结合卷积神经网络的HEVC帧内编码压缩改进算法

• 作者: Karn Pradeep 何小海 孙伟恒 熊淑华 王婷
• 来源期刊: 太赫兹科学与电子信息学报
• 学科: 工学
• 关键词: 卷积神经网络 集成 高效视频编码 下采样
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 信号与信息处理、计算机与控制
• 页码范围: 291-297
• 页数: 7页
• 分类号: TN919.81
• 字数: 5359字
• 语种: 中文
• DOI: 10.11805/TKYDA2019065

摘要

近年来,卷积网络深度学习已在图像处理、目标检测等领域取得巨大成功.受其启发,将卷积神经网络(CNN)应用于传统视频压缩标准已成为一个新的研究热点.本文提出一种集成卷积神经网络的高效视频编码(HEVC)压缩改进算法,将下采样过程、HEVC的编解码过程、上采样及质量增强过程集成为一体.为高效提取视频帧的结构特征,在所提压缩算法中集成了两个卷积神经网络.提出了一种下采CNN(DwSCNN)代替双三次下采,在有效降低分辨率的同时保留细节信息,得到更为紧凑的低分辨率视频序列,将此低分辨率视频序列通过HEVC帧内编码进行进一步的数据量压缩,通过提出一个质量增强CNN(PPCNN)来改善解码后恢复到原始分辨率的降质视频序列.实验结果显示,本文压缩改进算法在低码率段与标准HEVC相比,能达到更好的质量重建,并且在接近一致的PSNR值时,能节省39.46％的时间和11.04％的比特率,本文算法的视频压缩性能优于HEVC标准算法和相关文献方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何小海	四川大学电子信息学院	395	2334	21.0	30.0
2	王婷	四川大学电子信息学院	56	137	6.0	9.0
3	熊淑华	四川大学电子信息学院	78	385	8.0	18.0
4	孙伟恒	四川大学电子信息学院	4	1	1.0	1.0
5	Karn Pradeep	四川大学电子信息学院	3	0	0.0	0.0