楊旭 李兵兵 馬祥 常義林

(西安電子科技大學(xué) 綜合業(yè)務(wù)網(wǎng)理論及關(guān)鍵技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室，陜西 西安 710071)

目前三維視頻編碼采用的表示方式為多視點(diǎn)視頻加深度(MVD)［1］，其主要包括紋理視頻編碼和深度圖編碼.深度圖的亮度值表示場(chǎng)景中的物體到攝像機(jī)光心的距離，紋理視頻的亮度值和色度值表示場(chǎng)景中物體的顏色、輪廓和紋理特性［2］.深度圖與紋理視頻的特征存在一定的差異性和關(guān)聯(lián)性，故深度圖編碼與紋理視頻編碼類(lèi)似，均采用基于H.264/MVC 的編碼標(biāo)準(zhǔn)［3］.目前已有許多深度圖的幀內(nèi)編碼方法［4-12］，如文獻(xiàn)［4］中提出了一種幀內(nèi)預(yù)測(cè)模式，該模式利用邊緣圖表信息獲得任意的邊緣形狀以達(dá)到提高深度圖幀內(nèi)編碼效率的目的;文獻(xiàn)［5］中利用k-均值方法將參考像素分為k 類(lèi)并計(jì)算出每類(lèi)的核心值，再利用這k 個(gè)核心值預(yù)測(cè)當(dāng)前塊中每個(gè)區(qū)域的值;文獻(xiàn)［6］中提出的深度自適應(yīng)重建濾波器，通過(guò)周?chē)南袼貙?duì)當(dāng)前邊緣位置像素值進(jìn)行修正;文獻(xiàn)［7］中利用紋理視頻中的邊緣信息尋找深度圖的邊緣，以降低編碼比特，并利用三角形濾波器對(duì)深度圖的邊緣像素進(jìn)行濾波以降低深度圖的編碼誤差;文獻(xiàn)［8］中采用一階/二階多項(xiàng)式方程來(lái)趨近塊的邊緣，以降低深度圖幀內(nèi)編碼的邊緣誤差;文獻(xiàn)［9］在編碼模式中增加了高效視頻編碼(HEVC)標(biāo)準(zhǔn)所使用的平面模式對(duì)平坦區(qū)域進(jìn)行編碼，以提高深度圖的幀內(nèi)編碼效率.

這些算法雖然能夠有效地提高深度圖的幀內(nèi)編碼效率，但深度圖的特性及獨(dú)立宏塊的率失真優(yōu)化(RDO)技術(shù)會(huì)導(dǎo)致深度圖編碼產(chǎn)生誤差擴(kuò)散，這種誤差擴(kuò)散最終會(huì)影響虛擬合成誤差.因此，文中在深入分析深度圖編碼特性及編碼誤差擴(kuò)散的基礎(chǔ)上，提出了抑制編碼誤差擴(kuò)散的深度圖幀內(nèi)編碼方法，即對(duì)幀內(nèi)16×16(I16MB)及幀內(nèi)4×4(I4MB)的率失真優(yōu)化過(guò)程進(jìn)行改進(jìn)，以更好地抑制編碼誤差擴(kuò)散.

1 深度圖幀內(nèi)編碼誤差擴(kuò)散

1.1 深度圖平坦區(qū)域幀內(nèi)編碼誤差的擴(kuò)散

目前的視頻編碼所采用的RDO 技術(shù)是局部RDO 技術(shù)，即對(duì)每個(gè)宏塊(MB)采用RDO 技術(shù)選擇最優(yōu)的編碼模式.在此情況下，第i 個(gè)MB 的率失真(RD)代價(jià)函數(shù)Ji的最小值是基于其參考MB 的重建像素值，Ji的優(yōu)化式如下:

在深度圖的幀內(nèi)編碼過(guò)程中，若當(dāng)前MB 處于平坦區(qū)域，且其亮度矩陣與參考MB 相同，則當(dāng)前MB 的失真矩陣Dc等于參考MB 的失真矩陣Dr.

