摘要3D-HEVC作为3D视频的编码标准，在标准化过程中被认定为3D视频编码中的最高扩展，它采用目前最先进的3D视频格式，即多视点加深度模式。为了保护深度图像的锋利边缘，避免合成图像中出现明显的人工痕迹，3D-HEVC在对深度图的编码时采用深度模型模式，从而获得较高的编码效率。然而，采用这种模式会导致计算复杂度大幅的提高。在这篇文章中，针对深度模型模式中的第一种模式，我们提出了一种有效的楔形模式快速算法。对于给定的预测单元，这种算法首先大致预测锋利边缘出现的位置，然后在最可能的区域搜索最佳楔形分割模式。仿真结果显示，这种楔形模式决定算法大约可以节省55%的时间，整体的BD-rate会提高0.49%。33633
关键词 多视点加深度；3D-HEVC；粗略模式决定；深度图帧内编码；楔形模式
毕业论文设计说明书外文摘要
Title Fast Intra Coding on Depth Coding in 3D-HEVC
Abstract
3D-HEVC is in the process of standardization as the highest profile extension of HEVC for 3D video coding, which supports the advanced 3D video format, namely multiple-view plus depth (MVD). In order to preserve the sharp edges and avoid the ringing artifact in the synthesized views, depth modelling modes (DMMs) are adopted to 3D-HEVC to achieve high coding efficiency. However, the computational complexity increases significantly with these modes. In this paper, an efficient algorithm of wedgelet pattern decision is proposed for one of the DMMs: the explicit wedgelet signaling (DMM1). The proposed algorithm roughly estimates the position of sharp edges by pre-defined regions. Then the optimal wedgelet pattern is only searched in the most probable region. Simulation results show that our algorithm saves about 55% time of the wedge pattern selection with the BD-rate increasing 0.49% on average.
Keywords multiple-view plus depth；3D-HEVC；rough mode decision；depth intra coding；wedgelet pattern
目 次
1 引言1
1.1 课题研究背景1
1.2 3D视频的研究现状2
1.3 H.264中的帧内预测预测方法3
2 深度图编码方法 5
2.1 深度图帧内编码概述5
2.2 深度图平坦区域帧内预测算法 5
2.3 深度纹理联合的深度图编码6
2.4 DMM深度图编码7
3 楔形模式分割算法9
3.1 楔形模式分割定义 9
3.2 楔形模式分区搜索10
3.3 楔形模式决定复杂度分析 10
3.4 DMM1预测单元特性分析 11
3.5 提出楔形模式决定算法 12
4 仿真结果 16
结论 17
致谢 18
参考文献19
1 引言
1.1 课题研究背景
在过去的几十年时间里，随着信息技术的不断发展，数字媒体技术日趋成熟，人们越来越多的利用数字媒体进行数据的生产、处理、存储与交流。据统计，数字视频占据了人们日常交流中70%的信息量，并且能够带给人们最直观形象的感受，人们对于数字视频的数量和质量都提出了越来越高的要求。
目前，数字视频由两大类组成：二文视频和三文视频（Three Dimension Video,3DV）。随着3D显示器以及交互式多媒体的发展，人们对于视觉感知提出了更高的要求。传统的二文视频形式只能提供单一角度的视觉信息，这显然已经无法满足人们的需要。在这样的环境下，3D视频技术应运而生，并作为一种极具发展前景的项目，受到越来越多人的关注以及重视，在最近的几年里获得了飞速的发展。 3D视频中深度图像的帧内快速编码的研究:http://www.youerw.com/tongxin/lunwen_30831.html