存款、債券、股票和其他有價(jià)證券，以及1998年住房制度改革以來(lái)迅速增加和升值的房屋資產(chǎn)。由此產(chǎn)生的財(cái)產(chǎn)性收入也在逐步積累，經(jīng)過(guò)一段時(shí)期的波動(dòng)，已經(jīng)越發(fā)顯現(xiàn)出即將進(jìn)入快速提升期的特征。

　　 財(cái)產(chǎn)性收入源于財(cái)產(chǎn)。相對(duì)于勞動(dòng)力要素，財(cái)產(chǎn)作為資本要素的一種，不確定性和風(fēng)險(xiǎn)更大，對(duì)應(yīng)著更大的波動(dòng)性和更明顯的差距。從經(jīng)驗(yàn)證據(jù)看，發(fā)達(dá)國(guó)家收入的基尼系數(shù)一般在0.3 ～0.4 之間，而財(cái)富的基尼系數(shù)在0.5 ～0.9 之間；占人口總數(shù)1%的最富有家庭，收入份額通常不足10%，而財(cái)富份額約占15%～35%（戴維斯和夏洛克斯，2009）。我國(guó)的情況也有相似之處。從理論解釋看，勞動(dòng)收入通常服從自回歸過(guò)程，當(dāng)期的勞動(dòng)收入與上一期的勞動(dòng)收入相關(guān)性較強(qiáng)；而財(cái)富及其收入更符合隨機(jī)游走性質(zhì)，當(dāng)期的財(cái)富水平與上一期的財(cái)富水平之間、當(dāng)期的財(cái)富收入與上一期的財(cái)富收入之間，都沒(méi)有顯著的相關(guān)關(guān)系。這樣，財(cái)富及其收入的方差會(huì)明顯高于勞動(dòng)收入，差距和波動(dòng)性顯然更強(qiáng)。考慮到財(cái)富在生命周期內(nèi)的積累和在代際間的轉(zhuǎn)移，其差距和波動(dòng)性會(huì)進(jìn)一步增強(qiáng)。

　　 一些研究還將信貸約束納入分析，得出財(cái)富的收益率隨財(cái)富水平增加而提高的結(jié)論（巴德安和金蒂思，2009）。因?yàn)?，隨著財(cái)富水平的增加，財(cái)富所有者獲得信貸支持的概率和力度雙雙提高；受規(guī)模經(jīng)濟(jì)影響，財(cái)富的投資效率提高，風(fēng)險(xiǎn)反而下降，收益率則會(huì)提高（見圖5-4）。這樣，財(cái)富不平等將隨財(cái)富積累而惡化，除非信貸約束被放松。

　　2.不合理和非正常成分

　　 居民財(cái)產(chǎn)性收入增長(zhǎng)快、差距大、波動(dòng)強(qiáng)，盡管都能找到合理的經(jīng)驗(yàn)證據(jù)和理論解釋，但我國(guó)中低收入居民財(cái)產(chǎn)性收入積累相對(duì)較慢、來(lái)源比較單一、面臨風(fēng)險(xiǎn)較大等問(wèn)題依然十分突出，實(shí)際上只有高收入階層較好地分享了財(cái)產(chǎn)性收入增長(zhǎng)的收益，以致于居民財(cái)產(chǎn)性收入發(fā)展的包容性不足、差距過(guò)分拉大，其中也有不合理和非正常的成分。集中表現(xiàn)在以下幾個(gè)方面：

　　 圖5-4收益率隨財(cái)富增加而提高

　　 （1）“沒(méi)財(cái)產(chǎn)”或“財(cái)產(chǎn)少”。按勞分配主體地位弱化，職工工資正常增長(zhǎng)機(jī)制未建立，中低收入群體勞動(dòng)收入增長(zhǎng)偏慢，不利于積累財(cái)產(chǎn)，進(jìn)而制約形成財(cái)產(chǎn)性收入。

　　 （2）“財(cái)產(chǎn)起點(diǎn)分配不公”。居民財(cái)富積累的起點(diǎn)嚴(yán)重不公平，分配秩序混亂，導(dǎo)致財(cái)產(chǎn)差距和財(cái)產(chǎn)性收入差距的固化傾向。