首先，參考MB 的失真矩陣與當(dāng)前塊的殘差矩陣相等，這是因?yàn)轭A(yù)測(cè)的像素依賴(lài)于參考像素.若參考像素均相同，則對(duì)于I16MB 預(yù)測(cè)模式而言，其4種預(yù)測(cè)模式的預(yù)測(cè)矩陣相同且與參考MB 的重建像素矩陣相等.由于參考MB 與當(dāng)前MB 的亮度矩陣相同，故Dr與當(dāng)前塊的殘差矩陣c相等.

其次，殘差矩陣需要經(jīng)過(guò)離散余弦變換(DCT)、量化、反量化及逆離散余弦變換(IDCT)，才能得到重建的殘差矩陣c'.由前面推導(dǎo)可得Dr=c.令c'=F(c)，F(xiàn)(·)表示DCT、量化、反量化及IDCT 的整個(gè)過(guò)程，因?yàn)镕(Dr)=0，所以c'=0.

最后，由于當(dāng)前MB 的重建矩陣等于預(yù)測(cè)矩陣與重建的殘差矩陣c'之和，且c'=0，故當(dāng)前MB 的重建矩陣等于預(yù)測(cè)矩陣.又由于當(dāng)前MB 的預(yù)測(cè)矩陣等于參考MB 的重建矩陣，且參考MB 與當(dāng)前MB的亮度矩陣相同，因此當(dāng)前MB 的失真矩陣Dc等于參考MB 的失真矩陣Dr.

如果具有以上性質(zhì)的MB 聯(lián)合在一起，每個(gè)MB的失真矩陣等于其參考MB 的失真矩陣，那么這些MB 的編碼誤差均等于第一個(gè)MB 的編碼誤差Dr，即誤差Dr將擴(kuò)散到這些MB 中，文中稱(chēng)這種現(xiàn)象為平坦區(qū)域的誤差擴(kuò)散現(xiàn)象.在實(shí)際的編碼過(guò)程中，受誤差擴(kuò)散影響的MB(DPMB)頻繁出現(xiàn)于深度圖的平坦區(qū)域.DPMB 在不同序列中所占的百分比如表1所示，其中QP 為量化參數(shù).

表1 DPMB 在不同序列中所占的百分比Table 1 Percentages of DPMB in different sequences %

進(jìn)一步地，DPMB 的RD 性能受誤碼擴(kuò)散的影響，不論選擇I16MB 中的哪種預(yù)測(cè)模式，DPMB 的失真均等于Dr.故對(duì)Ji優(yōu)化的過(guò)程簡(jiǎn)化為對(duì)宏塊編碼優(yōu)化比特Ri的過(guò)程.由于Ri包含頭信息比特Rh和殘差編碼比特Rr，且DPMB 量化后的DCT 矩陣為零矩陣，即Rr=0，故Ji的最小值為

1.2 深度圖邊緣區(qū)域幀內(nèi)編碼誤差的擴(kuò)散

對(duì)于深度圖編碼而言，邊緣的誤差擴(kuò)散方向主要有水平、垂直和斜角方向.宏塊中邊緣有出現(xiàn)在4 ×4子塊之間及出現(xiàn)在4 ×4 子塊之內(nèi)兩種方式.對(duì)于邊緣在4 ×4 子塊內(nèi)的深度圖，宏塊仍會(huì)存在較大的編碼誤差.文中著重分析邊緣出現(xiàn)在4 ×4 子塊之內(nèi)的情況.采用RDO 技術(shù)計(jì)算I4MB 的代價(jià)函數(shù)時(shí)，通常是先計(jì)算每個(gè)4 ×4 子塊的最優(yōu)預(yù)測(cè)模式，然后將每個(gè)子塊的最優(yōu)代價(jià)函數(shù)相加，得到宏塊的最優(yōu)代價(jià)函數(shù)，故當(dāng)前子塊的編碼誤差依賴(lài)于其參考子塊的誤差，從而使4 ×4 子塊的邊緣出現(xiàn)誤差擴(kuò)散現(xiàn)象.以圖1(a)為例，存在邊緣的第1 個(gè)4 ×4 子塊出現(xiàn)邊緣誤差，即原始邊緣與重建邊緣存在偏差，如果第2 個(gè)存在邊緣的子塊選擇水平預(yù)測(cè)模式為最優(yōu)模式，那么其預(yù)測(cè)子塊為參考?jí)K的重建塊，進(jìn)一步地，當(dāng)前子塊的誤差矩陣等于參考?jí)K的誤差矩陣，即第2 個(gè)子塊亦出現(xiàn)原始邊緣與重建邊緣存在偏差的現(xiàn)象.依此類(lèi)推，隨后的子塊若選擇水平預(yù)測(cè)模式，則這種編碼誤差亦會(huì)擴(kuò)散到隨后的子塊中.圖1(b)和圖1(c)的編碼誤差擴(kuò)散情況均與圖1(a)的情況類(lèi)似.

