一种HEVC帧内快速编码算法

高效视频编码(HEVC)采用编码单元(CU)四叉树的 分割结构,相比H.264/AVC显著地提升了编码效 率,但却使编码复杂度急剧增加。为此,本文提出一种帧内快速编码算法。首先,根据视 频图像纹理复 杂度,提前判断是否进行最大编码单元(LCU)分割。然后,根据空域相邻CU的深度预测当前C U的深度范围, 跳过不必要的计算;最后,根据预测模式被选为最优预测模式的统计特性,去掉可能性小的 帧内预测模式。本文算法在HM14.0的基础上实现。 仿真结果表明,本文算法在全I帧模式下与HM14.0相比,帧内编码时 间平均减少38%,码率(BR)只增加1.41%,峰值信噪比(PSNR)只降低0.29dB,在保证编码性能和视频质量几乎不变的 情况下,本文算法降低了编码的计算复杂度。     

一种HEVC帧内预测编码CU结构快速选择算法

为了提升高效视频编码(HEVC) 帧内预测编码部分的编码效率,提出了一种HEVC帧内预测编码编码单元(CU)结构快速选择算 法。算法通过 对CTU(coding tree unit)四叉树结构的遍历过程进行优化,设计了两种不同的最优CU结 构快速决策算 法,分别从最大划分深度和最小划分深度开始遍历,并在每一步遍历之前,判断是否提前终 止遍历操作。 同时,在对每个CTU进行求解时,依据其纹理复杂度和当前编码状态,从两种算法中选择出 最优快速决策 算法对其进行求解。在HM 15.0的基础上实现了提出的快速选择算法 。实验结果表明,本文算法能够在 保证编码性能的同时,降低31.14%的编码时间,提高了HEVC的编码效 率。     

基于运动特征的HEVC帧间模式快速判决算法*

为降低HEVC帧间预测编码过程的计算复杂度,提出了一种新的基于运动特征的编码单元(Coding Units,CU)及预测单元(Prediction Units,PU)快速判决算法.首先,通过二阶帧差法检测运动剧烈程度,并分析运动特征对CU及PU时域相关性的影响.然后,利用前帧相同位置CU及PU的最优模式预测当前CU的深度范围,并根据运动剧烈程度优化预测范围.最后,根据预测范围跳过和终止部分不必要的CU深度和PU模式,从而加快帧间编码速度.在HM12.0平台上的实验测试表明,该算法在BDPSNR仅降低0.068 dB、BDBR只增加1.530％的情况下,提高了48.389％的编码速度.     

基于灰度差值的HEVC快速帧间编码研究

针对新一代视频压缩编码标准HEVC计算复杂度较高的特点,利用视频序列间时域上的相关性,提出了一种基于灰度差值的编码单元快速划分策略.该策略根据当前编码块与参考块之间的灰度差值进行运动条件判决,在进行编码之前提前确定当前编码单元的编码深度信息,减少帧间预测编码的次数,从而有效地降低了编码端的计算复杂度.实验结果表明,该算法在编码效率和峰值信噪比(PSNR)损失都很小的情况下,和HM标准中的帧间预测算法相比,平均降低了50.18％的编码时间.     

一种基于时域相关性的高性能视频编码快速帧间预测单元模式判决算法

为了降低高性能视频编码(HEVC)的编码计算复杂度,根据视频时域上高度相关性的特点,该文提出一种快速高性能视频编码(HEVC)帧间预测单元(PU)模式判决算法。分析了时域上相邻帧两帧相同位置编码单元(CU)的PU模式之间的相关性;同时,针对视频中可能存在对象运动,还分析了前一帧对应位置CU的周边CU与当前帧中当前CU间PU模式的相关性。根据分析的时域相关性,跳过当前CU中冗余的PU模式,从而降低编码复杂度。实验结果表明,在编码效率和峰值信噪比(PSNR)损失很小的情况下,在目前已有的HEVC快速帧间预测算法的基础上,进一步降低了31.30%的编码时间。     

