1 / 62
文档名称:

基于移动终端的水位监测与车牌定位算法研究.pdf

格式:pdf   页数:62页
下载后只包含 1 个 PDF 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

基于移动终端的水位监测与车牌定位算法研究.pdf

上传人:coconut 2014/5/12 文件大小:0 KB

下载得到文件列表

基于移动终端的水位监测与车牌定位算法研究.pdf

文档介绍

文档介绍:河南大学
硕士学位论文

姓名:王珊
申请学位级别:硕士
专业:微电子学与固体电子学
指导教师:张伟风
2011-05
摘要
本文主要针对当前最为流行的视频编解码标准 的编码过程进行研究,并
尝试提出一种新的帧内预测(Intra coding)算法。针对当今视频编码复杂度日益提高
的问题,本文提出一种新的基于帧内编码的适应性算法,试图通过对不同方向预测模式
的失真率分析,使用最可能模式来取代原有的多个预测模式,从而降低编码复杂度并提
高编码效率。通过实验验证,新算法可以较好的实现这一目的。
在视频编码过程中,主要有两种预测模式:帧内预测(Intra prediction)和帧间
预测(Inter prediction)。前者主要用作在一帧图像内,减少其中的空间冗余度;而
后者主要用于在不同帧之间,减少其序列间的时间冗余度。总体来讲,帧间编码在编码
效率上是高于帧内编码的。但是,在随机处理、错误恢复以及突然画面转变等方面,帧
内编码具有不可替代的重要性。在标准中,允许帧内编码使用三种类型的模块(Intra4×4,
Intra8×8 和 Intra16×16),它们均使用相邻解码元素进行预测。我们可以通过理想失真率
来评价帧内编码中不同的预测模式,并借此来提高帧内编码的效率。然而在这个过程中,
会因为计算失真率而较大的增加帧内编码的复杂度和冗余度,因此,研究人员进行了大
量相关工作来降低在帧内编码过程中的计算量。在本文中,我们提出了一种全新的适应
性帧内预测算法来提高帧内编码效率以及降低编码复杂度。我们的算法的核心思想是尝
试减少用来表征帧内模块的预测模式的比特数,如果每个预测模式均可减少一些比特
数,那么对整个视频而言,宏观来看,减少的比特数是非常可观的。编码效率也随之会
有很大的提升。
在经过理论分析后,我们设计出具体的算法,然后通过相关软件对一系列图像采用
传统编码和应用了我们新算法的编码程序进行压缩。从结果来看,我们在提高编码效率
方面的努力是卓有成效的。尤其需要指出的是,从最后的实验结果来看,我们的算法在
缩短编码时间上的作用是非常显著的,这一点对未来的网络视频方面会有比较大的促
进。
关键词:帧内编码,理想失真率,最可能模式,帧内预测, 协议

I
Abstract
This thesis focuses on the research of coding process of the video coding standard , which
is quite popular recently and put forward an original algorithm, called adaptive intra prediction method
(AIP), in the field of intra coding process. In this thesis, the algorithm, which is based on an analysis of the
rate-distortion of the prediction modes, is proposed to improve the coding efficiency and reduce the
plexity in the coding. Tested by series of experiments, the proposed algorithm
can achieve our purpose satisfactorily.
In the procedure of video coding, there are two prediction methods, . Intra prediction and Inter
prediction. The former is used to remove the spatial redundancy in a frame, while the later removes the
inter frame temporal redundancy in a sequence. Generally, inter coding is superior to intra coding in terms
of the coding efficiency, because it offers a better prediction result. Howe