深度圖的亮度值表示場(chǎng)景中的物體到攝像機(jī)光心的距離，它是由被多個(gè)邊緣分割的平坦區(qū)域組成.為了驗(yàn)證誤差擴(kuò)散在深度圖編碼中是普遍存在的，文中采用視頻序列Balloons、Kendo、GT_Fly 和Undo Dancer 的深度圖(這些深度圖具有普遍的特性)進(jìn)行實(shí)驗(yàn)，統(tǒng)計(jì)存在誤差擴(kuò)散的塊占所有塊的百分比.首先將編碼塊劃分為4 類(lèi):①平坦區(qū)域存在誤差擴(kuò)散的子塊，即其DCT 矩陣僅直流系數(shù)不為0 且與參考?jí)K的DCT 矩陣相同;②存在邊緣擴(kuò)散的子塊，即其DCT 矩陣的非直流系數(shù)不為0 且相鄰子塊的DCT 矩陣相同;③DCT 系數(shù)為0 的子塊;④不存在擴(kuò)散的子塊，即其DCT 矩陣與參考?jí)K的DCT 矩陣不同.實(shí)驗(yàn)中的量化參數(shù)QP 取為38、42、46，統(tǒng)計(jì)結(jié)果如表2 所示.從表可以看出，這4 個(gè)序列的深度圖中存在大量的誤差擴(kuò)散塊，其中Balloons、Kendo GT-Fly序列的誤差塊所占的百分比(表中第1 類(lèi)與第2 類(lèi)編碼)分別達(dá)到44%、43%和47%.

表2 不同視頻序列深度圖中的誤差擴(kuò)散塊所占百分比Fig.2 Percentages of error pervasion blocks in depth map for different video sequences

2 抑制誤差擴(kuò)散的幀內(nèi)編碼方法

深度圖的編碼誤差擴(kuò)散對(duì)虛擬合成誤差有很大的影響，故需對(duì)編碼誤差擴(kuò)散進(jìn)行抑制.根據(jù)前面對(duì)深度圖誤差擴(kuò)散的分析，文中提出了一種基于深度圖特性的抑制誤差擴(kuò)散的深度圖幀內(nèi)編碼方法.

2.1 改進(jìn)的I16MB 的RDO 算法

如果當(dāng)前宏塊處于平坦區(qū)域，量化誤差只集中在直流分量上，并且符合式(3)，則表明該宏塊的編碼誤差會(huì)影響虛擬合成誤差.

式中，f 為焦距，l 為水平攝像機(jī)陣列的間距，Znear和Zfar分別為最近和最遠(yuǎn)深度值，ΔL為編碼誤差，Δd 為幾何誤差.

