一种基于时空相关性的编码单元深度快速分级判决算法

新一代视频编码标准HEVC采用编码树单元(CTU) 结构进行编码,通过遍历比较所有不同深度编码 单元(CU)的率失真代价值得到最佳编码单元,在显著提升编码效率的同时,计算复杂度增 加数倍。为此,本文提出了一种基于时空相关的编码单元深度快速分级判决算法,通过量化 分析时 空相邻CTU/CU之间相关性权重,利用已编码时空相邻CTU/CU的最佳深度预测当前CTU/CU可能 的深度范围(DR)和深度值, 跳过和提前终止不必要的深度计算。仿真结果表明,在不同的编码配置条件下,本文算法在 保证编码性能的同时,平均可节省40%以上的编码时间 ,极大地降低了计算复杂度。     

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。     

基于图像空间相关性与纹理的HEVC块划分快速算法

为降低高效率视频编码(HEVC)帧内编码算法复杂度,提出一种基于视频内容空间相关性和纹理复杂度的块划分快速算法.首先,通过分析视频测试序列相邻编码树单元(CTU)之间的划分深度范围的相关性,提出CTU最有可能深度范围(MPDR)的概念及计算方法.其次,通过检测相邻CTU之间的边缘方向分析邻近CTU间的纹理差异,并决定当前待编码CTU的划分深度范围是采用MPDR,还是采用标准规定的0～3.最后,通过统计分析得到纹理复杂的阈值计算式,在每个编码单元(CU)编码之前,通过比较像素方差与阈值来分析该CU的纹理复杂程度,并判断是否可以跳过该深度块的编码计算而直接划分.实验结果表明,与HM13.0原有算法相比,本文算法以编码比特率增加0.84％、峰值信噪比下降0.04 dB为代价,能够将编码时间减少20％左右.     

基于自适应深度预测的快速变换单元判决算法

新一代视频编码标准HEVC相比之前标准,在提升编码效率的同时显著增加计算复杂度。针对这一问题,本文提出了一种基于自适应深度预测的快速变换单元(TU)判决算法,利用残差四叉树(RQT)深度自身分布特点以及时空相邻RQT最大深度的相关性预测不同尺寸编码单元(CU)的RQT深度,跳过不必要的深度计算。仿真结果表明,在标准编码配置条件下,相比全部深度判决方法,本算法在保证编码效果的前提下,平均降低50%的TU运算时间,极大减少计算复杂度;同时相比于同类算法在处理复杂序列时的低效率,本算法很好地解决了此类问题。     

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。     

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。     

基于运动特征的HEVC快速帧间预测编码研究

为了降低高效视频编码(HEVC,high efficiency v ideo coding)的帧间预测复杂度,提出了一种基于运动特征的HEVC快速帧间预测新方 法。首先利用视频相邻帧的时域相关性,通过计算 每个待编码单元(CU)及其子块的帧差离散度(FDD)确定该CU的最佳编码深度d ;再依据该深度下CU的区 域运动特征(RMF_d)将待编码CU划分为3类运动区域,进而确 定该CU的候选帧间预测模式,减少 不必要的帧间预测模式遍历过程。试验结果表明,本算法可以在保证编码性能损失不大的前 提下显著提高编码效率;与标准算法相比,在低延时和随机访问两种编码结构下,同等客观 质量下码率(BDBR)分别增加0.89% 和0.83%,同时节省了51.6%和48.5%的编码时间。     

基于多时-空相关的AVS2快速帧间预测算法

针对新一代视频标准AVS2引进四叉树分割、多参考帧等技术而带来的帧间预测复杂度增加的问题,提出一种基于多时-空相关的快速帧间预测算法.该算法利用上下层相邻编码单元(Coding Unit,CU)和空时域相邻CU在预测模式选择上的相关性,计算当前CU的模式复杂度,根据复杂度为当前CU分配合适的候选预测模式;同时利用相邻预测单元(Prediction Unit,PU)在参考帧选择上的相关性,计算当前PU的参考帧索引,根据索引为当前PU分配合适的候选参考帧.实验表明,该算法在BD-Rate(Bjontegaard delta bit rate)增加1.22％,BD-PSNR(Bjontegaard delta peak signal-to-noise rate)降低0.04 dB的前提下,平均减少47.54％的编码时间.     

