利用錯誤擴散法改善HEVC畫面內預測之研究

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：64

、訪客IP：3.139.108.37

姓名

賴盈秀(Ying-hsiu Lai) 查詢紙本館藏

畢業系所

通訊工程學系

論文名稱

利用錯誤擴散法改善HEVC畫面內預測之研究
(Improving HEVC Intra Prediction with Error Diffusion)

相關論文

★ 10Gb/s MM XFP光收發模組設計與實現	★ 資訊產品自動化測試之研究
★ 高電流密度鰭式氮化鎵高電子遷移率電晶體研究	★ 電子郵件及壓縮檔案解碼之研究
★ 渦輪碼在光學記錄系統上之應用	★ 離散餘弦轉換硬體架構之研究
★ 動態影像之錯誤隱藏研究	★ 即時性無失真壓縮編碼之研究
★ 類神經網路在手寫數字辨識之研究	★ 事後機率演算法則在資料儲存系統之研究
★ 紅外線傳輸協定及通道之研究	★ 低密度同位元檢查碼在數位資料儲存系統之研究
★ 一種新型的JPEG2000竄改偵測與還原技術	★ 即時性無失真壓縮之研究
★ 混合快速模式決策演算法之研究	★ 光學記錄MEPR2通道系統之時序恢復探討與研究

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

最新一代的視訊壓縮標準HEVC(High Efficiency Video Coding)將畫面內預測之角度模式提升至33個方向，使得預測畫面的方向性能夠更加接近原始畫面，而得到更好的壓縮效率。然而HEVC角度預測擁有單一方向性的缺點，對於擁有複雜紋理的畫面還有改進的可能性。因此本篇論文提出將原本使用於半色調法(Halftoning)的錯誤擴散法(Error Diffusion)應用於畫面內預測(Intra Prediction)之中。我們首先利用對梯度的調整控制畫面的平滑度，接著再利用錯誤擴散法將調整後的誤差擴散出去。錯誤擴散法和渲染方法一樣與周圍像素點有很高的相依性，因此能夠同時將雙邊參考像素資訊延續至預測畫面當中，並且運算複雜度較渲染方法低非常多。因此錯誤擴散法能夠在不增加過多編碼時間的情況下，有效改善含有複雜紋理之區塊的預測畫面，進而增進壓縮的效能。實驗結果表明，錯誤擴散法與HEVC畫面內預測之結合型演算法能夠降低0.5%的BDBR(Bjontegaard Delta Bit Rate)。

摘要(英)

High Efficiency Video Coding, the latest standard of video compression, has improved the efficiency of Intra Prediction by making finer prediction image due to the increasing of Intra Angular Prediction modes, which now have 33 different directions. However, the characteristic of single directionality has not changed. In order to improve the prediction of images with complex texture, we apply Error Diffusion, which was originally a technique of Halftoning, to Intra Prediction. We control the smoothness of the image by adjusting the gradient between pixels, followed by diffusing errors to neighboring pixels. Hence, Error Diffusion has as high correlation with neighboring pixels as Inpainting does. It can improve the quality of prediction images by extending the information of bilateral reference pixels to them with only a little increase of time consumption. It was showed that the hybrid algorithm combined by Error Diffusion and HEVC Intra Prediction achieves 0.5% BDBR(Bjontegaard Delta Bit Rate) saving compared with standard HEVC Intra Coding by the experimental results.

關鍵字(中)

★ HEVC
★ 畫面內預測
★ 預測單元
★ 渲染方法
★ 錯誤擴散法

關鍵字(英)

★ HEVC
★ Intra Prediction
★ Prediction Unit
★ Inpainting
★ Error Diffusion

論文目次

章節目錄
第一章緒論 1
1.1 高效率視訊編碼(HEVC)簡介 1
1.2 研究動機與目的 5
1.3 論文架構 5
第二章畫面內預測模式探討 6
2.1 HEVC畫面內預測模式探討 6
2.2 渲染方法應用至畫面內預測模式探討 16
2.3 錯誤擴散法應用至畫面內預測探討 25
2.4 綜合比較 33
第三章結合型HEVC角度預測模式 46
3.1 渲染方法與HEVC畫面內預測之結合型演算法 46
3.2 錯誤擴散法與HEVC畫面內預測之結合型演算法 54
3.3 綜合效能分析 65
3.5 HEVC與錯誤擴散結合型演算法之優化 83
第四章結論與未來展望 91
參考文獻 92

