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。     

一种基于零块分布的快速帧间模式判决算法

针对新一代视频编码标准离散视编码(HEVC)帧间预 测编码计算复杂度过高的问题,提出一种利用变换量化 后零块分布特征进行快速帧间模式筛选的低复杂度算法。首先统计SKIP和帧间 2N×2N模式下零系数与 非零系数的区域分布特征,判断其运动特征和运动估计匹配效果,用以分析全零块下SKIP 模式的分布;同 时在非全零块下结合残差块的SATD代价分类筛选PU模式分布,从而优先选择符合零块分布 特征的PU 模式,以达到快速筛选帧间模式,降低计算复杂度的效果。实验结果表明,在低延迟和随机 访问配置条件下,本文提出的算法在保证编码性能的情况下,相比原有HM 快速算法, 编码时间平均分别可减少50.3和49.3%,BDBR仅降低0.03%,有效 地降低了编码复杂度。     

一种低复杂度的HEVC帧内快速编码算法

为了降低高效视频编码(HEVC)帧内编码复杂度,提出一种HEVC帧内快速编码算法。根据视频图像的纹理复杂性,提前跳过或者中止部分尺寸的编码单元(CU)的划分,减少CU深度遍历区间;同时,根据粗选过程后预测模式和代价值的统计特性采用阈值法或者梯度模式直方图法进一步筛选掉粗选后可能性较小的预测模式,从而减少最后进行率失真(RD)代价计算的帧内预测模式数量,进一步降低编码复杂度。实验结果表明,本文算法与HEVC原始平台相比,在全I帧编码模式下编码时间平均减少42.20%,码率(BR)上升约1.75%,峰值信噪比(PSNR)降低了0.108dB,有利于实时应用。     

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。     

基于时域相关性的快速HEVC帧间模式判决方法

高效率视频编码(HEVC)相比目前的国际视频编码标准H.264/AVC,在压缩率方面有了较大的提高,但也带来了巨大的编码计算复杂度。为了降低HEVC的编码计算复杂度,提出了一种快速HEVC帧间模式判决方法。统计并分析了相邻两帧之间对应块的编码单元(CU)和预测单元(PU)的时域相关性,在此相关性基础上,跳过了一些冗余CU分割层和PU预测模式,CU层最多只取两种PU预测模式,从而大大减少了所需要进行的率失真代价计算的数量,实验结果显示,与HM7.0相比,该方法在仅损失了0.21%-1.66%的压缩率和0.01~0.09 dB的峰值信噪比的前提下,降低了52.3%~63.5%的编码时间。     

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%。     

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%。     

基于纹理相似性的高效视频编码帧间预测优化算法

为了提高高效率视频编码(HEVC)的编码效率,该文对帧间预测算法进行优化,提出一种基于纹理相似性的快速深度判决算法。随着视频分辨率的提高,视频序列中的空域冗余也随之增加,HEVC通过增加编码块尺寸来提高预测效率,代价就是编码复杂度的急剧增加。通过对视频序列分析可知,图像中的平滑区域与细节区域在相邻帧中存在很大的相关性。该文利用相邻已编码帧的相邻编码块的深度信息,来快速判决当前待编码块的深度信息。对于平滑区域,快速判决待编码最大编码单元的最大深度,以减少小块编码单元的模式判决;对于细节区域,快速判决待编码最大编码单元的最小深度,以减少大块编码单元的模式判决。实验结果表明,与原始的HEVC算法相比,该文所提算法编码比特率平均增加约0.13%以内,PSNR的平均降幅为0.09 dB,算法运行时间平均减少了约50%。     

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％.     

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。     

Rough mode cost–based fast intra coding for high-efficiency video coding

The quadtree-based coding unit (CU) and transform unit (TU) structure, as well as various prediction units (PUs) of HEVC, considerably increase encoding complexity in intra coding and inter coding. This paper proposes a rough mode cost (RMC)-based algorithm for accelerating CU/TU depth decisions and PU mode decisions in HEVC intra coding. For CU depth decisions, RMC values are used for the fast determination of CU partition. In the case of PU mode decisions, modes with higher RMCs are removed from the candidate list to reduce the number of test modes. For TU depth decisions, the TU partition of the mode with the least RMC is used to determine the TU partitions of remaining modes. The proposed TU partitioning method demonstrates superior performance to the default method in reference software. The proposed algorithm can reduce encoding time by approximately 51% on average, with a 0.69% increase in the Bjøntegaard-Delta (BD) rate.     

