一种基于ρ域的新码率模型

doi:10.3778/j.issn.1002-8331.2010.03.047

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (3): 154-158.DOI: 10.3778/j.issn.1002-8331.2010.03.047

• 图形、图像、模式识别 • 上一篇下一篇

一种基于ρ域的新码率模型

黄晓平^1，2，杨黎东³，种衍文²，沈未名²

1.浙江理工大学计算机技术部，杭州 310018
2.武汉大学测绘遥感信息工程国家重点实验室多媒体工程中心，武汉 430079
3.湖北科创高新网络视频股份有限公司，武汉 430071

收稿日期:2008-07-30 修回日期:2008-10-06 出版日期:2010-01-21 发布日期:2010-01-21
通讯作者: 黄晓平

New rate model based ρ domain

HUANG Xiao-ping^1，2，YANG Li-dong³，CHONG Yan-wen²，SHEN Wei-ming²

1.Zhejiang Sci-Tech Universtity，Hangzhou 310018，China
2.Multimedia Communication Engineering Center，LIESMARS，Wuhan University，Wuhan 430079，China
3.Hubei Kechuang Hi-tech Net-video Co. Ltd.，Wuhan 430071，China

Received:2008-07-30 Revised:2008-10-06 Online:2010-01-21 Published:2010-01-21
Contact: HUANG Xiao-ping

摘要/Abstract

摘要： 视频编码中的码率模型是表示一帧图像的编码比特数的数学函数表达式，是码率控制技术研究的重点。常用码率模型都是在寻找量化步长Q和码率R之间的关系，用信源的统计特性描述视频数据，并分析、模拟编码算法，为了提高码率估计精度，码率模型就变得特别复杂进而导致码率控制不稳定；但简单模型的精度又低。文献[3]从量化步长与非零系数的角度提出了线性的码率控制模型，能简单精确地进行码率控制。但没有考虑非零系数的大小、头信息及线性模型的常数项，且其参数数更新粗糙。针对这些问题提出新的码率模型和线性回归的精确参数更新算法。实验结果表明，提出的算法比TMN8算法能将PSNR提高0.1 dB左右，且性能稳定。

关键词: 码率模型, 非零系数, 线性回归

Abstract: Video rate model is used to describe the function of a frame’s coded bits，and it is also the key issue of rate control.The classic rate model is the relation between of rates and quantization parameter.These existing models are not accurate or too complicated，so Zhihai presented a linear relationship between the coding bits R and the percentage of zeros among the quantized transform coefficients，denoted by ρ.But the linear rate model doesn’t the head information，non-zero coefficients size.So this paper presents a new rate model based on ρ domain and linear regression parameters update algorithm.Experimental results show that the new rate model and parameters can achieve the higher average PSNR than TMN8’s method.

Key words: rate model, non-zero coefficients, linear regression

中图分类号:

TP391

黄晓平^1，2，杨黎东³，种衍文²，沈未名². 一种基于ρ域的新码率模型[J]. 计算机工程与应用, 2010, 46(3): 154-158.

HUANG Xiao-ping^1，2，YANG Li-dong³，CHONG Yan-wen²，SHEN Wei-ming². New rate model based ρ domain[J]. Computer Engineering and Applications, 2010, 46(3): 154-158.

[1]	赵林锁，马瑞强，姜天，宋宝燕，潘一山. 两级回归的流式大数据事件自适应预警方法[J]. 计算机工程与应用, 2021, 57(7): 88-94.
[2]	魏立斐，李梦思，张蕾，陈聪聪，陈玉娇，王勤. 基于安全两方计算的隐私保护线性回归算法[J]. 计算机工程与应用, 2021, 57(22): 139-146.
[3]	李莎，林晖. 结合MLR和ARIMA模型的时空建模及预测[J]. 计算机工程与应用, 2021, 57(13): 276-282.
[4]	娄英丹，徐静林，黄丽霞，张雪英. MLLR和MAP在远场噪声混响下的语音识别研究[J]. 计算机工程与应用, 2020, 56(10): 122-126.
[5]	林鹏飞，何秀青，陈甜甜，吴华君，何聚厚. 深度学习视阈下MOOC学习者流失预测及干预研究[J]. 计算机工程与应用, 2019, 55(22): 258-264.
[6]	贾项南，于凤芹，陈莹. 多视角级联回归模型人脸特征点定位[J]. 计算机工程与应用, 2019, 55(10): 199-204.
[7]	刘胜，赵彤洲，蔡敦波. 部分观测环境下的时态动作模型学习方法[J]. 计算机工程与应用, 2018, 54(2): 29-39.
[8]	李昕咛，周治平，刘乐乐. 结合多传感器信息分析的手机用户认证方案[J]. 计算机工程与应用, 2018, 54(1): 140-145.
[9]	胡荣耀1，2，刘星毅2，3，程德波1，2，何威1，2. 基于稀疏学习的低秩属性选择算法[J]. 计算机工程与应用, 2017, 53(10): 132-138.
[10]	晁浩，宋成，薛霄，刘志中. 基于模型自适应的声效鲁棒性语音识别算法[J]. 计算机工程与应用, 2016, 52(2): 156-160.
[11]	李艳平，麻敏洁，鲁来凤. 基于多模型拟合的西安市生活垃圾量预测[J]. 计算机工程与应用, 2015, 51(6): 222-226.
[12]	黄志娥，谢佳莉，荀恩东. HSK自动作文评分的特征选取研究[J]. 计算机工程与应用, 2014, 50(6): 118-122.
[13]	孙文兵1，曾祥燕2，杨立君1. BP网络和多元回归在葡萄酒质量模型中的应用[J]. 计算机工程与应用, 2014, 50(15): 267-270.
[14]	李虎，张二虎，段敬红. 基于PCA和多元统计回归的人群人数统计方法[J]. 计算机工程与应用, 2014, 50(11): 206-209.
[15]	王佃来1，2，刘文萍1，黄心渊1. 基于Sen+Mann-Kendall的北京植被变化趋势分析[J]. 计算机工程与应用, 2013, 49(5): 13-17.

一种基于ρ域的新码率模型

New rate model based ρ domain

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics