让,为单层最终派生 在哪里是一个常数,实验建议0.85 [24),尽管其他人提出0.68 [25]。

在h / SVC的发展,直接用于h / SVC参考软件联合可伸缩视频模型(JSVM) [26]。然而,应用等为单层推导拉格朗日乘子,为多层场景是不合适的,因为层之间的关系是不被认为是拉格朗日乘子的选择。提高整体的编码性能,RDO的SVC encoder-only优化的贡献是提出的李et al。(27),采用JSVM晚些时候在一个可选的方法。根据这种方法,导出拉格朗日乘子 在哪里表示两层的分辨率和是量化步骤基本层和增强层,分别。

同样的,为一个特定的用户需要基础层片一起ROI片,最好的拉格朗日乘子ROI片可以如下。

让联合成本 在哪里和RD成本函数为基本层和增强层ROI区域,分别和基础层的贡献权重是成本和成本ROI区域,分别和。类似于(27),这个词表示分辨率ROI区域和基本层和增强层之间引入作为比特率的近似ROI片和基地层片之间的比率。

这个词描述的不匹配失真((5子和多联机的区别)。远远大于因此可以被视为独立的。因此,把(8)和(9)(13),然后设置的导数为零;拉格朗日乘数可以解决 考虑到基地层拉格朗日乘子是由单层选择方法(11);把到(14)获得作为

注意,导出类似于(13)。然而,有不同的发病比率形式ROI的面积以来考虑在内。

让和表示基本层和增强层的量化参数,分别。然后,根据量化的步骤和量化参数之间的关系,被定义在h / AVC标准(28),,,符合

方程(14)可以简化根据量化参数区别基地和增强层;也就是说,。最后,修改后的拉格朗日乘子可以通过以下方程SVC增强层启用ROI时:

类似于RDO模式决定部分,提出了RDO的性能方法和拉格朗日乘子图所示修改8和9分别用于空间和质量SVC。使用相同的编码参数。“内附已满”和“12月ROI”表示场景背景收到片和丢弃时,分别。提出的“mdrdo”方法和拉格朗日乘子(27)和提议(17)分别模拟。和“mdrdo”与原单层拉格朗日乘子法(11锚)执行。

所有数据的值8和9是消极的,这意味着两个拉格朗日乘子改性方法带来了好处ROI和增强层编码与原始拉格朗日乘子法。相比之下,,该达到一个更好的ROI的性能,空间SVC的平均涨幅约为6%(图8 (b)SVC(图)和7%的质量9 (b))。自总是小于,该转移部分从背景片ROI片。因此,对于整个增强层,建议导致微不足道的编码效率损失。“mdrdo +的平均损失“与”mdrdo +“是空间SVC(图约1%8(一个)SVC(图)和1.5%的质量9(一个)),分别。虽然背景区域的性能是牺牲,值得考虑到semantic-important ROI区域的性能改善。

3所示。仿真结果

来说明我们提出的整体改进框架,提出了RDO方法的好处一起修改的拉格朗日乘子图所示10和11分别用于空间和质量SVC。相同的编码参数,如部分所述2.2,仍在使用。现在,多亏了拉格朗日乘子的修改,提出了“mdrdo +”方法与编码方案相比达到显著的比特率节省使用原始拉格朗日乘子法(标记为“源自”。),无论背景片迷路。因此,“mdrdo +的增益”的方法,它使用修改的拉格朗日乘子,也增加了与“mv_constrain”和“half-interpolation”方法,使用原始的拉格朗日乘子法。例如,平均增益与“half-interpolation”方法相比在“12月ROI”情况下(图现在是15%10 (b)(图)和12%11 (b)分别SVC)空间和质量。

