RDOQ过程浅析(一文说清楚)

介绍一下RDOQ过程,比较小众的领域,有视频编码项目经历的可以了解一下。

文章目录

  • 前言
  • 一、RDOQ背景
  • 二、RDOQ过程
    • 1.预量化过程阶段
    • 2.最优系数决策(OCD)阶段
    • 3.最后⼀个⾮零位置决策( LNPD)阶段
    • 4.零值设置(ZS)阶段
  • 三、总结


前言

        虚怀若谷,戒骄戒躁。扎实脚步,层层攀登。

一、RDOQ背景

        近些年视频数据爆炸式增长,相关的视频压缩编码标准不断被提出。其中,视频压缩编码标准AVS3能够较好地减轻视频数据的传输和存储负担。而率失真优化量化(RDOQ)技术在第三代音频视频编码标准(AVS3)中提供了显著的编码增益,其中涉及到对最优量化系数复杂计算,一定程度上增加了量化的复杂性

二、RDOQ过程

1.预量化过程阶段

        在预量化阶段,RDOQ基于量化参数(QP)为每个变换系数执行预量化操作,首先计算变换系数在每个频率位置(u,v)处的初始标量量化值,具体预量化计算公式如下所示:

L_{sq}(u,v)=round(\frac{c(u,v)}{\delta q}+\theta)

其中c(u,v)、q和θ为变换系数、量化的步长和量化的偏移量。

2.最优系数决策(OCD)阶段

        在最优系数决策(Optimal Coefficient Decision, OCD)阶段,需要对多个候选者 (0,\lvert l_{i} \rvert\lvert l_{i} \rvert-1)基于zig-zag扫描进⾏详尽的搜索以确定每个量化系数的最优值输出,表中示了与可选量化值0、之间的关系。

其中,zig-zag扫描如下图所示:

按照zig-zag扫描顺序遍历TU中的每一个系数。针对每个系数,对每个可选的量化值计算其RD代价,选择RD代价最小的一个作为最佳量化值,具体公式如下:

l_{b}^{i,j}=argmin(err(c_{(i,j)},l_{(i,j),k})+ \lambda*rate(l_{(i,j),k}))

3.最后⼀个⾮零位置决策( LNPD)阶段

        在最后一个非零位置决策(Last Non-zero Position Decision, LNPD)阶段,也是基于率失真优化准则来选择。在当前TU块中从第一个非零系数开始扫描,如果当前位置为非零系数,并假设它是最后一个非零系数位置,计算累加RD代价与之前比较,并选择两者代价较低的作为最后一个非零位置。重复该过程,直到扫描到TU中最后一个系数。最后,将最后一个非零位置后的系数置零,由此得到了最终的最后非零量化系数位置。

4.零值设置(ZS)阶段

        在零值设置(Zero Set)阶段,将最后一个非零系数位置后的系数设为零(按照zig-zag顺序)。具体的原理图如下所示:

三.总结

可以用下图来表示一个完成的RDOQ过程:

  • 3
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值