Distributed source coding: New tools and application to video compression
Codage de sources distribuées : nouveaux outils et application à la compression vidéo
Résumé
Distributed video coding (DVC) is a new video coding paradigm allowing flexible encoder/decoder complexity balance. In this thesis we propose several practical solutions offering better rate-distortion performances than existing algorithms. We start by studying the problem of side information (SI) extraction in DVC. We consider alternative motion models for more efficient motion estimation at the decoder, and propose a hybrid method for using multiple SI hypotheses simultaneously. We also study the problem of spatial SI, and derive a measure of SI quality. Finally, we regard the SI improvement problem as a denoising problem, and try several denoising methods. To address the problem of correlation modeling in DVC, several algorithms are proposed. In particular, we propose a hybrid encoder/decoder rate control solution, reducing significantly the decoder complexity and providing a robust decoder bit error rate estimation technique. Quantisation table design for Wyner-Ziv frames from the rate-distortion point of view is also addressed. Finally, source coding aspects of DVC are studied. We propose to exploit the source statistics on three different levels: the whole image level (by using a more efficient decorrelating transform), the band level (by employing a distributed prediction algorithm), and the quantisation indices level, where the statistical redundancy is exploited using Huffman codes.
Le codage vidéo distribué est le nouveau paradigme de compression vidéo permettant une allocation flexible de complexité entre le codeur et le décodeur. Dans cette thèse, nous proposons plusieurs outils afin d'améliorer les performances débit-distorsion des systèmes réels de codage. Nous commençons par une étude sur l'extraction de l'information adjacente (IA), en considérant dans un premier temps une méthode d'estimation de mouvement basée sur une représentation par maillages déformables. Ensuite, nous développons une approche hybride qui permet de combiner plusieurs IA pour un décodage plus performant. Nous proposons également d'améliorer la qualité de l'IA temporelle à l'aide de méthodes de débruitage d'images. Le chapitre suivant est consacré à la modélisation de la corrélation entre l'IA et l'image WZ. Dans un premier temps, nous proposons deux méthodes pour améliorer l'estimation des paramètres du modèle. Ensuite, une approche de contrôle de débit dite hybride est proposée, où l'estimation du débit est faite à la fois au codeur et au décodeur. Cette solution permet d'effectuer un contrôle assez fin, tout en diminuant le nombre de requêtes de bits supplémentaires et ainsi la complexité du décodeur. Deux approches sont également proposées pour exploiter la corrélation entre les images consécutives du côté du codeur. Les aspects du codage de source sont abordés dans le dernier chapitre. Dans un premier temps, nous proposons d'utiliser une transformée par ondelettes orientées comme alternative à la transformée DCT. Ensuite, nous étendons l'algorithme DPCM au cas du codage distribué, pour exploiter la mémoire présente dans la bande de basse fréquences de l'image transformée. Enfin, pour exploiter la redondance statistique dans les indices de quantification, nous proposons de les coder avec un code de Huffman au lieu d'un code à longueur fixe.