基于多概率分布的分布式视频编码相关噪声模型构造方法
【专利摘要】本发明公开了一种基于多概率分布的分布式视频编码相关噪声模型构造方法，包括对相关噪声进行的DCT变换，获得64个子带的系数；计算各子带的概率分布，并通过概率分布计算相应的熵；计算各子带在柯西、拉普拉斯和高斯三种分布的概率密度，并计算子带在上述三种分布下的熵；最后对各子带的熵分别与该子带在柯西、拉普拉斯和高斯三种分布下的熵之差的绝对值进行比较，选择绝对值最小的概率分布来对该子带进行建模。采用本发明的方法能够克服现有相关噪声模型的构造方法未能用合适的概率分布精确地描述各子带的分布的缺点，获得更高的建模精度，从而提高分布式编解码系统的率失真性能。
【专利说明】基于多概率分布的分布式视频编码相关噪声模型构造方法
【技术领域】
[0001]本发明涉及分布式视频编码技术，特别涉及分布式视频编码中相关噪声模型的构造方法。
【背景技术】
[0002]分布式视频编码(DVC)与传统的视频编码标准如MPEG-X和H.26X相比，成功地将编码端的计算复杂度转移到了解码端，具有编码简单解码复杂的特点，非常适用于移动视频电话、无线视频监控以及无线视频传感器网络等编码端运算能力和功耗都受限的无线终端。在DVC中，相关噪声被定义为原始的Wyner-Ziv (WZ)帧与边信息(SI)帧之差。为了有效的利用编码端发送的校验位信息来纠正边信息的错误，分布式视频解码器需要利用相关噪声对低密度奇偶校验码(LDPC)码或Turbo码进行辅助译码。在变换域，相关噪声是指原始WZ帧和SI帧的离散余弦(DCT)变换系数带之间的残差。如果相关噪声模型越准确，越能准确地反映残差特性，解码端SI的比特面置信度计算也就越准确，有助于LDPC码或Turbo码正确地译码，而且成功译码所需要的校验位会越少。因而，准确地对相关噪声进行建模成为影响分布式编码率失真(R-D)的关键因素之一。以下简单介绍现有的几类DVC中相关噪声模型的构造方法。
[0003]第一类方法，采用拉普拉斯概率分布对相关噪声进行建模，而模型构造的主要步骤通过各种算法估计出拉普拉斯的分布系数。然而这种方法的缺点是:由于视频内容多样性的特点，离散余弦变换(DCT)后相关噪声子带在概率分布上呈现多样的变化，仅使用拉普拉斯概率分布进行模型构造会存在较大的误差，进而影响最终的分布式视频编码性能。
[0004]第二类方法，单独采用除拉普拉斯分布外的其他的概率分布来构造相关噪声模型，如采用指数分布和柯西分布来构造模型等，但这类方法的缺点是:仅对于部分视频内容，模型的性能优于基于拉普拉斯分布的方法，但是，总体性能不如基于拉普拉斯概率分布的方法的。
[0005]第三类方法，采用基于混合概率分布来构造相关噪声模型。这类方法中，存在两种方法。第一种是针对相关噪声的子带具有尖锐的峰值特性和较长的拖尾的情况，采用拉普拉斯-柯西混合分布来建模相关噪声改善DVC的性能。该模型构造的主要思想是:用拉普拉斯分布来描述小残差系数的分布，用柯西分布来描述大残差系数的分布。但是这种方法的缺陷是:这种方法仅适用于子带数目较少的场合(如子带数为16)，当子带数增大时(如子带数为64)，子带的尾部都比较短，如采用该方法来进行模型构造，分布式视频编码的性能较差。第二种方法是根据具体帧和具体系数带的内容和运动情况来动态的选择模型分布，对相关噪声的AC系数分量采用拉普拉斯分布(位置参数为零)进行计算，对相关噪声的DC系数带分量则根据其运动的剧烈程度自适应选择高斯分布(均值非零)和拉普拉斯分布(位置参数非零)进行计算。然而这种方法的缺陷在于，仅适用于子带数目较少的场合，当子带数增大时，残差系数值较小，拟合概率分布的拖尾会比较短，在这种情况下，如果AC系数的分量仍采用拖尾长度中等的拉普拉斯分布进行描述显然是不准确的。[0006]综上，现有的相关噪声模型的构造方法未能用合适的概率分布精确地描述各子带的分布，现有算法的性能有待提升。
【发明内容】
[0007]本发明的目的在于克服现有相关噪声模型的构造方法未能用合适的概率分布精确地描述各子带的分布而导致模型精度不高的缺点，提供了一种基于多概率分布的相关噪声模型构造方法，获得更高的建模精度，从而提高分布式编解码系统的性能。
[0008]为达到上述目的，本发明的技术方法具体是这样实现的:
基于多概率分布的分布式视频编码相关噪声模型构造方法，在编码端以离线方式进行相关噪声模型构造，包括以下步骤:
