虛擬現(xiàn)實(shí)VR（Virtual Reality）360度視頻是一種球面視頻,相比于傳統(tǒng)視頻,VR 360度視頻數(shù)據(jù)量更大、數(shù)據(jù)冗余度更高,現(xiàn)有的編碼框架對(duì)這類視頻的優(yōu)化不足,因此,論文深入研究了VR 360度視頻的特點(diǎn),通過(guò)降低幀內(nèi)模式?jīng)Q策和編碼單元CU（Coding Unit）劃分過(guò)程的計(jì)算復(fù)雜度來(lái)提高編碼器的編碼速度。論文的主要工作包括以下兩個(gè)方面:（1）針對(duì)現(xiàn)有編碼框架中幀內(nèi)模式?jīng)Q策過(guò)程存在的候選模式過(guò)多的問(wèn)題,通過(guò)分析VR 360度視頻的紋理特性和最佳預(yù)測(cè)模式間的統(tǒng)計(jì)關(guān)系,設(shè)計(jì)了一種改進(jìn)的兩階段RMD（Rough Mode Decision）算法,減少了粗略模式?jīng)Q策RMD過(guò)程和率失真優(yōu)化RDO（Rate-Distortion Optimization）過(guò)程候選模式的數(shù)量,加快了VR 360度視頻幀內(nèi)模式?jīng)Q策過(guò)程。首先,利用VR 360度視頻紋理特性與CU尺寸之間的統(tǒng)計(jì)關(guān)系,篩選具有代表性的預(yù)測(cè)模式參與第一階段RMD,粗略選出可能的預(yù)測(cè)方向范圍。然后,根據(jù)第一階段RMD選出的候選模式的特征,增減參與第二階段RMD的模式數(shù)量,提高預(yù)測(cè)準(zhǔn)確性同時(shí)減少用于RDO過(guò)程的候選列表的模式,進(jìn)一... 

【文章來(lái)源】：北方工業(yè)大學(xué)北京市

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－１?３６０度視頻編碼過(guò)程??如圖２－１所示，對(duì)于輸入的虛擬現(xiàn)實(shí)３６０度視頻，先將其轉(zhuǎn)換成相應(yīng)的投影??，對(duì)后頻（２Ｄ平面頻），使用ＨＥＶＣ進(jìn)行編碼，碼??

要對(duì)虛擬現(xiàn)實(shí)３６０度視頻進(jìn)行編碼，需要先將其投影到２Ｄ平面上。某些投??影格式只有一個(gè)投影面（例如ＥＲＰ），而某些投影格式有多個(gè)投影面（例如ＣＭＰ）。??球坐標(biāo)系如圖２－３所示，以球心為原點(diǎn)建立一個(gè)ＸＹＺ三維坐標(biāo)系，其中ｐ的范??圍是［－７１／２，?７１／２］，?０范圍是［－７Ｔ，７１］，分別表示上下１８０度和左右３６０度的球面范??圍

道區(qū)域的寬度為基準(zhǔn)進(jìn)行投影，因此高緯度Ｋ域會(huì)被拉伸以滿足寬度耍求ｔ３２］。為??２Ｄ投影平面定義２Ｄ平面坐標(biāo)系，稱之為ｍ，平面。采樣點(diǎn)位置表示為（ｍ，?？），??即圖２－４中的小圓壞，其中ｍ和《是采樣位置的列和行啪標(biāo)。圖２－４顯示了?ＥＲＰ??投影面中的采樣坐標(biāo)定義。為了在兩個(gè)方向上以對(duì)稱方式排列所有采樣點(diǎn)，Ｕ，??ｖ）坐標(biāo)原點(diǎn)與（ｍ，《）的原點(diǎn)之間存在偏移？１，如圖２－４所不。??＾９°?兒丨－１８０?ｈ。?ｈｌ８＜）??圖２－４?ＥＲＰ投影平面采樣坐標(biāo)示例??對(duì)于ＥＲＰ，ＭＶ平面中的Ｍ和ｖ在［０，１］范圍內(nèi)。采樣位置（ｍ，《）和（Ｍ，Ｖ）??的關(guān)系可以用式（２－６）和（２－７）計(jì)算。假設(shè)Ｆ和／／分別是投影面的寬度和高??度，有??ｕ?－?（ｍ?４－?０．５）?／?Ｗ?，０?＜?ｍ?＜Ｗ?（２－６）??ｖ?＝?（／７?＋?０．５）?Ｉ?Ｈ?，０＜ｎ＜Ｈ?（２－７）??球體中的經(jīng)度和緯度（９＞，們可以通過(guò)（》，ｖ）計(jì)算：??６＾?＝?（？－０．５）＊（２＊＾）?（２

【參考文獻(xiàn)】：
期刊論文
[1]里約奧運(yùn)會(huì)期間國(guó)外媒體的VR探索[J]. 張建中.  青年記者. 2017(01)
[2]虛擬現(xiàn)實(shí)技術(shù)在視頻直播中的應(yīng)用分析[J]. 陳靜,黃慧.  新聞研究導(dǎo)刊. 2016(18)
[3]淺析虛擬現(xiàn)實(shí)視頻的發(fā)展和應(yīng)用[J]. 王躍華.  現(xiàn)代電影技術(shù). 2016(07)

碩士論文
[1]基于HEVC幀內(nèi)預(yù)測(cè)模式和四叉樹(shù)劃分的快速算法研究[D]. 翟小君.北方工業(yè)大學(xué) 2018



本文編號(hào)：3531629