针对分布式视频编码(DVC)系统鲁棒传输问题, 设计了一种基于层修复的 DVC系统传输框架。该传输框架首先对关键帧 (K帧)同时采用高效视频编码 (HEVC)帧内编码和 Wyner-Ziv编码, 并将校验信息(Wyner-Ziv码流)作为修复层码流存入缓存中。若当前关键帧有丢失, 则向编码端请求该帧对应的层修复码流, 在解码端对错误块进行修复, 获得关键帧解码质量的提升。同时, 研究了层修复码率估计算法, 利用已成功解码的位平面辅助完成算法重建。实验结果表明, 该传输框架利用关键帧的层修复码流对关键帧失真部分进行了修复, 提高了关键帧质量, 改善了边信息质量, 实现了 DVC的鲁棒传输。

高效视频编码(HEVC)标准在提升编码性能的同时，对系统带宽提出了更高的要求。传统电互连方式存在带宽小和时延大的问题，而光互连的高带宽和低功耗为片上资源数据通信提出了新的解决方案。然而由于工艺水平的限制，集成光器件无法在现场可编程门阵列（FPGA）芯片内部实现。采用片外光器件模拟片上光互连系统可以达到原型验证的目的。文章基于BEE4开发平台在单片上采用电互连方式进行数据通信，在Xilinx V6系列芯片间通过接入4通道小型可插拔+（QSFP+）光模块搭建光通信链路，构建光通信网络，实现了光电混合互连网络原型系统。以分辨率176×144的标准测试序列akiyo_qcif_176×144.yuv为例进行测试，实验结果表明，以光链路替代片间电通信能够正确实现，且板间传输时间仅为电互连的一半，综合频率为51.327 MHz。

近年来，卷积网络深度学习已在图像处理、目标检测等领域取得巨大成功。受其启发，将卷积神经网络(CNN)应用于传统视频压缩标准已成为一个新的研究热点。本文提出一种集成卷积神经网络的高效视 频编码(HEVC)压缩改进算法，将下采样过程、HEVC的编解码过程、上采样及质量增强过程集成为一体。为高效提取视频帧的结构特征，在所提压缩算法中集成了两个卷积神经网络。提出了一种下采CNN(DwSCNN)代替双 三次下采，在有效降低分辨率的同时保留细节信息，得到更为紧凑的低分辨率视频序列，将此低分辨率视频序列通过HEVC帧内编码进行进一步的数据量压缩，通过提出一个质量增强CNN(PPCNN)来改善解码后恢复到原 始分辨率的降质视频序列。实验结果显示，本文压缩改进算法在低码率段与标准HEVC相比，能达到更好的质量重建，并且在接近一致的PSNR值时，能节省39.46%的时间和11.04%的比特率，本文算法的视频压缩性能优 于HEVC标准算法和相关文献方法。

分布式视频编码(DVC)与传统视频编码之间的转码为移动终端设备之间的低功耗视频通信提供了一种有效的实现思路。以DVC与HEVC转码为研究对象，利用DVC解码端信息，针对高效视频编码(HEVC)中复杂度极高的编码单元(CU)划分过程进行复杂度优化研究。在DVC解码端提取与CU划分相关的纹理复杂度、运动矢量及预测残差3种特征信息；在HEVC编码端基于朴素贝叶斯原理建立CU快速划分模型，模型生成后便可以通过输入特征信息对当前CU划分进行快速决策，避免大量率失真(RD)代价计算过程。实验结果表明，本方案在编码比特率略有上升的情况下大幅缩短了HEVC编码时间，平均下降幅度达到58.26%，且几乎不影响视频质量。

为降低高效视频编码(HEVC)中帧内预测编码复杂度和编码耗时,提出一种基于预测单元(PUs)尺寸的HEVC帧内预测模式快速选择的改进算法。对最大尺寸PUs利用统计概率分层构建进入粗选择模式(RMD)过程的模式列表,对其他尺寸PUs分别采用两种不同方式提取纹理方向构建进入RMD过程的模式列表,其中对32×32、16×16尺寸PUs采用像素梯度提取纹理方向,对8×8、4×4采用像素值偏差提取纹理方向,从而减少进入RMD过程模式数量,有效降低编码时间。实验结果表明,本算法所用编码时间比测试模型HM16.9减少32.2%,而码率仅仅增加了0.86%。与现有优秀算法相比,本文算法进一步降低编码耗时,保证了编码质量。

