版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、線性回歸模型論文回歸模型論文一種基于線性回歸模型的運動矢量重估算法一種基于線性回歸模型的運動矢量重估算法摘要:針對H.264AVC空間分辨率縮減的視頻轉(zhuǎn)碼提出一種基于線性回歸模型的運動矢量重估計算法。它利用原始視頻流的運動矢量與下采樣視頻流的運動矢量之間的相關(guān)性運用線性回歸模型建模得到下采樣視頻的運動矢量。仿真實驗結(jié)果表明:在保持率失真性能的同時計算復(fù)雜度明顯降低。關(guān)鍵詞:視頻轉(zhuǎn)碼H.264線形回歸模型運動矢量重估計AMotionVec
2、tReestimationAlgithmbasedonLinearRegressionModelYANGGaobo1XIAZhongchao1ZHANGZhaoyang2WANGHuiqian1(1.CollegeofComputerCommunicationHunanUnivChangshaHunan410082China2.KeyLabofAdvancedDisplaySystemApplicationsMinistryofEduc
3、ationShanghaiUnivShanghai200072China)Abstract:FthespatialresolutionreductionofH.264AVCstreamamotionreestimationalgithmbasedonlinearregressionmodelisproposedinthispaper.Itexploitsthecrelationbetweenthemotionvectsofiginalv
4、ideostreamthoseofdownsampledvideowhichismodelledbylinearregressionmodeltoobtaintheestimatedmotionvects.Experimentalresultsdemonstratethattheproposedapproachcansignificantlyreducethe的中值或平均值代替下采樣視頻流的運動矢量。它具有計算量小的優(yōu)點但是當(dāng)某個塊的運
5、動矢量明顯不同于周圍的塊時將產(chǎn)生較大的誤差。視頻轉(zhuǎn)換編碼的關(guān)鍵在于充分利用部分解碼輸入碼流過程中易于得到的運動矢量等信息以降低轉(zhuǎn)碼過程的計算量[2]??紤]到原始視頻流的運動矢量與空間分辨率縮減后視頻流的運動矢量具有較強的相關(guān)性本文提出了一種基于線性回歸模型的運動矢量重估計算法根據(jù)原始視頻流的運動矢量得到下采樣視頻的運動矢量適合于H.264空間分辨率縮減的視頻轉(zhuǎn)碼。1.轉(zhuǎn)碼器的體系結(jié)構(gòu)轉(zhuǎn)碼器的結(jié)構(gòu)可以分為兩類:級聯(lián)像素域轉(zhuǎn)碼結(jié)構(gòu)(CPDT
6、)和DCT域轉(zhuǎn)碼結(jié)構(gòu)(DDT)。相對DDT結(jié)構(gòu)CPDT具有結(jié)構(gòu)靈活漂移誤差小等特點[8]。本文采用CPDT實現(xiàn)H.264視頻流的空間分辨率轉(zhuǎn)碼原理框圖如圖1所示。轉(zhuǎn)碼器由一個解碼器和一個編碼器級聯(lián)而成即先對編碼碼流進行解碼然后對重建視頻幀進行下采樣再重新編碼。其中基于線性回歸模型的運動矢量重估計是本文的核心。對于H.264編碼器運動估計占用了整個編碼過程約70%的運算量。因此加快重編碼過程的運動估計成為提高轉(zhuǎn)碼速度的關(guān)鍵。原始視頻流的運
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 線性回歸模型論文回歸模型論文
- 線性回歸模型論文回歸模型論文
- 多元線性回歸預(yù)測模型論文
- 多元線性回歸預(yù)測模型論文
- 線性回歸模型
- 多元線性回歸模型
- 多元線性回歸模型
- 多元線性回歸模型案例
- 多元線性回歸模型stata
- 多元線性回歸模型案例
- 簡單線性回歸模型
- 統(tǒng)計學(xué)專業(yè)畢業(yè)論文多元線性回歸模型
- 多元線性回歸模型案例分析
- 復(fù)習(xí):多元線性回歸模型案例
- 《統(tǒng)計學(xué)》線性回歸模型
- 經(jīng)典模型的線性回歸分析
- 多元線性回歸模型案例分析
- 多項式回歸、非線性回歸模型
- 一元線性回歸模型
- 多元線性回歸模型 習(xí)題與 解答
評論
0/150
提交評論