28 September 2013

大部分率失真建模的论文都是假设信源符合拉普拉斯分布(也就是广义高斯分布的一种)。 论文《Frame Bit Allocation for the H.264AVC Video Codec Via Cauchy-Density-Based Rate and Distortion Models》 则提出了一种基于柯西分布的率失真模型。

作者观察发现,DCT变换的系数(尤其对于帧内编码的情况)用柯西分布能更好的拟合;但单纯的拟合准确度意义并不大,关键还是基于此分布假设的率失真模型更符合实际编码器输出。

根据柯西分布的数学表达式以及量化方法,可以推导出量化后数据的熵与量化步长Q的关系式H(Q),以此来估计码率。这个表达式非常复杂,但根据其形状判断大致是对数曲线, 于是提出一个简化的式子来近似: \[ H(Q) \approx a{Q^{ - \alpha }}, \]

其中\( a \)和\( \alpha \)都是参数,可由数据拟合出来。

类似的,失真与量化步长的关系也是先推导出复杂的表达式,然后用如下的简单式子进行近似:

\[ D(Q) \approx b{Q^{ - \beta }}. \]

用上面两个式子进行估计码率和失真的估计,与实际编码结果相符,则证明模型有效。将二者结合起来,可以得出失真D与码率R的关系:

\[ D = c{R^\gamma }, \]

其中\( c = b/({a^{\alpha \beta }}), \gamma = \alpha \beta \)。

最终将上述率失真模型用于码率控制。码率控制算法目的是将一定量的比特数分配给若干帧,使得每一帧的画面质量(也就是失真)大致一样。 有了R与D的准确关系,自然会取得很好的控制效果,从而得到很平滑的画面质量。

注:本篇博客使用了MathJax,数学公式的渲染可能需要一定时间。如果公式显示不正常,可尝试刷新页面。


如果想要说些什么,欢迎发邮件给我