Multi-class support vector machine-based fast algorithm for 3D-HEVC depth video intra coding

The recursive splitting process of largest coding unit (LCU) and the mode search process of coding unit imposed enormous computational complexity on encoder. A multi-class support vector machine-based (MSVM) fast coding unit (CU) size decision algorithm for 3D-HEVC depth video intra-coding was proposed. The algorithm included two steps: off-line training and fast CU size and mode decision. In the process of off-line training, a MSVM model was constructed, where the texture complexity of current LCU, the optimal partition depth of its spatial neighboring LCU and co-located LCU in texture video were treated as feature vectors, and the optimal partition depth of LCU was utilized as corresponding class label. In the process of fast CU size and mode decision, features of LCU were extracted before cod-ing a LCU, then, a MSVM model was used to predict the class label. Finally, the class label that represents the largest parti-tion depth of the current LCU was employed to terminate the CU recursive splitting process and CU mode search process. Experimental results show that the proposed algorithm saves the encoding time of 3D-HEVC by 35.91% on average, and the encoding time of depth video by 40.04% on average, with negligible rendered virtual view image degradation.     

x265的低复杂度帧内编码快速算法

为了降低x265的帧内编码复杂度,减少编码所需时间,本文针对新一 代高效视频编码标准(HEVC)帧内编码单元(CU)划分以 及预测单元(PU)模式选择的快速算法进行研究。采用经典的差分矩阵计算纹理复杂度,提出 了一种根据当前编码单元子块的纹理复杂 相似度与其编码所需要的总比特数以及量化参数之间的关系作为提前终止CU划分的判决 条件,通过增加SATD的计算进一 步减少PU模式选择的RDO候选列表的个数从而减少率失真代价计算的快速算法。实验结果 表明,与x265的标准算法相比, 该算法在平均峰值信噪比(PSNR)仅减少0.028dB和码率平均增加1.27%的情况下,能够平均减少32.34%的帧内编 码时间。     

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。     

Fast algorithm based on the sole- and multi-depth texture measurements for HEVC intra coding

In High Efficiency Video Coding (HEVC), intra coding plays an important role, but also involves huge computational complexity due to a flexible coding unit (CU) structure and a large number of prediction modes. This paper presents a fast algorithm based on the sole- and multi-depth texture measurements to reduce the complexity from CU size and prediction mode decisions. For the CU size decision, evaluation results in the CU coding with one and multiple depths are utilized to classify CUs into heterogeneous, homogeneous, depth-prominent and other ones. Fast CU size decisions are made for different kinds of CUs. For the prediction mode decision, the tendencies for different CU sizes are detected based on multiple depths. The number of searching modes is decreased adaptively for the CU size with fewer tendencies. Experimental results show the proposed algorithm by off-line training reduces 53.32% computational complexity, with 1.47% bit-rate increasing.     

面向VVC帧内编码的快速CU划分和角度模式决策

多功能视频编码(versatile video coding,VVC)是 最新的视频编码标准,与高效视频编 码(high efficiency video coding,HEVC)相比进一步提高了压缩效率,但由于引入了包括 二 叉树和三叉树在内的多类树结构,同时帧内角度模式从35种增加到67种,导致编码复杂度剧 增。为了降低计算复杂度,本文提出了一种基于快速编码单元(coding unit,CU)划分和角度 模式决策的VVC帧内编码算法。首先根据自适应标准差阈值对CU纹理复杂度进行分类,初 步缩减划分模式列表;然后采用Sobel梯度算子确定纹理方向,跳过非最优划分模式;最后 根据统计结果筛选淘汰掉概率小于2%的 角度模式。实验结果表明,与VTM-2.1相比,该算 法能节省51.05%的编码时间,BDBR (Bjontegarrd delta bit rate)仅上升1.98 %。