改进的H.264快速帧内预测模式选择算法

为了减小H.264编码算法的复杂度,提出一种快速的帧内模式选择算法。根据宏块内部相邻像素差的特点判定宏块预测类型,对基于边缘方向直方图的Pan算法进行改进,利用改进的算法对选定了预测类型的宏块进行预测,选出最佳的预测模式。实验结果表明,该算法在保证失真率和码率性能的前提下,编码时间平均减少了71.6%,大大提高了编码效率。     

H.264的帧内预测模式快速选择算法

在研究H.264帧内预测算法的基础上,应用并且改进一种快速帧内预测4×4子块模式选择算法,并且把这种算法应用到16×16子块模式选择算法中,同时,通过计算16×16块的平滑程度来决定是否进行4×4的模式选择.实验结果表明:对全I帧序列,与H.264参考代码中模式遍历算法相比较,该算法均有一定的优越性和实用价值.     

基于纹理估计的H.264帧内预测快速算法

帧内预测是H.264取得高编码效率的关键技术之一,但其计算复杂度是H.264帧内编码中的瓶颈问题。结合H.264帧内预测特点,提出一种基于纹理估计的帧内预测快速算法。首先通过计算相邻宏块的边界像素差值,估计图像的纹理方向,再根据此方向选择相应的帧内预测模式,减小候选模式数量,简化模式选择过程,降低了帧内预测的计算复杂度。实验结果表明,在保证图像质量和编码码率的前提下,本算法能有效提高H.264的编码速度,有利于实时应用。     

基于时/空相关性的H.264帧内预测算法

为了降低H.264编码复杂度,提出一种基于时空相关性的快速帧内预测算法。该算法充分利用视频序列的时间相关性,自适应地根据先前编码宏块对当前宏块进行预判,在Intra_4×4和Intra_16×16预测方式之间进行选择;对Intra_4×4预测方式,依据模式聚集特性,参考先前帧和当前帧已编码宏块的预测模式统计特征,确定当前4×4子块的候选模式。实验结果表明,该算法在保证信噪比和比特率几乎不变的情况下,编码时间减少约40%,提高了编码效率。     

H.264帧内预测模式快速选择算法

为降低帧内预测的复杂度,提出一种快速的帧内预测算法。该算法利用帧内4×4块最优预测模式与和它相邻的预测模式之间率失真代价（RDCost）的高相关性,以及绝对变换误差和（SATD）与率失真（RD）性能之间的强相关性,有效减少了预测模式,避免了不必要的RDCost计算。实验结果显示,该算法提高编码时间效率约为50%,同时保持视频的图像质量几乎不变。     

基于方向测度的H.264快速帧内预测算法

H.264在空间域上从多个方向进行多种模式的帧内预测,并使用率失真优化算法选择最佳模式,使编码的复杂度大幅增加。为此,提出了一种基于方向测度的快速帧内预测算法。该算法使用方向测度来判断块的平坦程度和纹理方向,它可以预先排除可能性小的预测模式,避免了不必要的代价计算。实验结果表明,算法在保持信噪比平均降低0.05 dB和码率平均增加1.27%基础上,编码时间平均减少了39.16%。     

关于H.264帧内预测模式选择快速算法的研究

H.264引入帧内预测编码并用率失真优化(RDO)进行预测模式选择,这显著提高了压缩率,但增大了计算复杂性。文章对H.264帧内预测编码模式选择快速算法研究现状进行了分析评述,基于Intra_4×4、Intra_16×16预测模式的特性,亮度与色度预测模式的相关性,提出了一种改进的算法。仿真实验表明,该算法在保持PSNR基本不变和码率微小增加的情况下,计算复杂性进一步减少。     

H.264帧内预测模式选择快速算法的研究

提出一种适用于H.264帧内预测的快速算法,利用相邻像素间的梯度筛选预测模式来避免不必要的预测模式计算。实验结果表明:用全I帧编码,该算法在图像质量和输出码率基本不变的情况下,编码时间大约节省了60%。     