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。     

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。     

基于最大可容忍深度失真模型的低复杂度深度视频编码

在保证虚拟视点绘制质量的前提下,如何降低深 度视频的编码复杂度是一个亟需解决的问题。本文提出了一 种基于最大可容忍深度失真(MTDD,maximum tolerable d epth distortion)模型的低复杂度深度编码算法,将MTDD模型引 入 到率失真(RD)代价函数,通过对编码单元(CU)进行失真度量判决 ,如果对当前CU进 行编码不会导致可察觉的绘制失真,则失真度量只考虑深度编码失真,否则失真度量同时考 虑深度编码失真和视点 合成失真(VSD),从而降低编码复杂度。实验结果表明,所 提出的算法在不 降低虚拟视点绘制质量和不增加编码码率的情况下,能显著降低深度视频的编码复杂度。     

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%。     

一种屏幕内容编码帧间模式快速选择算法

屏幕内容编码(SCC)作为高效视频编码(HEVC )的扩展,在压缩屏幕内容方面有着显著的效果, 但也导致了编码器计算复杂度较高的问题。为此,本文提出一种屏幕内容编码帧间模式快速 选择算法。首 先,根据像素点亮度值的变化情况,提前判断出静止区域并使用Skip模式;其次,根据屏幕 内容多包含有 水平及竖直边缘的特点,利用编码单元(CU)的水平及竖直活动性确定相应的预测单元(PU )划分模式, 减少帧间预测时需要遍历的PU个数;最后,根据时空域相邻CU的深度信息预测当前CU的深度 范围,跳 过不必要的深度遍历。实验结果表明,与SCM-8.0相比,在随机接入与低延时两种编码模式 下,本文所提 算法分别节省43.6%和49.09%的编码时间,码 率分别上升3.06%和3.43%,视频质量几乎不变 。     

基于纹理方向和空域相关的HEVC帧内快速编码算法

为了降低高效视频编码(HEVC)的复杂度,提出了一种基于纹理方向和空域相关性的帧内快速编码算法。一方面,利用相邻编码单元(CU,coding unit)的最佳分割尺寸确定相关性的权重,并根据已编码CU的率失真代价值定义了CU分割尺寸的相关性因子,通过比较该因子提前终止CU分割;另一方面,利用Sobel算子求取预测单元(PU,prediction unit)子块的纹理方向,通过判定其纹理方向显著性确定相应的候选模式集,然后根据PU大小对所得的预测模式修正处理,最后遍历这些候选模式选取最优模式。实验结果表明:本文算法相对于原始HEVC编码方法,在全I帧模式下编码时间平均减少36.84%,BDBR(Bjntegaard delta bit rate)上升约0.81%,BDPSNR(Bjntegaard delta peak signal-to-noise rate)降低了0.047dB。     

一种基于HEVC的帧内模式快速判决算法

提出了一种HEVC帧内预测优化快速算法。算法在统计总结出当前CU层与其上层CU帧内预测模式、CBF与TU分割深度、相邻CU层之间的色度帧内预测模式之间相关性的基础上,有效地减少了帧内模式的预测,降低了帧内编码计算复杂度。同时,本文根据不同代价函数之间,以及色度与亮度帧内预测模式之间的相关性,分别在亮度和色度帧内预测过程中添加了RMD中cost代价最小的预测模式和最佳亮度预测模式,保证了较低的编码码率和较高的编码图像质量。实验结果表明,本文算法针对各类型、分辨率的视频,在码率和PSNR基本不变的情况下,帧内编码时间平均减少38.2%。     