　　 房地產(chǎn)是居民財(cái)產(chǎn)中居主導(dǎo)性地位的部分，該部分財(cái)產(chǎn)的分配存在比較嚴(yán)重的起點(diǎn)不公平和秩序混亂問(wèn)題。從農(nóng)村的情況來(lái)看，土地和房產(chǎn)的獲取主要靠繼承，價(jià)值的高低主要取決于區(qū)位，與家庭成員的努力程度相關(guān)性較低。從城鎮(zhèn)的情況來(lái)看，居民獲取住房資產(chǎn)的渠道，1998 年以前主要是福利分房，能否獲取及獲取資產(chǎn)的規(guī)模，取決于居民的身份和所在單位性質(zhì)，與教育水平、勞動(dòng)貢獻(xiàn)等不完全相關(guān)。1998 年以后，房?jī)r(jià)收入比不斷攀升，居民購(gòu)置商品住房的難度逐漸增大，政策性住房的獲取大多靠運(yùn)氣。財(cái)富的積累受初始財(cái)富水平的影響較大，財(cái)富初始水平不同的居民家庭將向不同的均衡水平收斂，財(cái)富不平等的局面越來(lái)越具有持續(xù)性（見圖5-5）。

　　 財(cái)產(chǎn)分配差距的固化進(jìn)一步加劇了居民收入差距的固化趨勢(shì)。財(cái)產(chǎn)規(guī)模大、收入水平高的居民家庭容易保持較高的儲(chǔ)蓄率，而財(cái)產(chǎn)規(guī)模較小的中低收入群體只能維持低儲(chǔ)蓄率，他們的收入將收斂到各自的穩(wěn)態(tài)水平或均衡點(diǎn)，收入差距將一直持續(xù)，難以縮小。

　　 圖5-5不同的初始財(cái)富水平對(duì)應(yīng)不同的均衡財(cái)富水平

　　 資料來(lái)源：Atkinson and Bourguignon（2000）.

　　 這里回到前面探討財(cái)產(chǎn)性收入理論路徑時(shí)所采用的關(guān)于兩個(gè)異質(zhì)性家庭的索洛模型，討論不同的儲(chǔ)蓄率所產(chǎn)生的影響，這里抽象掉兩個(gè)家庭在生產(chǎn)函數(shù)和初始資本勞動(dòng)比兩方面的差異。一般地，初始財(cái)富水平更高的家庭更強(qiáng)調(diào)積累，其儲(chǔ)蓄率s2 要高于初始財(cái)富水平較低的家庭儲(chǔ)蓄率s1，這里設(shè)s1 ＜s2。

　　 如圖5-6 所示，給定初始資本勞動(dòng)比k（0），兩個(gè)家庭的人均收入水平都是y（0），此時(shí)不存在收入差距。[2]根據(jù)式（5-5），有γk1 ＜γk2，初始財(cái)富水平較高的家庭，從初始狀態(tài)起就出現(xiàn)了顯著快于初始財(cái)富水平較低家庭的人均資本積累速度。與此同時(shí)，兩個(gè)家庭之間的收入差距也開始擴(kuò)大。當(dāng)它們分別達(dá)到穩(wěn)態(tài)時(shí)，前者的資本勞動(dòng)比高于后者的。兩個(gè)家庭對(duì)應(yīng)的穩(wěn)態(tài)人均收入水平 收入差距保持在一定水平上，在各自的儲(chǔ)蓄率保持不變的情況下，差距不會(huì)自動(dòng)縮小。進(jìn)一步推論，容易得到兩個(gè)家庭的財(cái)產(chǎn)性收入差距也隨之?dāng)U大，直到達(dá)到各自的穩(wěn)態(tài)水平。

　　 圖5-6不同的儲(chǔ)蓄率對(duì)應(yīng)不同的均衡收入水平

　　 資料來(lái)源：根據(jù)巴羅和薩拉伊馬丁（2000）調(diào)整繪制。

　　 （3）“有財(cái)產(chǎn)，但難以轉(zhuǎn)化為收入”。社會(huì)主義市場(chǎng)經(jīng)濟(jì)體制不完善，居民財(cái)產(chǎn)轉(zhuǎn)化為財(cái)產(chǎn)性收入的渠道窄。