為防止編碼誤差擴(kuò)散到其他宏塊，文中將平坦區(qū)域中第1 個(gè)MB 的每個(gè)重建像素加上修正值δ，

式中，TDC和T'DC分別為4 ×4 子塊及其量化后的DCT系數(shù)矩陣中的直流(DC)系數(shù).經(jīng)此修正過(guò)程后，平坦區(qū)域的誤碼擴(kuò)散得到抑制;DPMB 可獲得較好的重建質(zhì)量，其預(yù)測(cè)誤差為0，且DCT 系數(shù)矩陣為零矩陣.對(duì)于平坦區(qū)域中的第一個(gè)MB，需要用多余的比特對(duì)修正值δ進(jìn)行編碼，而對(duì)于DPMB，則不需要多余的編碼比特，DPMB 的最優(yōu)化Ji為

在此修正過(guò)程后，式(5)的RD 性能優(yōu)于式(2)的RD 性能，即DPMB 的編碼性能得到明顯的提高.由于DPMB 所占的比例較大(如表1 所示)，故平坦區(qū)域的編碼性能會(huì)有明顯的提高.

進(jìn)一步地，由于DPMB 的亮度值完全可由參考?jí)K的亮度值所替代，即其模式信息(cbp)和殘差信息與參考?jí)K相同.為了進(jìn)一步降低編碼頭信息比特和優(yōu)化Ji，在編碼時(shí)可直接跳過(guò)這些塊，同時(shí)跳過(guò)DCT 系數(shù)矩陣為零矩陣的MB，該跳過(guò)模式稱(chēng)為幀內(nèi)跳過(guò)模式(ISM).表3 給出了QP 為38、42、46 時(shí)不同序列經(jīng)誤碼抑制后DCT 系數(shù)矩陣為零矩陣的塊所占百分比(記為P).從表中可以看出，P 值相對(duì)較高，因此編碼時(shí)跳過(guò)DCT 系數(shù)矩陣為零矩陣的MB，能夠節(jié)省較多的比特.

表3 DCT 系數(shù)矩陣為零矩陣的MB 所占百分比Table 3 Percentages of MB blocks whith zero DCT matrixes %

改進(jìn)的I16MB 的RDO 算法步驟如下:

(1)判斷是否選擇ISM 模式.利用DC 模式對(duì)當(dāng)前的MB 進(jìn)行預(yù)測(cè)，如果當(dāng)前MB 只有左鄰塊(或上鄰塊)，則可用水平(或垂直)預(yù)測(cè)模式對(duì)當(dāng)前塊進(jìn)行預(yù)測(cè).隨后計(jì)算DCT 矩陣，判斷其是否為零矩陣，若是，則將幀內(nèi)預(yù)測(cè)模式設(shè)為ISM 模式，并跳轉(zhuǎn)到步驟(4);否則，跳轉(zhuǎn)到步驟(2).

(2)利用I16MB 中的4 種預(yù)測(cè)模式對(duì)當(dāng)前塊進(jìn)行預(yù)測(cè)，并計(jì)算殘差和DCT 系數(shù).判斷該塊是否存在編碼誤差并且僅存在于DCT 系數(shù)中的直流系數(shù)上，如果存在，將Error_flag 置為1，并對(duì)修正值δ進(jìn)行計(jì)算和編碼，為每個(gè)重建像素加上修正值δ;否則，將Error_flag 置為0.

(3)按照H.264 中幀內(nèi)編碼步驟對(duì)量化后的DCT 系數(shù)、cbp 值及宏塊頭進(jìn)行編碼，計(jì)算編碼比特和編碼誤差，然后計(jì)算RD 代價(jià)函數(shù)值，將計(jì)算得到的RD 代價(jià)函數(shù)值與初始的MinRDcost 進(jìn)行比較，若小于MinRDcost 則將其置為MinRDcost.最后判斷預(yù)測(cè)模式m 是否為最后一個(gè)預(yù)測(cè)模式，若不是，則跳轉(zhuǎn)到步驟(2)，否則跳轉(zhuǎn)到步驟(4).

(4)結(jié)束幀內(nèi)預(yù)測(cè)的模式選擇過(guò)程.

