摘要
在视频编码中，图象序列宏块活动性的正确分类有着非常重要的意义。本文提出了一种神经网络的图象序列宏块活动性分类新算法。算法首先计算宏块中16个亮度子块的亮度子块纹理掩蔽能量函数值，用来作为神经网络的输入信号，然后用BP神经网络来综合评价宏块的视觉活动特性，将宏块分成平坦区，边缘区，纹理区或皱纹理区。实验结果表明，本文提出的算法，充分考虑了人眼的视党特性，并用BP神经网络来划分宏块的不同活动性，可以得到比较正确的分类结果。正确的分类可以有效地应用于基于块变换的视频织码算法的量化器中，改善解码图象主观视觉的效果，降低图像编码主观和客观失真，保证国家质量。另外，由于每个宏块分类的独立性和神经网络的高度容错性与独立性，可以采用一个并行处理器实时地实现图象序列宏块活动性的分类。
Image macroblock classification is very useful for video coding. The authors present a new macroblock(MB) classificationmethod for image using neuralnetworks(NN) .The Proposed algorithm used BP NN to divide MB echvity into one of four categories:the, edge .tethe, and fine-teture.Thi8 ch can be used in quantization of video coding algorithm based on block transform,therefore the Piture's subjective quality and obejctive quality of each framee can be improved.Furthermore, due tO the NN' s faul - toterantnature and inherent parallelissm, a Parallel Processor can be used to obctain real-time classitication.
出处
《电路与系统学报》
CSCD
1997年第2期41-46,共6页
Journal of Circuits and Systems
基金
国家攀登计划认知科学(神经网络)重大项目!NSC9209