　　 居民主要靠房產(chǎn)和存款等財(cái)產(chǎn)形成財(cái)產(chǎn)性收入，來(lái)源相對(duì)單一。國(guó)有經(jīng)濟(jì)改革調(diào)整不到位，國(guó)有資產(chǎn)收益向全民所有者轉(zhuǎn)移機(jī)制不暢通，名義上歸全體公民所有的財(cái)產(chǎn)，只為小部分群體創(chuàng)造了收入，全民

　　 目前主流的視頻編碼標(biāo)準(zhǔn)包括3個(gè)體系：國(guó)際聯(lián)合視頻工作組(Joint Video Team  ，JVT)的H.26x、國(guó)內(nèi)數(shù)字音視頻編解碼技術(shù)標(biāo)準(zhǔn)工作組(Audio Video Coding Standard ，AVS)的AVSx和Google公司的VPx[1-4] 。其中 ，VPx編解碼器(COder/DECoder  ，CODEC)憑借開源和免專利費(fèi)的優(yōu)勢(shì) ，在全球范圍內(nèi)各種網(wǎng)絡(luò)瀏覽器的支持率已經(jīng)超過(guò)92%[5] 。

　　 視頻編碼標(biāo)準(zhǔn)中的是決定最終編碼效率的關(guān)鍵 ，但由于該過(guò)程的算法復(fù)雜度高而導(dǎo)致非常耗時(shí)  ，因此對(duì)幀內(nèi)壓縮快速算法的研究顯得尤為必要 。近年來(lái)這方面的研究主要集中在H.264和H.265/高性能視頻編碼(High Efficiency Video Coding  ，HEVC)[6-9]  。文獻(xiàn)[6]通過(guò)統(tǒng)計(jì)方法與閾值法 ，文獻(xiàn)[7]基于紋理方向檢測(cè)  ，文獻(xiàn)[8]利用時(shí)間與時(shí)空相關(guān)性 ，分別對(duì)HEVC幀內(nèi)預(yù)測(cè)進(jìn)行加速  ，實(shí)現(xiàn)將編碼時(shí)間減少24~30%  。文獻(xiàn)[9]提出梯度法加快確定幀內(nèi)模式  ，將編碼時(shí)間減少15%  ，再結(jié)合支持向量機(jī)(Support Vector Machine  ，SVM)加快確定HEVC編碼單元?jiǎng)澐? ，使編碼時(shí)間進(jìn)一步減少到50%以上  。文獻(xiàn)[10]對(duì)HEVC和VP9兩種標(biāo)準(zhǔn)的幀內(nèi)壓縮算法及其對(duì)編碼效率的影響進(jìn)行了比較  。本文針對(duì)VPx的幀內(nèi)壓縮提出了加速算法 ，并通過(guò)實(shí)驗(yàn)驗(yàn)證了算法的效果  。

　　 1 VPx幀內(nèi)壓縮

　　 幀內(nèi)壓縮是基于相鄰像素之間的相關(guān)性 ，通過(guò)當(dāng)前塊的相鄰塊對(duì)其進(jìn)行預(yù)測(cè)  ，并對(duì)預(yù)測(cè)值與實(shí)際值之間的殘差進(jìn)行一系列變換、量化和熵編碼  ，以消除空間冗余達(dá)到壓縮的目的  。圖1所示為VPx幀內(nèi)壓縮框圖  。VPx幀內(nèi)壓縮以宏塊/超級(jí)塊為單位 ，其中VP8標(biāo)準(zhǔn)的宏塊大小為16×16 ，VP9標(biāo)準(zhǔn)的超級(jí)塊大小為64×64  。VP8采用4×4的子塊劃分方式將宏塊劃分為4×4大小的子塊 ，其變換包括離散余弦變換(Discrete Cosine Transform  ，DCT)和沃爾什-哈達(dá)瑪變換(Walsh-Hadmard Transform  ，WHT)  。VP9采用四叉樹子塊劃分方式將超級(jí)塊劃分為4×4~64×64大小的子塊  ，其變換包括非對(duì)稱離散正弦變換(Asymmetric Discrete Sine Transform ，ADST)和DCT  。