当所有背景片增强层被丢弃,解码”源自发生漂移。”的方法,该方法。显示类漂移的影响在这两种情况下,视觉质量的比较“mdrdo,”“mdrdo +”和“源自。“解码方法给出ROI。在数据12和13下,解码QCIF大小的ROI区域“12月ROI”场景的空间SVC QICF基地层(QP 22)和一个CIF增强层(QP 26)。“输入”显示了原始的QCIF ROI区域输入序列。可以看出,“源自。”方法,该方法适用于任何限制时间预测,遭受严重质量退化,特别是在ROI区域(数据的边界12 (b)和13 (b))。通过考虑误差传播模式决定,期间提出的“mdrdo”和“mdrdo +”方法可以有效地限制了错误。在数据误差传播是不明显的12 (c)和12 (d)和13 (c)和13 (d)。

4所示。结论

本文基于h / SVC的ROI编码框架建议。首先,率失真优化模式决策方法,提出了放松的时间约束的ROI编码片在SVC增强层。参考帧之间的不匹配是在RDO过程中,当背景片被丢弃或保存。然后,推导出一种新的拉格朗日乘子估计算法提高ROI片的编码效率。与现有的基于约束方法相比,如限制运动矢量法和half-sample插值方法,实验结果表明,该方法实现显著的比特率节省,同时保持更高的客观和主观视频质量。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作是由中国国家自然科学基金(国家自然科学基金委)一般项目(合同编号。61272316)和863项目(合同编号。2011 aa01a102)。