与前一代高效视频编码标准相比, 未来视频编码标准增加了新的二叉树加四叉树编码结构。针对该结构虽然显著提升了超高清视频编码效率, 但是大幅增加了编码复杂度的问题, 提出了联合多特征快速编码算法。该算法联合多个编码特征的后验概率信息, 估计当前编码单元的划分方式, 通过提前终止若干编码单元的划分来节省编码时间。此外, 针对单个特征贝叶斯分类不准确的问题, 算法在简化联合概率模型的同时提升了分类算法的准确度。实验结果表明: 在随机访问配置、低延迟P配置和低延迟B配置下, 算法可以平均减少35.7%, 25.6%和26.7%的编码复杂度, 而BDBR只分别增长了4.3%, 3.1%和2.89%。算法在保证视频主观质量的前提下, 节省了编码时间。

为了探索虚拟绘制视点之间的强相关性, 提高光场图像的压缩效率, 提出一种基于视点相关性的光场图像压缩算法。该算法基于高清视频编码屏幕内容编码扩展平台, 利用线性加权算法以及帧内块拷贝混合预测算法来提升编码块的预测精度; 并利用率失真优化过程来自适应地选择最优的编码块大小以及预测模式。结果表明, 所提算法相比于高清视频编码标准可以获得2.55dB的平均BD-峰值信噪比编码增益, 同时可以获得较好的虚拟视点绘制质量。该算法充分利用虚拟绘制视点之间的强相关性, 提高了光场图像的编码效率。

针对高动态范围(HDR) 视频较之于传统低动态范围(LDR) 视频所需存储资源和传输带宽急剧增加的问题，本文提出了一种基于视觉感知特性的HDR 视频编码的动态率失真优化算法，以提高高效视频编码(HEVC) Main 10 编码HDR 视频的性能。本文通过引入视觉选择性关注信息，对不同区域采取非均等的失真权重分配策略，优化常规的失真计算方法；同时，为了进一步去除视频中的感知冗余，融合视频内容的纹理特性自适应调节拉格朗日乘子，并应用于编码量化器动态调节量化参数，实现编码比特和失真感知权衡。实验结果表明：与HEVC Main 10 相比，在相同HDR-VDP 和PSNR DE 质量指标下，所提算法平均节省7.46% 和6.53% 码率，最大分别节省18.52% 和11.49%，所提算法在保持视觉质量的前提下能够有效降低码率。

为降低高效视频编码(HEVC)的帧内编码复杂度，提出一种基于图像纹理特征的编码单元(CU)划分和预测模式选择算法。利用一种预处理算法来获得当前CU的纹理复杂度和方向。一方面，根据CU的纹理复杂度，该算法自适应地跳过或终止部分CU划分，减少CU深度的遍历时间。纹理复杂度高的CU直接划分成4个子CU，纹理复杂度低的CU将会终止划分。另一方面，根据预测单元的纹理方向，确定相应的候选模式集，通过粗模式决策算法和率失真最优化算法遍历候选模式集选取最优模式。将算法移植到标准食品解码软件HM16.7平台上，实验结果表明，与HM16.7算法相比，编码时间平均减少53.66%，比特率上升0.46%，峰值信噪比下降0.05 dB。

本文针对多视角视频编码提出了一种新的编码方法。在此方法中，结合四维 Walsh 操作算子，以达到压缩目的。利用4维n阶矩阵Walsh变换，对先前彩色视频流的编码加以扩展，将其应用到八个视角的视频编码中，包括视频序列分块，Walsh正变换及反变换，反分块。这种方法能够利用视频序列之间的相关性并且减少视频序列之间的冗余。本文以VC++6.0为工具，编程实现了基于快速Walsh变换的多视角视频编码，研究了不同压缩比条件下的压缩性能。通过对实验数据的分析，本文提出的方法既保证了视频质量又具有很好的快速压缩性能。实验结果表明:本文方法具有可行性及有效性，且易于在编码端快速实现，为多视角视频的进一步研究奠定了基础。