　　 VPx幀內(nèi)預(yù)測(cè)分為亮度塊預(yù)測(cè)和色度塊預(yù)測(cè)  。亮度塊預(yù)測(cè)包括以下10種預(yù)測(cè)模式：

　　 其中  ，DC和TM分別為直流和真運(yùn)動(dòng)預(yù)測(cè)模式  ，另外8種為角度預(yù)測(cè)模式  ，圖2中以4×4的亮度塊預(yù)測(cè)為例說(shuō)明 。HE和VE分別為水平和垂直預(yù)測(cè)模式  ，LD和RD分別為45°和135°預(yù)測(cè)模式  ，VL和VR分別為63°和117°預(yù)測(cè)模式 ，HD和HU分別為153°和207°預(yù)測(cè)模式  。

　　 在幀內(nèi)壓縮過(guò)程中 ，要從上述10種預(yù)測(cè)模式中選擇一種  ，使碼率在不超過(guò)某最大碼率的情況下失真最小 。VPx采用率失真優(yōu)化(Rate Distortion Optimization  ，RDO)方法來(lái)尋找碼率和失真之間的平衡  ，其率失真代價(jià)函數(shù)表示為：

　　 其中  ，Jmode為預(yù)測(cè)模式對(duì)應(yīng)的率失真代價(jià) ，Dmode為失真  ，λmode為拉格朗日系數(shù)  ，Bmode為所需比特?cái)?shù)  。通過(guò)計(jì)算預(yù)測(cè)殘差的平方和(Sum Squared Error ，SSE)得到失真Dmode  。對(duì)于每個(gè)亮度子塊  ，要進(jìn)行10次變換、量化、反量化和反變換的重構(gòu)過(guò)程  ，根據(jù)率失真代價(jià)Jmode最小的原則選取最終預(yù)測(cè)模式  ，進(jìn)入熵編碼  。

　　 假設(shè)幀內(nèi)壓縮圖像寬度和高度分別為W和H  ，宏塊/超級(jí)塊大小為C×C  ，則總的宏塊/超級(jí)塊數(shù)為：

　　 以1 280×720的圖像為例  ，宏塊大小為16×16  ，按4×4的子塊劃分方式  ，得到4×4的亮度子塊  ，則RecCnt的理論值為576 000次  ，意味著如此大量次數(shù)的變換、量化、反量化、反變換和率失真計(jì)算代價(jià)  。

　　 2 快速算法

　　 為減少幀內(nèi)壓縮的運(yùn)算量  ，可以從兩方面入手：一方面減少亮度子塊的重構(gòu)次數(shù)  ，另一方面優(yōu)化幀內(nèi)壓縮的算法程序 。下面主要討論前者  。

　　 2.1 最近鄰加速法

　　 最近鄰加速法利用當(dāng)前子塊與其最近鄰子塊的相關(guān)性  ，以最近鄰子塊的預(yù)測(cè)模式作為其最終預(yù)測(cè)模式 ，從而減少遍歷預(yù)測(cè)模式帶來(lái)的重構(gòu)次數(shù)  。

　　 圖3所示為將圖像中一個(gè)16×16的宏塊劃分為16個(gè)4×4的亮度子塊 ，虛線框表示當(dāng)前子塊  ，箭頭所在子塊表示其候選最近鄰子塊  。

　　 首先根據(jù)當(dāng)前子塊在宏塊中的位置確定最鄰近子塊  。設(shè)當(dāng)前子塊為Si  ，j  ，3個(gè)候選最近鄰子塊分別為Si-1 ，j、Si ，j-1、Si-1 ，j-1 。S1 ，1作為第一個(gè)子塊  ，不存在最近鄰子塊  。

