分布式视频编码的码率控制优化策略

码率控制是在给定的传输信道条件下，通过合理设置编码参数（一般是控制量化参数）来控制分布式视频编码端的码率，对编码器输出高质量的平稳视频数据流发挥了关键作用。码率控制算法会综合考虑了率失真模型和缓冲区充盈度，并采用帧的平均绝对误差二次速率—量化模型进行比特分配。对分布式视频编码而言，由于基于反馈信道的编码方案较为典型，相应的码率控制算法也研究较多。其码率控制是由解码端来负责的，解码端根据解码质量决定是否向编码端请求传送更多的比特，故可以接近最佳率失真性能。但在某些反馈信道无法得到有效保证的网络环境下，如移动Ad-Hoc网络、移动通信网等环境下，使分布式视频的应用范围受到一定的限制。对解码端的码率控制而言，目前的研究重点在于如何尽可能地降低解码端的请求次数。其基本思路是在编码端采用合适的方法，对解码当前位平面所需的最少检验码码率进行预估。还有学者考虑到帧中不同块的运动剧烈程度对视频图像中不同的块分配不同的编码字节，以减少反馈的次数。

在上述思路下，文献[21]观察到人眼对图像中各部分内容的关注度是不一样的，应用感兴趣区域（region of interest，ROI）这一特征，设计了速率自适应的分布式视频码率控制算法。其基本原理是根据帧中不同ROI对人眼重要程度不同，设计了自适应的方法对不同区域采用不同的量化参数，以保证对人眼不失真。该方法的率失真性能并无优势，但具有较好主观质量。文献[22]对分布式视频序列中的率失真进行计算以确定其上限，并设计了合适的支持向量机（Support Vector Machine，SVM），用来在编码端选择最合适的GOP大小，以优化整个视频序列的率失真性能。

综上所述，当前的方法都是在编码端把各帧看成独立信源，各帧之间进行独立编码，编码方式类似于传统的帧内编码。而在解码端，则利用时域相邻帧的高度相关性，通过对已解码重建帧的运动估计进行时域内（外）差求取边信息[23]。本质上，在解码端采用的相关性挖掘技术，是在未知原始数据的条件下进行的，但这种方式只能是近似的估计，几乎达不到较优的精度[24]。此外，部分文献结合网络服务质量，将信道编码与信源编码相结合，也可有效地提高编码效率，同时具备较好的率失真性能[25]。但如何设计高效的边信息求取算法，增强DVC在网络服务质量较低的无线传输环境下的适应能力，仍是DVC在应用中需要解决的一个现实问题。(www.xing528.com)

对此，本章节提出了一种采用深度信念网络的分布式视频编码信息计算方法。该方法针对分布式视频编码信息求取中面临的问题，根据连续视频序列中相邻帧间画面的像素运动的非线性特征，提出了一种采用深度信念网络的边信息求取算法（Deep Belief Network based Side Information Generation Algorithm，DBNB_SI）。深度信念网络经过训练，以当前帧的前后各两个关键帧（共四帧）作为网络输入，经网络处理后得到边信息并参与WZ帧重建。最后，在实验中对本章提出的算法进行了测试，验证了其性能。