步骤一:对当前的相关噪声帧进行的离散余弦变换(DCT)后，获得64个子带的系数。
[0009]步骤二:按子带排列顺序，以子带为单位，取出某一子带的所有系数，并令该子带为当前子带。
[0010]步骤三:统计当前子带系数的概率分布，并计算该子带的信息熵(平均信息量)。
[0011]步骤四:利用当前子带的系数分别计算柯西、拉普拉斯和高斯三种概率分布的参数，并计算该子带在上述三种概率分布下的信息熵。
[0012]步骤五:分别计算当前子带的信息熵与该子带在柯西、拉普拉斯和高斯三种概率分布下的信息熵之差的绝对值。
[0013]步骤六:比较当前子带与该子带在三种概率分布下信息熵之差的绝对值，选择绝对值最小的概率分布作为该子带的概率分布予以建模。
[0014]步骤七:按步骤二继续获取下一子带，重复步骤三至步骤六的操作，直至完成当前相关噪声帧的所有64个子带的模型构造。
[0015]较佳地，步骤一所述的相关噪声帧是指原始WZ帧与边信息帧之差，即
R (x,y) = WZ (x'y) -SI (x, y)
其中，所述^ ? Ar和SI 分别代表原始帧和边信息帧；所述代表相关噪声帧。
[0016]较佳地，步骤三所述的当前子带系数的概率分布可通过下式计算:
【权利要求】
1.基于多概率分布的分布式视频编码相关噪声模型构造方法，其特征是在编码端以离线方式进行相关噪声模型构造，包括以下步骤: 步骤一:对当前的相关噪声帧进行8X8的离散余弦变换(DCT)后，获得64个子带的系数； 步骤二:按子带排列顺序，以子带为单位，取出某一子带的所有系数，并令该子带为当前子带； 步骤三:统计当前子带系数的概率分布，并计算该子带的信息熵(平均信息量)； 步骤四:利用当前子带的系数分别计算柯西、拉普拉斯和高斯三种概率分布的参数，并计算该子带在上述三种概率分布下的信息熵； 步骤五:分别计算当前子带的信息熵与该子带在柯西、拉普拉斯和高斯三种概率分布下的信息熵之差的绝对值； 步骤六:比较当前子带与该子带在三种概率分布下信息熵之差的绝对值，选择绝对值最小的概率分布作为该子带的概率分布予以建模； 步骤七:按步骤二继续获取下一子带，重复步骤三至步骤六的操作，直至完成当前相关噪声帧的所有64个子带的模型构造。
2.根据权利要求1所述的基于多概率分布的分布式视频编码相关噪声模型构造方法，其特征在于所述的相关噪声帧是指原始WZ帧与边信息帧之差，即
R(x，y)=WZ(x, y)-SI(x, y) 其中，所述WZ(x，y)和SI(x，y)分别代表原始帧和边信息帧；所述R(x，y)代表相关噪声帧。
3.根据权利要求1所述的基于多概率分布的分布式视频编码相关噪声模型构造方法，其特征在于所述的当前子带系数的概率分布可通过下式计算:
4.根据权利要求1所述的基于多概率分布的分布式视频编码相关噪声模型构造方法，其特征在于所述的子带的信息熵可通过下式计算:
5.根据权利要求1所述的基于多概率分布的分布式视频编码相关噪声模型构造方法，其特征在于所述的利用当前子带系数计算柯西、拉普拉斯和高斯三种概率分布的参数，步骤进一步包括: (1)利用当前子带的系数计算柯西分布、拉普拉斯分布和高斯分布的概率分布的公式如下所示:
6.根据权利要求5所述的基于多概率分布的分布式视频编码相关噪声模型构造方法，其特征在于采用最小欧式距离拟合方法分别计算柯西分布的参数G、拉普拉斯分布的参TH数Lb以及高斯分布的参数，具体的计算步骤如下:nim (I)利用以下式子分别计算子带在柯西、拉普拉斯以及高斯分布下的概率分布与子带的概率分布之间的欧式距离。
7.根据权利要求1所述的基于多概率分布的分布式视频编码相关噪声模型构造方法，其特征在于所述的计算当前子带的信息熵与该子带在柯西、拉普拉斯和高斯三种概率分布下的信息熵之差的绝对值，具体计算式子如下:
8.根据权利要求1所述的基于多概率分布的分布式视频编码相关噪声模型构造方法，其特征在于，所述的比较当前子带与该子带在三种概率分布下信息熵之差的绝对值，选择绝对值最小的概率分布作为该子带的概率分布予以建模，其过程包括:
【文档编号】H04N19/147GK103561269SQ201310353415
【公开日】2014年2月5日 申请日期:2013年8月14日 优先权日:2013年8月14日
【发明者】唐振华 申请人:广西大学