基于机器学习的HEVC帧内模式快速决策算法

针对高效视频编码(HEVC)计算复杂度过高的情况, 提出了一种基于机器学习的帧内快速决策算法。根据图像内容的平滑 程度将PU划分成3类,对具有一定平滑度的预测单元(PU)不需要遍历完所有的帧内预测模式 ,从而有效降低算法的计算复杂度。首 先,计算各个PU的左边参考像素方差、上边参考像素方差和总参考像素的方差,以及各个P U采用的最优的帧内预测模式, 这些方差反映了参考像素的平滑程度;然后,利用机器学习软件Weka对得到的数据进行分类 处理,得到分类决策树; 最后,根据决策树来判定各个PU需要测试的帧内模式,再对各个PU 遍历这些帧内模式,确 定最优的模式,减少不必要 预测,从而降低编码复杂度。实验结果表明,本文算法相对于标准的HEVC 15.0编码算法,在高码率的情况下,编码时间平 均节省约16.18%,BD-rate平均升高约0.25%,BD-PSNR平均降低约0.02 dB;在低码率的情况下,编码时 间平均节省约20.75%,BD-rate平均升高 约0.04%,BD-PSNR平均降低约0.00dB。     

一种HEVC的快速帧间编码新方法

为了降低新一代高效视频编码(HEVC)的计算复杂度 ,融合基于人眼恰可察觉失真(JND)的快速帧间 模式选择和自适应编码单元深度范围(ACUDR)两种算法,提出了一种快速帧间 编码新方法。首先,通过建立时空域JND和最佳预测模式的统计关系,利用JND 阈 值指导帧间预测模式的快速选择,以减少遍历的模式个数从而降低复杂度;然后,利用编码 的前一帧定义与当前帧 的平均深度差(ADD),通过ADD自适应加权时空域相邻最大CU(LCU) 的平均深度值预测当前LCU的深度范围(DR)类型,减少当前LCU遍 历的深度个数从而降低算法复杂度; 最后,融合这两种算法以进一步降低了视频编码的计算复杂度。结果表明,所提出方法 在低延时和随机访问两种 编码结构下,降低了40%以上的计算复杂度,但编码性能降低很小,在同等码率下的峰值信 噪比(BDPSNR)仅分别降低0.058dB和0.037dB,同等客观质量下 的码率(BDBR)仅分别增加1.71%和1.06%。     

基于SSIM的HEVC帧内编码率失真优化

率失真优化(RDO)是视频编码压缩中的关键技术之 一。传统的率失真优 化技术使用误差平方和(SSE)或绝对差和(SAD)度量失真, 不能获得较好的视觉感知质量。本文针对新一代视频编码标准高效视频编码(H EVC)帧内编码RDO,提出了一种基于结构相似度(SSIM)度量失真的 RDO方法。首先,根据HEVC编码树形单元(CTU)结构设计了基于SSIM的失真计算方法; 然后,提出了一种基于量化器推导的码率-量化步长(R-Δ)模型和一种基于统计分析的失 真 -量化参数(DSSIM-QP)模型,用于求取拉格朗日乘数;最终,使用多QP优化方法求 取模 型参数。实验表明,相对于HEVC 传统的RDO,针对全I帧(即所有帧都为帧内编码)固定QP编码和多QP优化编 码,在相同的SSIM条 件下,码率分别平均降低8.4%和13.9%左右,同时编码复杂度分别平均增加约3%和2%。     

基于空域相关性的快速HEVC帧间预测方法

分析了对应CU分块与其空域上相邻的4个CU之间的相关性,根据分析的最大出现概率的PU模式,以及当前PU分块与前一帧对应不同尺寸CU分块之间的空域相关性,提出了一种基于时域和空域相关性的快速HEVC帧间模式判决方法,跳过当前最大编码单元中各层CU中冗余的PU模式,从而降低了编码的计算复杂度。实验结果显示,与HM7.0相比,该方法在仅仅损失了0.21%~1.66%压缩率和0.01~0.09 dB峰值信噪比的前提下,降低了52.3%~63.5%的编码时间。     

