中文摘要：

传统混合视频编码技术利用信号统计特性进行压缩，压缩效率的提高依赖于以复杂度增加为代价的技术细化，进一步提高压缩效率已陷入瓶颈。利用人眼视觉特性的视觉编码方法突破了现有编码框架的局限，成为新的技术发展趋势，代表性技术基于纹理分析与合成的视频编码方法成为研究热点。针对现有方法对变化丰富的视频纹理编码并不具备通用性问题，本课题研究基于反向纹理合成的视频编码方法。如何确保全局变化的非均匀纹理合成的时域一致性是反向纹理编码的关键。首先，利用视觉显著度模型，实现自动、鲁棒地纹理提取。然后，提出基于运动补偿时域滤波的反向纹理合成算法，生成反映全局纹理特征的纹理摘要图像，作为解码端纹理合成的样本，并搜索原始纹理和纹理摘要图像的匹配关系和光流场统计信息。同时，研究能表征图像感知保真度而非像素保真度的纹理合成控制信息生成模块的失真度量模型。预期本算法能适应更多的复杂纹理类型，在同等主观质量下，码率减小20%。

结论摘要：

本项目对基于纹理合成和反向纹理合成的高效视频编码关键算法展开研究，挖掘图像纹理本身的内容自相似性和视觉不敏感性等特性，结合计算机图形学领域的纹理合成与反向纹理合成的技术手段，提升压缩效率，提高解码图像的视觉质量。 1、基于反向纹理合成的帧内编码与刷新算法针对当前方向帧内预测编码模式有限、预测来源单一的问题，本项目将反向纹理合成模型引入混合视频编码技术中，提出了基于图像摘要的帧内预测编码框架，设计了压缩导向的图像摘要生成方式，在给定的图像摘要情况下，编码块的预测可由图像摘要生成，编码传输原始图像与图像摘要之间的映射关系以及提取出来的图像摘要。显著提高H.264/AVC帧内预测的编码效率，在相同码率下，峰值信噪比平均能提升0.64dB以上。研究论文发表在IEEE Trans. CSVT上。 2、基于纹理一致性的帧内编码方法针对当前帧内模板匹配预测精度不高的问题，提出了基于边界纹理一致性的模板匹配预测编码方法，在模板匹配中，在绝对差和（或均方差）的基础上，引入边界纹理一致性约束，提高模板匹配预测与当前编码块周围像素之间的纹理一致性，并分别设计了二维和一维数据块的帧内自适应滤波预测算法。相对于帧内模板匹配预测编码效率最高提升0.387dB，平均提高0.178dB。 3、基于反向纹理合成的帧间编码方法针对当前基于纹理分析合成的视频编码方法过于依赖纹理先验知识，难以实现纹理的自动提取，并忽略了视觉注意机制等问题。提出了基于反向纹理合成的视频帧间编码方法，使用反向纹理合成模型描述纹理可移除宏块与周围宏块的关系，并结合视频显著度模型，构建纹理可移除宏块的判定准则。将纹理宏块定义为图像信息包含在周围宏块中的可移除宏块，能用周围宏块对其重建，为保证重建图像的主观质量，强制地将视觉显著区域标记为不可移除块。在解码端，采用了全局运动补偿和纹理优化结合的方式对纹理移除块重建，以确保纹理的时空一致性，与H.264/AVC方法相比，在相同主观质量的情况下，本编码方法降低码率5%到20%，与Njiki-Nya Patrick等人提出的基于纹理分析合成的编码方法相比，不但能实现自动的纹理提取，在低码率端，编码码率得到进一步节省。 在完成上述工作的过程中，发表论文32篇（其中期刊9篇），申报发明专利11项，向AVS标准化组织提交技术提案3项，编码技术在3G手机视频监控系统中应用。