2.2 改進(jìn)的I4MB 的RDO 算法

在該算法中，用鄰近子塊的量化誤差方向代替I4MB 的9 種預(yù)測(cè)模式.子塊的量化誤差方向可分為DC、水平、垂直、左斜、右斜.這些誤差方向可由DCT矩陣得到，令D 為4 ×4 子塊的DCT 系數(shù)矩陣，dij為D 的第i 行第j 列的數(shù)值，則誤差方向可由表4 得到，其中direction_flag 表示誤差方向所對(duì)應(yīng)的值.

表4 子塊誤差方向的判定Table 4 Judgment of the distortion direction of subblock

在獲得相鄰子塊的誤差方向后，可對(duì)當(dāng)前子塊進(jìn)行預(yù)測(cè).其預(yù)測(cè)過(guò)程如下:如果上、左及左上鄰子塊的誤差方向相同，則當(dāng)前子塊的預(yù)測(cè)方向?yàn)樯?、左鄰子塊的誤差方向;如果上、左及左上鄰子塊的誤差方向不同，則分別用這些誤差方向?qū)Ξ?dāng)前子塊進(jìn)行預(yù)測(cè).

得到當(dāng)前子塊的預(yù)測(cè)值后，計(jì)算其殘差的DCT系數(shù)矩陣，并判斷當(dāng)前子塊是否存在編碼誤差，若存在，則將Error_flag 置為1，并對(duì)編碼誤差進(jìn)行抑制.抑制過(guò)程如下:首先計(jì)算direction_flag，然后計(jì)算邊緣像素位置edge_pixel，最后計(jì)算被邊緣劃分的兩個(gè)區(qū)域的修正系數(shù).

最后計(jì)算該誤差方向條件下所得到的預(yù)測(cè)殘差的代價(jià)函數(shù).若不存在編碼誤差，則將Error_flag 置為0，不對(duì)該子塊進(jìn)行編碼.改進(jìn)的I4MB 的RDO 算法流程如圖2 所示.以誤差方向?yàn)樗椒较驗(yàn)槔?，如果子塊被邊緣劃分為兩個(gè)區(qū)域，則edge_pixel 的值為即當(dāng)邊緣在第1 和第2 行之間時(shí)，edge_pixel 為0;當(dāng)邊緣在第2 和第3 行之間時(shí)，edge_pixel 為1;當(dāng)邊緣在第3 和第4 行之間時(shí)，edge_pixel 為2.通常情況下，深度圖的子塊一般被劃分為兩個(gè)區(qū)域.但在某些情況下，子塊被多個(gè)邊緣劃分，此時(shí)將采用均方誤差(MSE)最大的邊緣作為最終的邊緣，將子塊強(qiáng)制劃分為兩個(gè)區(qū)域，并將edge_pixel 置為次邊緣對(duì)應(yīng)的值.在確定好子塊的邊緣后，分別計(jì)算被邊緣劃分的兩個(gè)區(qū)域的修正系數(shù).

圖2 改進(jìn)的I4MB 的RDO 算法流程圖Fig.2 Flowchart of improved RDO algorithm of I4MB

3 實(shí)驗(yàn)結(jié)果與分析

為了評(píng)估文中所提出的深度圖幀內(nèi)編碼方法的性能，采用3DV 序列Balloons、Newspaper、Poznan Hall、Undo Dancer、Kendo［13］進(jìn)行實(shí)驗(yàn)，這些序列的分辨率為1024 ×768，幀數(shù)為100.實(shí)驗(yàn)所用的參考軟件為JMVC8.5［14］，深度圖編碼時(shí)的量化參數(shù)為32、36、42 和46.在解碼端，已解碼的深度圖和原始的紋理視圖需通過(guò)虛擬合成虛擬視點(diǎn)，本實(shí)驗(yàn)所采用的虛擬合成軟件平臺(tái)為VS3.5，并利用左右兩個(gè)視點(diǎn)合成中間視點(diǎn).虛擬合成的配置參數(shù)值如表5所示.