HEVC帧内预测模式和分组码的视频信息隐藏

为了在最新的视频压缩标准－高效视频编码(HEVC) 下实现信息隐藏并在保证隐秘信息嵌入容量的前提下减少对宿 主信息的修改,提出基于帧内预测模式和分组码的HEVC视频信息隐藏方法。首先,利用分组 码的标准阵 列译码方法,建立(4,3)码标准阵列译表;然后,根据译码表与预测模式的映射关系,调 制帧内4×4亮 度块的预测模式嵌入隐秘信息;最后,对调制后的4×4亮度块重新编码,使得在连续4个4× 4帧内亮度 块嵌入3bit隐秘信息,平均修改1.25位预测模式,减小因调制预测模式对视频造成的影响 。实验结果表 明:所提算法的PSNR值下降在0.05 dB以内,码率增长在1%左右 ,算法能很好的保证视频主客观质量,对视频的编码比特率影响很小。     

A fast algorithm based on gray level co-occurrence matrix and Gabor feature for HEVC screen content coding

To reduce the computational complexity of screen content video coding (SCC), a fast algorithm based on gray level co-occurrence matrix and Gabor feature model for HEVC-SCC, denoted as GGM, is proposed in this paper. By studying the correlation of non-zero number in gray level co-occurrence matrix with different partitioning depth, the coding unit (CU) size of intra coding can be prejudged, which selectively skips the intra prediction process of CU in other depth. With Gabor filter, the edge information reflecting the features of screen content images to the human visual system (HVS) are extracted. According to Gabor feature, CUs are classified into natural content CUs (NCCUs), smooth screen content CUs (SSCUs) and complex screen content CUs (CSCUs), with which, the calculation and judgment of unnecessary intra prediction modes are skipped. Under all-intra (AI) configuration, experimental results show that the proposed algorithm GGM can achieve encoding time saving by 42.13% compared with SCM-8.3, and with only 1.85% bit-rate increasement.     

基于时空相关性的HEVC帧间模式决策快速算法

新一代的高效率视频编码标准HEVC采用编码树单元（CTU）四叉树划分技术和多达10种的帧间预测单元（PU）模式,有效地提高了编码压缩效率,但也极大地增加了编码计算复杂度。为了减少编码单元（CU）的划分次数和候选帧间PU模式个数,提出了一种基于时空相关性的帧间模式决策快速算法。首先,利用当前CTU与参考帧中相同位置CTU、当前帧中相邻CTU的深度信息时空相关性,有效预测当前CTU的深度范围。然后,通过分析当前CU与其父CU之间的最佳PU模式空间相关性,以及利用当前CU已估计PU模式的率失真代价,跳过当前CU的冗余帧间PU模式。实验结果表明,提出的算法与HEVC测试模型（HM）相比,在不同编码配置下降低了52%左右的编码时间,同时保持了良好的编码率失真性能;与打开快速算法选项的HM相比,所提算法进一步降低了30%左右的编码时间。     

基于邻近值的HEVC帧内预测优化

高性能视频编码(High Efficiency Video Coding,HEVC)标准中的帧内编码模式利用当前帧中像素点之间的空间相关性作出有效预测。为了解决待编码像素远离参考像素时预测不准确的问题,提出了一种基于邻近值的HEVC帧内预测优化算法。该算法的主要思想是,对于当前像素,先根据传统HEVC帧内编码方法得到其预测值,再使用该像素点左边、左上、上边位置的修正值以及该像素本身的预测值对该预测值进行修正。因为将当前像素与周围像素的相关性进行了有效的数学建模,所以HEVC帧内编码性能得到了提升。实验结果显示,所提算法与HEVC标准相比,最高节省了2.7%的码率,平均节省的码率为1.3%。     

基于相似度的HEVC帧内低复杂度算法

针对高清视频编码(HEVC)标准帧内编码计算 复杂度过高的问题,提出了基于最大编码单元(LCU)相似度的 深度范围及率 失真代价阈值预测低复杂度算法。首先分析LCU相似性并将其量化,然后利用该量化变量概 率密度分布规律, 采用贝叶斯分类方法估计当前编码LCU深度范围;同时考虑到编码单元(CU)之 间相关性,自 适应设定率失真代价阈值,用以提前结束模式选择及继续分割过程:通过LCU编码深度范围 预测和率失真代 价阈值实现快速CU划分方案。实验结果表明,在性能几乎不变的情况下,本文算法较标准 编码算法编码 时间平均减少了39.55%,平均BDBR增加在1%以内,BD-PSNR仅降低了 0.03dB,在保持良好视频质量下有效降低了编码复杂度。