圖目錄
圖1.1 HEVC編碼架構 2
圖1.2 編碼單元深度切割示意圖 3
圖1.3 編碼單元八種切割方式 4
圖2.1 畫面內預測35個預測模式對應之編號及方向 7
圖2.2 二維參考像素投影至一維示意圖 8
圖2.3 PLANAR 預測方式 9
圖2.4 畫面內預測模式決策圖 10
圖2.5 TU深度與參考像素位置示意圖 12
圖2.6 HEVC畫面內預測流程圖 13
圖2.7 編碼單元深度決策流程示意圖 14
圖2.8 HEVC預測平滑區塊(DC模式) 15
圖2.9 HEVC預測含有單一方向邊界的區塊(模式27) 15
圖2.10 HEVC預測非單一方向性區塊(模式7) 16
圖2.11 編碼中的畫面分割 18
圖2.12渲染方法加入方向性比較 20
圖2.13 HEVC及渲染方法預測平滑區塊(DC模式) 22
圖2.14 HEVC及渲染方法預測含有單一方向邊界的區塊(模式27) 23
圖2.15 HEVC及渲染方法預測非單一方向性區塊(模式7) 24
圖2.16 由濾波器觀點表示錯誤擴散法流程 27
圖2.17 錯誤擴散法將誤差擴散的兩個概念 28
圖2.18 半色調法僅經過二值化與加入錯誤擴散法之結果比較圖 29
圖2.19 三種演算法預測平滑區塊(DC模式) 30
圖2.20 三種演算法預測含有單一方向邊界的區塊(模式27) 31
圖2.21 三種演算法預測非單一方向性區塊(模式7) 32
圖2.22 平滑區塊使用三種演算法產生之預測區塊比較(模式10) 33
圖2.23 平滑含有少量角度邊界花紋區塊使用三種演算法產生之預測區塊比較(模式5) 34
圖2.24 平滑含有兩處花紋區塊使用三種演算法產生之預測區塊比較(模式5) 35
圖2.25 平滑但含有方向性區塊使用三種演算法產生之預測區塊比較(模式9) 36
圖2.26 含有水平方向邊界且同一列像素點相似之區塊使用三種演算法產生之預測區塊比較(模式10) 37
圖2.27 含有水平方向邊界且同一列像素點不相似之區塊使用三種演算法產生之預測區塊比較(模式10) 38
圖2.28含有方向性區塊使用三種演算法產生之預測區塊比較(模式11) 39
圖2.29 含有不完整方向性之區塊使用三種演算法產生之預測區塊比較(模式5) 41
圖2.30 含有複雜紋理及明顯角度邊界之區塊使用三種演算法產生之預測區塊比較(模式25) 42
圖2.31 均方差與人眼辨識比較例一(模式11) 43
圖2.32 均方差與人眼辨識比較例二(模式25) 44
圖3.1 HEVC角度預測模式編號與其位移 47
圖3.2 HEVC角度預測與渲染方法之結合型畫面內預測演算法流程圖 53
圖3.3 無方向性渲染方法預測畫面 54
圖3.4 編碼單元區域分割示意圖 56
圖3.5 錯誤擴散法過程中產生的預測畫面 60
圖3.6 不同閥值之錯誤擴散法預測畫面比較 62
圖3.8 TENNIS 畫面截圖 71
圖3.9 PEOPLEONSTREET畫面截圖 71
圖3.10 PEOPLEONSTREET使用結合型演算法在四種量化參數下之編碼效能 73
圖3.11 TRAFFIC使用兩種結合型演算法在四種量化參數下之編碼效能 74
圖3.12 TENNIS使用兩種結合型演算法在四種量化參數下之編碼效能 75
圖3.13 VIDYO1使用兩種結合型演算法在四種量化參數下之編碼效能 76
圖3.14 VIDYO3使用兩種結合型演算法在四種量化參數下之編碼效能 77
圖3.15 BASKETBALLPASS解碼後影像截圖 78
圖3.16 綠色球衣球員頭部放大圖 79
圖3.17 白色中圈放大圖 79
圖3.18 BQSQUARE解碼後影像截圖 80
圖3.19綠色傘面放大圖 81
圖3.20 椅子放大圖 81
圖3.21 TENNIS 解碼後截圖 82
圖3.22背景網子放大圖 82
圖3.23 VIDYO3在不同閥值下BDBR及時間的變化 87
圖3.24 錯誤擴散法模式之比例與碼率失真成本分佈 89
表目錄