表5 合成虛擬視圖的配置參數(shù)值Table 5 Setting values of parameters for virtual view synthesis

對(duì)深度圖的I 幀進(jìn)行編碼，編碼幀數(shù)為100.編碼條件為基于內(nèi)容的自適應(yīng)二進(jìn)制編碼(CABAC).將文中提出的深度圖幀內(nèi)編碼方法與JMVC8.5、基于分割的幀內(nèi)預(yù)測(cè)(PSIP)方法［5］分別進(jìn)行編碼，3 種方法的編碼結(jié)果如表6 所示，其中Bit-rate 為左右兩個(gè)視點(diǎn)深度圖編碼的比特之和，D-PSNR 為左右兩個(gè)視點(diǎn)深度圖編碼的峰值信噪比(PSNR)均值，S-PSNR 為重建的深度圖相比于原始的紋理視頻合成虛擬視點(diǎn)的峰值信噪比.

文中方法與JMVC8.5 和PSIP 方法的深度圖編碼質(zhì)量和合成質(zhì)量比較如表7 所示，其中，BD PSNR［15］為正值，表示文中方法與參考方法相比的PSNR 平均增長(zhǎng)值;BD Bit-rate［15］為負(fù)值，表示文中方法與參考方法相比的Bit-rate 平均下降值.從表7中可以看出，對(duì)于深度圖編碼而言，文中方法與JMVC8.5 的幀內(nèi)編碼方法和PSIP 方法相比的平均BD PSNR 分別為0.80 和0.61 dB，其中Kendo 序列的BD PSNR 最高，分別為2.90 和2.85 dB，這是因?yàn)镵endo 序列中的擴(kuò)散誤差塊比例較大，且通過(guò)誤差抑制后DCT 系數(shù)為0 的塊所占比例高達(dá)63.12%.這表明文中方法能夠抑制深度圖的幀內(nèi)編碼誤差擴(kuò)散.由于深度圖不直接顯示給用戶(hù)，而是參與虛擬視點(diǎn)的合成，并影響虛擬合成質(zhì)量，故進(jìn)一步關(guān)注虛擬合成質(zhì)量的提高.從表7 中還可以看出，對(duì)于虛擬合成，文中方法與JMVC8.5 的幀內(nèi)編碼方法和PSIP

表6 3 種方法對(duì)I 幀編碼的實(shí)驗(yàn)結(jié)果Table 6 Experiment results of three methods for coding I-frames

表7 文中方法與其他兩種方法在I 幀編碼條件下對(duì)深度圖的編碼質(zhì)量和合成質(zhì)量的比較Table 7 Comparison of depth map coding quality and synthesis quality of the proposed method with other two methods under I-frame coding condition

圖3 3 種方法在I 幀編碼條件下的RD 性能比較ig.3 Comparison of RD performance among three methods under I-frame coding condition

F方法相比的平均BD PSNR 分別為0.30 和0.25 dB，其中Undo Dancer 序列的BD PSNR 最高，分別為1.21和1.15 dB.由此可以看出，文中方法能夠有效地提高三維視頻虛擬的合成質(zhì)量.

在I 幀編碼條件下，3 種方法的RD 性能對(duì)比如圖3 所示.從圖中可以看出，文中方法的RD 性能要優(yōu)于其他兩種方法，尤其是對(duì)于序列Kendo 和Undo Dancer.

4 結(jié)論

文中在深入分析深度圖平坦區(qū)域和邊緣區(qū)域的編碼誤差擴(kuò)散基礎(chǔ)上，對(duì)幀內(nèi)16 ×16 及4 ×4 的率失真優(yōu)化過(guò)程進(jìn)行改進(jìn)，提出了抑制編碼誤差擴(kuò)散的幀內(nèi)編碼方法.實(shí)驗(yàn)結(jié)果表明，該方法能夠較好地抑制深度圖的幀內(nèi)編碼誤差擴(kuò)散，有效地提高三維視頻虛擬的合成質(zhì)量.