　　 將Si  ，j的最鄰近子塊定義為NBi ，j  ，當(dāng)候選最近鄰子塊僅存在于水平和垂直方向時(shí) ，有：

　　 當(dāng)候選最近鄰子塊存在水平、垂直和對(duì)角方向時(shí)  ，則先根據(jù)不同方向上子塊的率失真代價(jià)從候選最近鄰子塊中確定最近鄰子塊：

　　 其中  ，Jl ，m為3個(gè)方向率失真代價(jià)Ji  ，j-1、Ji-1 ，j、Ji-1  ，j-1中最小的 ，l和m代表最近鄰子塊的坐標(biāo)  。則有：

　　 假設(shè)最近鄰子塊NBi  ，j的最佳預(yù)測(cè)模式為mode  ，對(duì)當(dāng)前子塊在該模式下進(jìn)行重構(gòu)和率失真Ji  ，j計(jì)算 。當(dāng)滿足如下關(guān)系時(shí) ，將模式mode作為當(dāng)前子塊的最終預(yù)測(cè)模式  。

　　 否則將對(duì)當(dāng)前子塊進(jìn)行預(yù)測(cè)模式的遍歷  ，得到最終預(yù)測(cè)模式  。

　　 在最近鄰子塊的判斷過(guò)程中  ，要在當(dāng)前宏塊/超級(jí)塊范圍內(nèi)  ，保存當(dāng)前子塊Si ，j的前序子塊的最佳預(yù)測(cè)模式和與其對(duì)應(yīng)的率失真  ，用于與當(dāng)前子塊直接比較以簡(jiǎn)化率失真計(jì)算 。2.2 閾值加速法

　　 對(duì)當(dāng)前子塊的率失真Ji  ，j設(shè)置閾值TH 。當(dāng)某一預(yù)測(cè)模式下的Ji ，j滿足如下關(guān)系時(shí)  ，終止對(duì)預(yù)測(cè)模式的遍歷  ，將該預(yù)測(cè)模式作為當(dāng)前子塊的最終預(yù)測(cè)模式：

　　 否則將繼續(xù)進(jìn)行下一個(gè)預(yù)測(cè)模式  。如果所有預(yù)測(cè)模式對(duì)應(yīng)的率失真均不滿足式(9)  ，則根據(jù)RDO原則選取最佳預(yù)測(cè)模式 。

　　 閾值的選取直接影響最終結(jié)果  。閾值越大  ，越容易提前終止對(duì)預(yù)測(cè)模式的遍歷 ，從而提高壓縮速度  ，同時(shí)降低壓縮質(zhì)量；反之閾值越小  ，越難滿足閾值要求  ，遍歷的預(yù)測(cè)模式越多 ，從而保持壓縮質(zhì)量  ，但壓縮速度提高少  。式(10)給出了閾值選取公式：

　　 其中  ，J表示已有子塊率失真的集合 ，Jmax和Jmin分別為J中的最大率失真和最小率失真  ，Coef取值0.062 5  。

　　 2.3 兩級(jí)加速法

　　 采用最近鄰法加速時(shí)  ，如果當(dāng)前子塊存在最近鄰子塊  ，則能夠減少子塊重構(gòu)運(yùn)算量；否則仍需要對(duì)所有預(yù)測(cè)模式進(jìn)行遍歷  。采用閾值加速法時(shí)  ，如果當(dāng)前子塊的率失真滿足閾值條件 ，則能夠減少子塊重構(gòu)運(yùn)算量；否則仍需要對(duì)所有預(yù)測(cè)模式進(jìn)行遍歷  。

　　 將上述兩種加速方法結(jié)合  ，構(gòu)成如圖4所示的兩級(jí)加速法  ，使幀內(nèi)壓縮速度進(jìn)一步提高 。兩級(jí)加速法的第一級(jí)為最近鄰加速  ，第二級(jí)為閾值加速  。

　　    

　　以上就是小編為大家介紹的VPx幀內(nèi)壓縮的快速算法的全部?jī)?nèi)容，如果大家還對(duì)相關(guān)的內(nèi)容感興趣，請(qǐng)持續(xù)關(guān)注上海危機(jī)公關(guān)公司

　　本文標(biāo)題：VPx幀內(nèi)壓縮的快速算法　　地址：/yuqingchuli/2022/0214/3263.html