引用

1. C。Atici和m . Sunay“高数据率在3 g无线视频广播系统,”IEEE广播,53卷,不。1,第223 - 212页,2007。视图:出版商的网站|谷歌学术搜索
2. h . Cycon t·施密特·g·海格,m . Wahlisch和m . Palkow”一个优化的h。264 -基于视频会议软件为移动设备,”诉讼IEEE国际研讨会的消费类电子产品(ISCE ' 08),2008年,页1 - 4。视图:出版商的网站|谷歌学术搜索
3. g . Gualdi a Prati, r . Cucchiara“移动视频监控,视频”IEEE多媒体,10卷,不。6,1142 - 1154年,2008页。视图:出版商的网站|谷歌学术搜索
4. g .统治下g . Ghinea, t·n·希恩地区的基于兴趣的自适应多媒体流方案,“IEEE广播,54卷,不。2、296 - 303年,2008页。视图:出版商的网站|谷歌学术搜索
5. t . c . Thang t . m . Bae y . j .荣格y . m . Ro J.-G。金,h·崔”空间可伸缩性多个roi的监控录像,”ISO / IEC MPEG & ITUT VCEG JVT-O037,釜山,韩国,2005年。视图:谷歌学术搜索
6. ISO / IEC JTC1 / SC29 / WG11,“可伸缩视频编码,应用程序和要求”文档N6880,香港,2005年。视图:谷歌学术搜索
7. 崔h . i . h . Shin js。Lim, J.-W。在香港,“SVC应用先进T-DMB,”IEEE广播,55卷,不。1,51 - 61,2009页。视图:出版商的网站|谷歌学术搜索
8. p•兰伯特w·d·Neve y Dhondt, r . v . de机器人瓦力,“灵活订购在h / AVC宏模块,”杂志的视觉传达和图像表示,17卷,不。2、358 - 375年,2006页。视图:出版商的网站|谷歌学术搜索
9. 张r, s, s . Yu”移动物体检测方法基于亮度失真和色度失真,”IEEE消费类电子产品,53卷,不。3、1177 - 1185年,2007页。视图:出版商的网站|谷歌学术搜索
10. 谢x, x风扇H.-Q。周,W.-Y。妈,“看着小显示器,视频帧”学报》第11届ACM国际会议多媒体(多媒体' 03)ACM,页247 - 250年,2003年11月。视图:谷歌学术搜索
11. h . y . Wang, x的粉丝,和c·w·陈,“基于注意力的空间适应方案h。264视频手机。”模式识别与人工智能》国际期刊上,20卷,不。4、565 - 584年,2006页。视图:出版商的网站|谷歌学术搜索
12. l . Itti c·科赫,大肠Niebur”saliency-based视觉注意力模型的快速场景分析,“IEEE模式分析与机器智能,20卷,不。11日,第1259 - 1254页,1998年。视图:出版商的网站|谷歌学术搜索
13. m . s . Arulampalam s Maskell:戈登,t·克拉普,”一个教程粒子过滤器的在线非线性/非高斯贝叶斯跟踪”IEEE信号处理,50卷,不。2、174 - 188年,2002页。视图:出版商的网站|谷歌学术搜索
14. p .总统c .色调,j . Vermaak和m . Gangnet“基于颜色的概率跟踪”计算机视觉大会- 2002,a . Heyden g . Sparr m·尼尔森和p·约翰森,Eds。卷,2350在计算机科学的课堂讲稿施普林格,页661 - 675年,柏林,德国,2002年。视图:出版商的网站|谷歌学术搜索
15. p·兰伯特,d . Schrijver d . Deursen w . Neve y Dhondt, r机器人瓦力,”一个实时内容适应框架,利用h / AVC, ROI的可伸缩性”先进的智能视觉系统概念j . Blanc-Talon w·飞利浦,d . Popescu和p . Scheunders, Eds。卷,4179在计算机科学的课堂讲稿施普林格,页442 - 453年,柏林,德国,2006年。视图:出版商的网站|谷歌学术搜索
16. f . Manerba j . Benois-Pineau r . Leonardi, b . Mansencal”多个运动目标检测快速压缩域视频内容描述,“Eurasip在信号处理的发展》杂志上文章ID 231930卷,2008年,2008年。视图:出版商的网站|谷歌学术搜索
17. c·卡斯和h·尼古拉斯压缩域索引的可伸缩的h。264 / svc流。”信号处理:图像通信,24卷,不。6,484 - 498年,2009页。视图:出版商的网站|谷歌学术搜索
18. ITU-T Rec,先进的视频编码通用视听服务,2009年。
19. m . m . Hannuksela Y.-K。王,m . Gabbouj“视频编码、孤立地区”IEEE多媒体》第六卷,没有。2、259 - 267年,2004页。视图:出版商的网站|谷歌学术搜索
20. t . m . Bae t . c . Thang d . y . Kim y . m . Ro j·w·康和j·g·金,“多个在可伸缩视频编码的支持,”电子杂志,28卷,不。2、239 - 242年,2006页。视图:出版商的网站|谷歌学术搜索
21. t . Wiegand g·j·沙利文,g . Bjøntegaard和a . Luthra”概述h / AVC视频编码标准,“IEEE电路和系统视频技术,13卷,不。7,560 - 576年,2003页。视图:出版商的网站|谷歌学术搜索
22. c, j·博伊斯,x Kai“帧错误隐藏SVC损失,”JVTQ046,不错,法国,2005年。视图:谷歌学术搜索
23. 美国Pateux和j·荣格,”一个excel插件计算Bjntegaard指标及其进化,“VCEG-AE07,马拉喀什,摩洛哥,2007。视图:谷歌学术搜索
24. t . Wiegand和b·吉伦特”混合视频编码器控制,拉格朗日乘子的选择”《IEEE国际会议上图像处理(ICIP ' 01),3卷,第545 - 542页,塞萨洛尼基,希腊,2001年10月。视图:出版商的网站|谷歌学术搜索
25. k .高木涉“拉格朗日乘子和RD-characteristics (JVT-C084),“JVT-C084,费尔法克斯,弗吉尼亚州,美国,2002年。视图:谷歌学术搜索
26. JVT,h / SVC参考软件(JSVM 9.13.1)和手册,2008年。
27. 李x p Amon, a . Hutter“拉格朗日乘子的率失真优化选择SVC, JVT-AD021,”日内瓦,瑞士,2009年。视图:谷歌学术搜索
28. 先进的视频编码(AVC),第3版,2004年。

版权

版权©2015王Hongtao et al。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。