基于 AEGBM3D 滤波与反向传播神经网络结合的 H.265/SHVC 性能增强

本文研究最新视频编码标准 H265 SHVC，即高效视频编码（HEVC）的可伸缩扩展。HEVC 相较于其前身引入了新编码工具，并向后兼容各类电子设备。由于传输带宽限制，具备不同显示能力的设备无法获得相同质量视频是一大问题。本文聚焦于视频序列压缩这一问题的解决方案，以在降低码率的同时保持或提升 PSNR，此外在 SHVC 编码器中实现了一种新颖方法。该新颖方法采用结合的 AEGBM3D（自适应边缘引导块匹配与三维）滤波与反向传播技术。该技术包含 AEGBM3D 滤波器，可避免空间冗余并对帧去噪；从而实现了 PSNR 的提升。将所得视频 PSNR 与设定阈值 PSNR 比较，通过重复 AEGBM3D 滤波使 PSNR 维持在阈值之上。基于神经网络机器学习方法的 BP 技术，若输入块不含其受训识别的特征，则持续抑制输出。这种对输出的频繁控制产生较少比特；从而实现码率降低。仿真结果表明，与现有方法相比，所提技术在 1.5 倍和 2 倍空间比下分别平均提升 PSNR 0.16 和 0.25dB，平均降低码率 28% 和 37%。