基于图像特征的H.264快速帧内模式预测算法①

H.264引入帧内预测技术提高了I帧的编码效率,但也大大增加了编码的计算复杂度。在深入分析帧内预测原理以及预测模式选择过程的基础上,提出了一种快速H.264帧内预测模式选择算法。该算法通过预测模式尺寸预先选择原则、帧内预测模式快速选择原则和提前中止原则来加快编码速度。实验结果表明,该算法在保证图像质量和比特率大致不变的前提下,与H.264原有的全搜索算法相比,编码速度能够平均提高41.3%～53.4%;与快速三步法相比,编码速度能够平均提高21.4%～32.4%。     

H.264/AVC快速帧内预测模式选择新算法

为了得到最优模式,H.264采用了率失真优化(RDO)技术计算宏块的每种模式的代价,但是这样增加了计算复杂度。结合PAN算法提出了一种快速帧内预测模式选择算法,首先根据宏块是否平坦决定帧内预测的类型——帧内4×4和帧内16×16。其次,改进了PAN算法,提出了一种快速帧内预测模式选择的新算法。实验结果表明,新算法与全搜索算法和PAN算法相比,减少了编码时间,峰值信噪比(PSNR)基本保持不变,输出码率略有增加。     

H．264帧内预测快速算法的研究

H-264视频编解码标准中,帧内预测是很重要的组成部分,它显著提高了压缩率,但增加了计算复杂性。文章研究了采用率失真优化（RDO）技术进行帧内模式选择以及目前常用的快速帧内模式选择方法。     

基于统计分析与纹理预测的H.264 快速模式选择算法

论文在对各种模式进行统计分析的基础上,针对SKIP 模式,提出了一种将SKIP 模式与inter16×16 模式的率失真代价进行比较的快速判决算法;针对inter8×8 模式,提出了一种基于纹理预测的快速选择算法;针对intra4×4 模式,提出了一种简化算法。最后实验结果显示,相对于JM8.6 参考软件,PSNR平均下降0.05 dB左右,而编码时间平均下降38％。     

一种用于H.264的快速帧内预测模式判别方法

提出了一种快速帧内预测模式判别的方法来减少H.264中帧内预测模式判别的时间。H.264采用拉格朗日率失真优化(RDO)模式判别方法来对帧内预测模式进行判别,但由于H.264提供了大量的帧内编码模式,使得计算量非常大,目的是在RD性能没有明显下降的情况下,减少帧内预测的计算量。提出的快速模式判别方法采用绝对变换差值和(SATD)以及绝对梯度和(SAG),来减少4×4和8×8块的帧内预测模式的数目,从而提高模式判别的速度。实验结果表明,该算法在编码增益减少不大的情况下,I帧的编码时间减少了50%~70%,整体的编码时间减少了大约10%~20%。     

一种基于BP网络的H.264快速帧内模式选择算法

H.264/AVC采用17种预测模式和率失真优化模型来进行帧内模式的选择,复杂度很高。目前的快速帧内模式选择算法能有效减少模式选择的复杂度,但还存在很大的不足。提出了一种基于BP神经网络的快速帧内模式选择算法。该算法使用BP神经网络对大量视频序列预先训练的结果对宏块进行预判,得出当前宏块采用Intra16×16或Intra4×4模式,然后使用Pan Feng的方法判断具体选择何种模式。实验结果表明,该算法在保证视频质量几乎不变（PSNR平均降低约0.01 dB）的同时,可以有效减少计算复杂度,与JM86相比减少75%～83%,与Pan Feng的方法相比减少30%～70%。     

H.264/AVC快速帧内预测模式选择算法

基于像素块的纹理特性,相邻块预测模式的相关性提出了一种H.264/AVC快速帧内预测算法,该算法将4×4亮度块的候选模式从9种降低到1～4种。实验结果表明,与H.264编解码器JM8.6相比,I帧编码时间降低50%～60%,而PSNR和输出码率基本保持不变。