在文中方法的基礎(chǔ)上，可進(jìn)一步將紋理視頻信息引入到深度圖編碼中，在深度圖編碼的率失真優(yōu)化算法中，用紋理深度的合成誤差代替深度圖編碼誤差，可以更有效地抑制深度圖編碼誤差，提高合成質(zhì)量.

［1］Smolic A，Muller K，Dix K，et al.Intermediate view interpolation based on multiview video plus depth for advanced3D video systems［C］∥Proceedings of the 15th IEEE International Conference on Image Processing.San Diego:IEEE，2008:2448-2451.

［2］Daribo Ismaёl，Tillier Christophe，Pesquet-Popescu Béatrice.Motion vector sharing and bitrate allocation for 3D video-plus-depth coding ［J］.EURASIP Journal on Advances in Signal Processing，2009，2009:258920/1-13.

［3］ITU-T Recommendation H.264，Audio visual and multimedia systems infrastructure of audiovisual services:coding of moving video［S］.

［4］Shen G，Kim W S，Ortega A，et al.Edge-aware intra prediction for depth-map coding ［C］∥Proceedings of the 17th IEEE International Conference on Image Processing.Hong Kong:IEEE，2010:3393-3396.

［5］Oh Byung Tae，Wey Ho-Cheon，Park Du-Sik.Plane segmentation based intra prediction for depth map coding［C］∥Proceedings of 2012 Picture Coding Symposium.Kraków:IEEE，2012:41-44.

［6］Oh K-J，Vetro A，Ho Y-S.Depth coding using a boundary reconstruction filter for 3D video system［J］.IEEE Transactions on Circuits and Systems for Video Technology，2011，21(3):350-359.

［7］Liu Shujie，Lai PoLin，Tian Dong，et al.New depth coding techniques with utilization of corresponding video ［J］.IEEE Transactions on Broadcasting，2011，57(2):551-561.

［8］Kang M K，Lee J，Lee J Y，et al.Geometry-based block partitioning for efficient intra prediction in depth video coding［C］∥Proceedings of SPIE-IS＆T Electronic Imaging.San Jose:SPIE，2010:75430A/1-11.

［9］Bici M O，Lainema J，Ugur K，et al.Planar representation for intra coding of depth maps ［C］∥Proceedings of 3DTV Conference:the True Vision Capture，Transmission and Display of 3D Video.Antalya:IEEE，2011:16-18.

［10］喻莉，張軍濤，鄧慧萍，等.SSIM 度量虛擬視點(diǎn)繪制失真的深度圖幀內(nèi)編碼［J］.中國(guó)圖象圖形學(xué)報(bào)，2012，17(11):1353-1358.Yu Li，Zhang Jun-tao，Deng Hui-ping，et al.Virtual view rendering distortion using the structural similarity index as quality metric for depth map intra coding［J］.Journal of Image and Graphics，2012，17(11):1353-1358.

［11］張秋聞，安平，張艷，等.基于虛擬視點(diǎn)繪制失真估計(jì)的深度圖幀內(nèi)編碼［J］.電子與信息學(xué)報(bào)，2011，33(11):2541-2546.Zhang Qiu-wen，An Ping，Zhang Yan，et al.Depth map intra coding based on virtual view rendering distortion estimation［J］.Journal of Electronics ＆ Information Technology，2011，33(11):2541-2546.

［12］Yin Zhao，Lu Yu.3D-AVC-CE4 results on gradientbased most probable mode (GMPM)for intra depth coding［EB/OL］.(2012-02-01)［2012-10-20］.http:∥wg11.sc29.org/.

［13］ISO/IEC.Call for proposals on 3D video coding technology［EB/OL］.(2010-03-01)［2012-10-20］.http:∥wg11.sc29.org/.

［14］Joint Video Team.JMVC reference software［EB/OL］.(2011-03-10)［2012-10-20］.http:∥garcon.ient.rwthaachen.de/cvs/jvt.

［15］Bjontegaard G.Calculation of average PSNR differences between RD-curves［Z］∥ITU-T SG16 Q.6 Document.Austin:Video Coding Experts Group，2001.