为验证本章提出的边信息求取算法的性能，将提出的算法集成到基于斯坦福框架的DISCOVER编码架下，并与目前典型的IST-TDWZ方法进行了对比和分析。实验中的WZ帧在编码时采用的是Laplacian 分布，关键帧采用H.264/AVC进行编码。同时，在matlab2017 中建立了无线视频传输仿真系统，设置其信道为雷利衰减，传输范围为100m。基于matlab2017 的DBN函数建立了深度信念网络，并利用不同类型的视频序列完成训练。深度视频序列的GOP大小设为2，初始码率为50Kbps。在实验中，计算RD性能时综合考虑WZ帧和关键帧。对比了各视频序列中的SI帧和重建帧的峰值信噪比（PSNR）性能（客观质量），并根据下式计算视频帧的PSNR。
训练样本中采取的视频帧来自于不同的视频序列，包括了Container、Mother and Daughter、Miss America、Soccer等，各序列具有不同的运动特征。帧率设为15fps。采用的测试视频序列为News、Foreman、Carphone。各视频序列在不同码率条件下对应的PSNR如图9-6 所示。
从图9-6 不难看出，本章提出的DBNB_SI算法较IST-TDWZ可以获得更高质量的边信息，各视频序列获得的增益约为1.3 ～3.7 dB。说明DBNB_SI算法在无线传输环境下能够有效地提高边信息生成的质量。这有助于提高解码器的解码效率和重建WZ帧的质量，同时减少解码端向编码端的请求次数，增强视频传输的稳定性。
图9-6 不同算法对应SI帧的质量(www.xing528.com)
图9-7 比较了不同算法对应的解码帧的质量，可以看出，在码率相同的情况下，DBNB_SI算法求出的边信息质量较高，其解码帧的PSNR也更高，表明提出的算法具有更好的率失真性能。在低码率条件下，DBNB_SI算法也能更好保证视频重建质量，可有效地增强分布式视频编码序列在无线传输环境下的适应能力。
表9-1 统计了两种算法在不同码率下的重建视频序列的平均值，其计算方法为将News、Foreman、Carphone三个视频序列所有帧的PSNR取平均值。可以看出，DBNB-SI算法由于在其学习网络中利用各视频序列的特征进行有针对性的训练，其获得的PSNR均值较IST-TDWZE高约0.7 ～1.2dB。
图9-7 不同算法对应的率失真性能
表9-1 不同方法对应的PSNR均值
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