基于深层特征学习的高效率视频编码中帧内快速预测算法

高效视频编码(HEVC)标准相对于H.264/AVC标准提升了压缩效率,但由于引入的编码单元四叉树划分结构也使得编码复杂度大幅度提升。对此,该文提出一种针对HEVC帧内编码模式下编码单元(CU)划分表征矢量预测的多层特征传递卷积神经网络(MLFT-CNN),大幅度降低了视频编码复杂度。首先,提出融合CU划分结构信息的降分辨率特征提取模块;其次,改进通道注意力机制以提升特征的纹理表达性能;再次,设计特征传递机制,用高深度编码单元划分特征指导低深度编码单元的划分;最后建立分段特征表示的目标损失函数,训练端到端的CU划分表征矢量预测网络。实验结果表明,在不影响视频编码质量的前提下,该文所提算法有效地降低了HEVC的编码复杂度,与标准方法相比,编码复杂度平均下降了70.96%。     

HEVC帧内CU划分快速算法研究

为了降低帧内编码单元(CU)四叉树划分的计算复杂度,本文提出了一种基于多重纹理的帧内CU划分快速算法.通过提取CU的内容复杂度、方向复杂度以及子CU的内容复杂度差异和方向复杂度差异作为纹理特征,设计了基于双SVM的CU划分决策模型,实现了对复杂纹理CU的提前划分和简单纹理CU的提前终止划分.实验结果表明,该快速算法与x265-1.7相比,码率增加0.47％,亮度峰值信噪比降低0.012 dB,编码时间减少36.87％,有效提高了帧内预测效率.     

基于深层特征学习的高效率视频编码中帧内快速预测算法

高效视频编码(HEVC)标准相对于H.264/AVC标准提升了压缩效率,但由于引入的编码单元四叉树划分结构也使得编码复杂度大幅度提升.对此,该文提出一种针对HEVC帧内编码模式下编码单元(CU)划分表征矢量预测的多层特征传递卷积神经网络(MLFT-CNN),大幅度降低了视频编码复杂度.首先,提出融合CU划分结构信息的降分辨率特征提取模块;其次,改进通道注意力机制以提升特征的纹理表达性能;再次,设计特征传递机制,用高深度编码单元划分特征指导低深度编码单元的划分;最后建立分段特征表示的目标损失函数,训练端到端的CU划分表征矢量预测网络.实验结果表明,在不影响视频编码质量的前提下,该文所提算法有效地降低了HEVC的编码复杂度,与标准方法相比,编码复杂度平均下降了70.96％.     

高效率视频编码帧内预测编码单元划分快速算法

高效率视频编码(HEVC)采用基于编码单元(CU)的四叉树块分区结构,能灵活地适应各种图像的纹理特征,显著提高编码效率,但编码复杂度大大增加,该文提出一种缩小深度范围且提前终止CU划分的快速CU划分算法。首先,在学习帧中,基于Sobel边缘检测算子计算一帧中各深度边缘点阈值,缩小后面若干帧中CU遍历的深度范围;同时,统计该帧中各CU划分为各深度的率失真(RD)代价,计算各深度的RD代价阈值。然后,在后续视频帧中,利用RD代价阈值在缩小的深度范围内提前终止CU划分。为了符合视频内容的变化特性,统计参数是周期性更新的。经测试,在平均比特率增加仅1.2%时,算法时间平均减少约59%,有效提高了编码效率。     

采用灰度共生矩阵进行深度预判的3D-HEVC深度图帧内快速编码算法

针对3D视频的3D-HEVC编码标准以多视点纹理视频和深度视频格式进行编码,其深度图编码仍延续纹理视频编码的模式和编码尺寸遍历选择,使得3D-HEVC的编码复杂度居高不下。本文针对深度图帧内预测编码,采用灰度共生矩阵对深度图中的CTU进行计算,统计并分析其矩阵中非零值个数与CTU分割深度的关系,根据非零值个数分布规律,设定阈值,使得帧内编码时可以预判编码模块的分割深度,从而选择性跳过部分不同深度CU的帧内预测过程。经过HTM16.0测试平台的检验,本算法在全帧内编码模式下,测试序列合成视点比特率仅增加0.08%的同时,平均节省了16.8%的编码时间,与其他同类较新算法在HTM16.0平台上的性能比较也有一定的优势。