基于单环和肤色选择的FGS视频编码

提出了一种在增强层中引入肤色选择的检测算法，利用该算法定位出人脸区域，并将其作为感兴趣区域，进行位平面提升、优先编码和传输。由于该算法会在一定程度上降低整体的编码效率，因此在基本层上引入了单环算法来提高整体的编码效率。试验结果表明，基于单环和肤色选择的FGS视频编码算法能够很好地改善视频的主观质量，也能够较大程度地提高FGS的编码效率。 【基于单环和肤色选择的FGS视频编码】 在当今互联网时代，随着多媒体内容的大量需求，视频编码技术面临着新的挑战。为了应对网络环境的异构性和带宽波动，粒度可分级视频编码（FGS）应运而生。FGS技术将原始视频分解为基本层和增强层两部分，基本层确保视频的基本可解码性，而增强层则提供更高质量的细节，可根据网络条件灵活裁剪。然而，FGS通常会牺牲一定的编码效率。 为了解决这个问题，本文提出了一种结合肤色选择和单环算法的FGS视频编码方法。在增强层，通过肤色选择算法能快速定位出人脸等感兴趣的肤色区域，这些区域被优先进行位平面提升和编码，以提升主观质量。肤色选择算法基于亮度和色度信息，利用肤色在CbCr色彩空间中的聚类特性，设置通用阈值来判断像素是否属于肤色区域，从而实现对人脸的高效定位。 尽管肤色选择提高了感兴趣区域的编码效率，但可能会降低整体编码效率。因此，在基本层引入单环算法成为关键。单环算法使用更高质量的扩展基本层图像作为基本层的参考图像，提升运动补偿的准确性，降低残差图像的能量，从而提高基本层编码效率。同时，它也能间接提升增强层的编码效率，因为基本层和增强层之间存在相互影响。然而，网络带宽的变化可能导致预测误差积累，为此，引入了前端网络估计来确定能够正确解码的增强层位平面数，防止预测误差的传播。 实验结果显示，该基于单环和肤色选择的FGS视频编码方法在改善视频主观质量的同时，显著提高了编码效率。实验选取了Carphone和Foreman两个QCIF视频序列，使用H.264参考软件编码，并对比了不同的参数设置，如帧率、编码类型、熵编码方法等。实验数据证明，该算法在保持良好视觉效果的同时，有效地优化了编码过程。 结合肤色选择和单环算法的FGS视频编码策略，既能满足对视频质量的要求，又能适应网络条件的变化，是一种有效的视频编码解决方案。未来的研究可以进一步探索如何优化这两种算法的结合，以实现更高效、更灵活的视频编码。