表1.1 編碼單元深度及對應大小 2
表1.2 不同深度編碼單元支援之轉換單元大小 5
表2.1 所有方向之拉普拉斯算符係數 21
表2.2 常見的錯誤擴散法遮罩 26
表2.3 三種演算法編碼一張畫面時間比較 45
表3.1 方向性渲染模式之二維拉普拉斯算符係數 49
表3.2 渲染方法模式分佈 50
表3.3 HEVC角度模式與渲染方法角度模式對應編號 50
表3.4 最佳編碼單元大小分佈機率 51
表3.5 HEVC與渲染方法之最佳模式重合機率 52
表3.6 由STUKI遮罩改良的錯誤擴散法權數遮罩 55
表3.7 A區像素點使用的擴散係數遮罩 57
表3.8 B區像素點使用的擴散係數遮罩 57
表3.9 C至F區像素點使用的擴散係數遮罩 58
表3.10錯誤擴散法最佳模式之模式分佈 63
表3.11 HEVC角度模式與同方向之錯誤擴散法模式對應編號 63
表3.12 HEVC與錯誤擴散法最佳模式之方向重合機率 64
表3.13 實驗平台及環境參數設定 65
表3.14 影像樣本基本資訊 66
表3.15 固定量化參數下之編碼效能比較 68
表3.16 結合型演算法與原始HEVC相較之PU個數變化率 70
表3.17 渲染方法與錯誤擴散法之BD效能比較 71
表3.18 渲染方法與錯誤擴散法模式占整體模式之比例 72
表3.19 錯誤擴散法使用一個及三個模式之BD效能比較 83
表3.20 VIDYO3在不同量化參數下各個編碼單元深度錯誤擴散法模式之碼率失真成本分佈 84
表3.21 不同量化參數及編碼深度的閥值 85
表3.22 各閥值BD效能比較 86
表3.23 VIDYO3在不同量化參數及編碼單元大小下各區間錯誤擴散法模式之比例 88
表3.24 不同量化參數下各編碼單元使用之閥值列表 89
表3.25 原始錯誤擴散法與加入閥值的BD效能比較 90

