《H.265/HEVC——视频编码新标准及其扩展》一：视频编码基础

---

  声明：在专业课学习上都已经接触过的内容，在本博客中不再赘述。

1.2.1 图像的自相关系数

  图像的相关函数：可以直接反映任意图像像素之间的关联程度，可以在统计平均的意义上来计算他们之间的相似程度。

个人觉得（1.13）的公式出错了，公式分子上的两个求和符号应该是没有的，并且应该$\times N^2$【有读者给我评论一起探讨吗？】

1.2.2 像素差值的自相关函数

• 空域像素的差值分布
  
• 时域像素的差值分布
  

1.3 混合编码

  基于统计的视频压缩常见方法：

• 建立在图像差值信号分布集中基础上便于压缩处理的预测编码【帧内编码、帧间编码、多视点视频中的视点间预测编码等】
• 建立在正交变换可以将分散分布的图像数据，在变换域集中分布的基础上便于压缩处理的变换编码【离散余弦变换、离散正弦变换等】
• 将上述两种方法结合起来使用：混合编码

1.3.3 运动估计和运动补偿

1. 运动矢量（Motion Vector,MV）
2. 运动估计（Motion Estimation,ME)
3. 运动补偿（Motion Compensation,MC）
4. 块匹配方法(Block Matching Arithmetic,BMA)
     块匹配运动估计原理
   
     块匹配运动估计算法
5. 全搜索算法：对搜索区域内每一个可能的位置上都进行误差计算和比较，找到使MSE或SAD最小时的点(i,j)值，作为所需的运动矢量。这种方法称为全搜索(Full Search,FS)算法，优点使比较准确，能够获得全局最优解，缺点是匹配运动量大，如果采用MAD准则，需计算$(2d+1{)}^2$次SAD值。
6. 快速算法：有好多快速算法，下面介绍三步搜索(TSS)算法。

1.5 率失真优化

  视频编码的性能基本取决于编码码率、压缩失真和计算复杂度等因素。
  码率和失真的关系在理论上是由率失真定理奠定的，但要将此定理应用到实践中，还需要考虑更多的限制条件、一定的简化措施和假设条件。

1.5.1 图像的信源熵

1. 无记忆信源熵
   
2. 有记忆信源熵
   

1.5.2 率失真定理

1. 编码模型
     如果信息在发、收过程中，没有任何信息丢失，发送集与接收集的符号是一一对应的，这时编码所采用的最佳方法就是所谓的熵编码，码率的下界由信源0阶熵$H(X)=-{\sum }_{i}p({\alpha }_i)lo{g}_{2}P({\alpha }_i)$确定。
2. 互信息量(信息论的课上讲过的)
3. 失真度量
   
4. 率失真函数
     平均互信息量$I(X;Y)$实际上是编解码系统的编码输出的信息量，对于一个好的编码器，要求满足一定失真条件下其平均互信息量越小越好。因为编码器的平均互信息量越小，即输出的码字越少。
   

1.5.3 失真率函数

  在失真率函数的指导下，视频编码的问题可归结为：在保证比特率R不超过最大比特率$R_{max}$的条件下，通过选择优化的编码方案和编码参数，使失真D达到最小，能够获得“最好”的重建图像质量(PSNR最高)

1.5.5 率失真优化编码

  率失真定理就是在给定比特率的情况下寻找编码失真最小的编码器，其方法称为率失真优化(Rate Distortion Optimization,RDO)。

1. 率失真优化方法
   

拉格朗日乘子法：

2. 率失真优化的量化
   
3. 率失真优化的模式判决
   
4. 率失真优化的运动估计
     在块运动估计方法中，理论上看，最优运动矢量的选择不一定使SAD值最小所对应的那个运动矢量，而是应该看它对所形成的编码图像的最终比特数的影响来决定。
     实验表明，用于实现块运动矢量估计的拉格朗日乘子可由下式计算：
   

1.6 图像质量评价

  包括两个方面：图像的逼真度+图像的可懂度（指图像能向人或及其提供信息的能力）
  一般来说，图像可懂度属于更高层次的问题，涉及更多人的感知判断。

1.6.2 客观质量评价方法

1. 均方误差MSE
2. 峰值信噪比PSNR
   
   

感觉这里公式是不是错了，如果$C_3=C_2/2$的话，圈出来的数字应该是4

  SSIM(x,y)指数是归一化的，$0\le$SSIM(x,y)$\leq$1，且SSIM(x,y)的值越接近1，说明失真图像的主观质量越好。