Rate-Distortion Based Video Compression: Optimal Video Frame Compression and Object Boundary Encoding

یکی از جالب‌ترین مشکلات در پردازش ویدیو، حذف افزونگی یا فشرده‌سازی سیگنال ویدیویی است. تعداد زیادی برنامه وجود دارد که به فشرده سازی ویدیو بستگی دارد. فشرده سازی داده ها نشان دهنده فناوری توانمند در پشت انقلاب تلویزیونی چندرسانه ای و دیجیتال است. در فشرده‌سازی ویدیویی با اتلاف جبران‌شده با حرکت، توالی ویدیوی اصلی ابتدا به سه منبع جدید اطلاعات، تقسیم‌بندی، حرکت و خطای باقی‌مانده تقسیم می‌شود. این سه منبع اطلاعاتی سپس کوانتیزه می شوند، که منجر به کاهش نرخ نمایش آنها می شود، اما همچنین به دنباله ویدیویی بازسازی شده تحریف شده می رسد. پس از تجزیه منبع اصلی به بخش بندی، حرکت و اطلاعات خطای باقیمانده تصمیم گیری شد، مشکل کلیدی باقی مانده تخصیص بیت های موجود به این سه منبع اطلاعاتی است. در این مونوگراف یک نظریه توسعه داده شده است که راه حلی برای این مشکل تخصیص بیت بنیادی ارائه می دهد. می‌توان آن را برای همه کدگذارهای ویدئویی جبران‌شده مبتنی بر حرکت چهار درختی که از طرح مدولاسیون کد پالس دیفرانسیل مرتبه اول (DPCM) برای رمزگذاری میدان بردار جابجایی (DVF) و یک طرح تبدیل مبتنی بر بلوک برای رمزگذاری استفاده می‌کنند، اعمال کرد. تفاوت قاب جابجا شده (DFD). یک تخمین‌گر حرکت بهینه که منجر به کوچک‌ترین انرژی DFD برای یک نرخ بیت معین برای رمزگذاری DVF می‌شود نیز نتیجه این نظریه است. چنین تخمین‌گر حرکتی برای فرمول‌بندی یک طرح درون‌یابی جبران‌شده حرکتی استفاده می‌شود که شامل یک محدودیت همواری کلی برای DVF است.

One of the most intriguing problems in video processing is the removal of the redundancy or the compression of a video signal. There are a large number of applications which depend on video compression. Data compression represents the enabling technology behind the multimedia and digital television revolution. In motion compensated lossy video compression the original video sequence is first split into three new sources of information, segmentation, motion and residual error. These three information sources are then quantized, leading to a reduced rate for their representation but also to a distorted reconstructed video sequence. After the decomposition of the original source into segmentation, mo­ tion and residual error information is decided, the key remaining problem is the allocation of the available bits into these three sources of information. In this monograph a theory is developed which provides a solution to this fundamental bit allocation problem. It can be applied to all quad-tree-based motion com­ pensated video coders which use a first order differential pulse code modulation (DPCM) scheme for the encoding of the displacement vector field (DVF) and a block-based transform scheme for the encoding of the displaced frame differ­ ence (DFD). An optimal motion estimator which results in the smallest DFD energy for a given bit rate for the encoding of the DVF is also a result of this theory. Such a motion estimator is used to formulate a motion compensated interpolation scheme which incorporates a global smoothness constraint for the DVF.