參考文獻

[1] JCT-VC, “High Efficiency Video Coding (HEVC) Test Model 11(HM 11) Encoder Description”, JCTVC-L1002,JCT-VCMeeting, Incheon,Jan.2013.
[2] Y. Zhang, “Improving HEVC Intra Prediction with Inpainting Method,” Master Thesis, National Central University, July 2013.
[3] J. Lainema, F. Bossen, W. J. Han, J. Min and K. Ugur, “Intra Coding of the HEVC Standard,” IEEE Transactions on Circuits and Systems for Video Technology, vol. 22, no. 12, pp. 1792-1801, Dec. 2012.
[4] J. Min, S. Lee, I. Kim, W. J. Han, J. Lainema, and K. Ugur, “Unification of the directional intra prediction methods in TMuC,” JCTVC-B100, Geneva, CH, 21-28 July 2010.
[5] T. K. Tan, M. Budagavi, and J. Lainema, “Summary Report for TE5 on Simplification of Unified Intra Prediction,” JCTVC-C046, Guangzhou, China, Oct. 2010.
[6] M. Wien, “Variable block-size transform for H.264/AVC,” IEEE Transactions on Circuits and Systems for Video Technology, vol. 13, No.7, 604-619, 2003.
[7] B. Bross, W. J. Han, G. J. Sullivan, J. R. Ohm, and T. Wiegand, “High efficiency video coding(HEVC) text specification draft 7,” JCTVC-I1003, May 2012.
[8] Y. Piao, J. Min, and J. Chen, “Encoder improvement of unified intra prediction,” JCTVC-C207, Guangzhou, China, 7-15 Oct. 2010.
[9] G. J. Sullivian, J. R. Ohm, W. J. Han and T. Wiegand, “Overview of the High Efficiency Video Coding(HEVC) Standard,” IEEE Transactions on Circuits and Systems for Video Technology, vol. 22, no. 12, Dec. 2012.
[10] T. Lee, J. Chen, and W.-J. Han, “TE 12.1: Transform unit quadtree/2-level test,” JCTVC-C200, Guangzhou, China, 7-15 Oct. 2010.
[11] M. Bertalmio, G. Sapiro, V. Caselles and C. Ballester, “Image inpainting,” in Proceedings of ACM SIGGRAPH, Jul. 2000, pp. 417-424.
[12] T. F. Chan and J. Shen, “Mathematical models for local non-texture inpainting,” SIAM Journal on Applied Mathematics, vol. 62, no. 3, pp.1019-1043, 2002.
[13] T. F. Chan and J. Shen, “Non-texture inpainting by curvature-driven diffusions,” Journal of Visual Communication and Image Representation, vol. 12, issue 4, pp. 436-449, 2001.
[14] Y. Wu, M. Wang, X. Liu, “A Fast Inpainting Algorithm Using Half-Point Gradient,” in Proceedings of IEEE Second International Workshop on Computer Science and Engineering, China, 28-30 Oct. 2009.
[15] M. M. Oliveria, B. Bowen, R. McKenna, Y. Chang, “Fast Digitanl Image Inpainting,” in Proceedings of Visualization, Imaging and Image Processing, Marbella, Spain, 3-5 Sep. 2001.
[16] D. Liu, X. Sun, F. Wu and etc., “Edge-oriented Uniform Intra Prediction,” IEEE Transactions on Image Processing, vol. 17, no. 10, pp. 1827-1836, Oct. 2008.
[17] S. Hareesh. A, V. Chandrasekaran, “A fast and simple gradient function guided filling order prioritization for exemplar-based color image inpainting,” in Proceedings of International Conference on Image Processing, Hong Kong, 26-29 Sep. 2010.
[18] R. Martinez-Noriega, A. Roumy, G. Blanchard, “Exemplar-based image inpainting: fast priority and coherent nearest neighbor search,” in Proceedings of IEEE International Workshop on Machine Learning for Signal Processing, Santander, Spain, 23-26 Sept. 2012.
[19] Anupam, P. Goyal, S. Diwakar, “Fast and enhanced algorithm for exemplar based image inpainting,” Information Technology IIIT, Allahabad, India.
[20] A. A. Efros and T.K. Leung, “Texture synthesis by non-parametric sampling,” in Proceedings of IEEE International Conference on Computer Vision, Kerkyra, 20-27 Sep. 1999, vol. 2, pp. 1033-1038.
[21] A. A. Efros and W. T. Freeman, “Image quilting for texture synthesis and transfer,” in Proceedings of ACM SIGGRAPH Conference, Eugene Fiume, pp. 341-346, 2001.
[22] D. Doshkov, P. N. Nya, H. Lakshman and etc., “Towards Efficient Intra Prediction based on Image Inpainting Method,” in Proceedings of Picture Coding Symposium, Dec. 2010, pp.470-473.
[23] R. Ulichney, “A review of halftoning techniques,” Cambriddge Research Lab, Cambridge, MA 02139, USA.
[24] R. W. Floyd and L. Steinberg, “An adaptive algorithm for spatial grayscale,” in Proceedings of the Society of Information Display, 1976, vol. 17/2, pp. 75-77.
[25] J. Jarvis, C. Judice, and W. Ninke, “A survey of techniques for the display of continuous tone pictures on bilevel displays,” Computer Graphics and Image Processing, vol. 5, pp. 13-40, May 1976.
[26] P. Stucki, “Image processing for document reproduction,” Advances in Digital Image Processing, New York, NY: Plenum, pp. 177-218, 1979.
[27] J. H. Horng, “Edge preserving halftoning based on the error diffusion technique,” 國立金門技術學院電資研究所.
[28] T. N. Pappas, D. L. Neuhoff, “Printer models and error diffusion,” IEEE Transactions on Image Processing, pp. 66-80, 1995.
[29] Z. Fan, “Error diffusion with a more symmetric error distribution,” in Proceedings of the International Society for Optics and Photonics, San Jose, CA , 6 Feb. 1994, .
[30] J. Sullivan, R. Miller, G. Pios, “Image halftoning using a visual model in error diffusion,” Journal of the Optical Society of America A, Vol. 10, No. 8, Aug. 1993.
[31] T. N. Papps, D. L. Neuhoff, “Printer models and error diffusion,” IEEE Transactions on Image Processing, vol. 4, no. 1, Jan. 1995.
[32] P. T. Metaxas, “Optimal parallel error-diffusion dithering,” Computer Science Department of Wellesley College.
[33] G. Bjontegarrd, “Calculation of average PSNR differences between RD curves,” in Proceedings of International Telecommunication Union SC16/Q6 13th Vedio Coding Experts Group meeting(ITU-T VCEG), Austin, TX, Apr. 2001, No.VCEG-M33.

指導教授

林銀議(Yin-yi Lin)

審核日期

2014-7-25

推文