h264解码算法优化及在arm上的移植

《h264解码算法优化及在arm上的移植》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、武汉理工大学硕士学位论文H.264解码算法优化及在ARM上的移植姓名：刘灿申请学位级别：硕士专业：通信与信息系统指导教师：苏扬20090501摘要在信息化发展的当前，音视频等多媒体作为信息的载体，在社会生活的各个领域，起着越来越重要的作用。数字视频的海量性成为阻碍其应用的的瓶颈之一。在这种情况下，H．264作为新一代的视频压缩标准，以其高性能的压缩效率，成为备受关注的焦点和研究问题。H．264通过运动估计／运动补偿(MP／MC)消除视频时间冗余，对差值图像进行离散余弦变换(D∞消除空间冗余，对量化后的系数

2、进行可变长编码(Ⅵ呛)消除统计冗余，获得了极高的压缩效率。随着嵌入式处理器性能的逐渐提升和3G网络即将商用的推动，FI．264以其优秀的压缩性能，无论是无线信道传输方面，还是存储容量有限的嵌入式设备都具有广阔的应用前景。但H．264在提升压缩性能的同时付出的代价是算法复杂度的成倍增加，实际应用中人们对视频解码的实时性要求严格，已出现的对应算法代码多基于PC通用处理器实现，而嵌入式设备的主频和处理能力仍然相对有限，存储容量相对较小，总线速率相对偏低，因此必须对标准对应算法进行优化移植，才能满足实际应用的需求

3、。本文在对H．264标准及其新特性进行详细介绍后，重点研究了在解码端如何针对解码耗时较多的模块进行改进，然后将算法移植到ARM平台，并针对平台特点作出相应优化，最后完成解码图象显示，并给出了测试结果。本文主要完成的工作如下：详细分析了H．264的参考软件JM中解码流程，并利用测试工具分析了各模块耗时，针对耗时较多的模块如插值运算及去块滤波模块，提出了对应的改进算法并在H．264的参考软件JM86上进行了实现，PC测试实验证明了算法改进的优越性和运算优化的可行性。最后针对ARM平台，在对程序结构和对应代码进

4、行优化之后，将其移植到WINCE系统之下，同时给出了WINCE平台解码后图象加速显示方法，并对最终测试结果与性能做出了评价。关键字：H．264、运动补偿、1／4像素插值、去块滤波、ARM、WINCEAbstractWiththedevelopmentofinformationtechnology，astheinformationcarrier，videoandaudioandothermultimediaplayanimportantroleinVariousfieldsofsociallife。Butt

5、hemassofdigitalvideohindsitsapplication。Inthiscase，asanewgenerationofvideocompressionstandardsanditshigh—performancecompressionefficiency，H．264beo)mesthefocusofconcernandresearchissues．UsingMC／MPtoeliminatetemporalredundancy，DCTtoeliminatespatialredundanc

6、y,alsostatisticaltoeliminatestatisticalredundancy,H．264getahigh-performancecompressionefficiency。Withthedevelopmentoftheperformanceofembeddedprocessorandthecommercialapplicationof36，H．264willhaveagreataspectbothinthewirelesstransmissionchannelandthelimite

7、d—resourceembededsystemdevice。However，theperformanceofH．264compressionefficiencyraisesatthecostofgrowthofthealgorithmcomplexity．andpeoplecaremoreaboutthereal-timedecodinginpracticaluse．Andembeddeddevicesarelimitedinfrequency,processability,storagecapaciti

8、esandbusspeed．itisnecessarytooptimizethetransplantationmethod．Thispaperf'LrStintroducetheH．264standardanditsnewfeaturesindetail．Thenfocusonhowtoimprovethemoduleconsumingtimemost．AndthentransplantedalgorithmtoARMplat