基于HEVC标准视频框架下帧内预测技术的研究

新一代视频编码标准HEVC采纳当前视频主流压缩技术研究的新成果,使其编码性能基本达到H.264/AVC标准的2倍,然而随着这种压缩性能提高的同时也加剧了编码计算的复杂度。该文针对此难题,对HEVC在块划分层面和预测模式筛选上的优化进行了研究,以期提高编码速度。     

基于时域相关性的HEVC快速帧内预测算法

根据视频序列时域相关性强的特性,提出了一种基于时域的HEVC快速帧内预测算法。在帧间预测中,通过在参考帧中运动搜索找到当前预测单元(PU)的帧间最佳匹配块,当搜索当前PU的帧内预测模式时,把帧间最匹配参考块遍历帧内模式时的最佳帧内模式,当作当前PU进行帧内预测时的最佳帧内模式,以达到减少帧内预测模式数量,降低计算复杂度的目的。实验结果表明,在码率和图像质量基本不变的情况下,提出的算法将HEVC帧内预测时间平均减少了33.79%。     

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。     

一种复杂度可分级的帧内预测方法

提出了一种复杂度可分级的帧内预测方法.利用相邻图像块纹理的相关性,选择概率大的部分预测模式对当前图像块进行处理,实现帧内预测复杂度的初步分级;然后根据复杂度冗余的大小,选择更多的预测模式进行处理,实现复杂度的精细分级.实验表明:本文方法不需要额外开销,可实现帧内预测复杂度的任意分级.     

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。     

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。     

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。     

分级自适应的HEVC帧内预测模式快速选择算法*

针对HEVC帧内预测编码计算复杂度高的问题,提出了一种基于分组自适应的帧内预测模式快速选择算法.该算法抽选12个候选模式进行预测方向初步判断,然后根据初步判断结果再精选预测模式;并根据粗选的HCost代价排除部分可能性较低的候选模式,以达到减少候选模式数量,降低计算复杂度的目的.在HEVC参考软件HM12.0上的测试表明,该算法在BD-PSNR平均损失0.041 dB的情况下,平均可降低36.521％的编码时间,显著提高了编码速度.实验结果显示,该算法的适应性强,对不同尺寸、不同纹理和运动特点的测试序列均有明显效果,具有良好的实际应用价值.     

基于Node-Cell结构的HEVC帧内编码

随着视频传输和广播的发展,高分辨率视频的应用也越来越广泛,为了更好地适应高清视频内容,JCT-VC(Joint Collaborative Team on Video Coding)工作组制定了具有更高压缩效率的新一代视频压缩标准HEVC(High Efficiency Video Coding)。HEVC中的帧内预测包括Angular预测模式、planar模式等。基于Node-Cell结构的帧内预测方法在Angular预测基础上实现了双向预测,提供了更多的模式选择和更高的预测精度。Node-Cell结构中所有像素在当前块被分成两个子集,node像素点和cell像素点,node像素的重建值被用于内插预测cell像素。新增的帧内模式信息被设计为表示下采样率,它由该编码单元的细节及复杂度决定。为了保证重建质量,node像素和cell像素的残差均被发送到解码器。实验结果表明Node-Cell结构会提高预测精度。     

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。     

高性能视频编码帧间预测的单元划分优化算法

新一代的高性能视频编码(HEVC)通过应用各种先进技术来大幅提高视频编码的性能,然而,这些方法也大大增加了整个编码过程,尤其是预测编码阶段的计算复杂度。该文提出一种应用于高性能视频编码帧间预测的快速单元划分算法。该算法基于HEVC灵活的四叉树结构,根据被编码单元的运动特性来确定所编码信息的阈值,并以此作为单元划分的提前终止条件,从而减少了不必要的单元划分操作和率失真代价的相关计算,达到节省编码时间和降低编码复杂度的目的。实验结果表明,在峰值信噪比(PSNR)损失仅为0.0418 dB的情况下,所提算法可以平均降低46.1%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...     

一种新的用于屏幕图像编码的HEVC帧内模式

由于传统编码方式对屏幕图像的编码效果不佳,该文根据屏幕图像包含大量非连续色调内容的特点,在HEVC(High Efficiency Video Coding)基础上,提出一种新的帧内编码模式称为帧内串匹配(Intra String Copy, ISC)。基本思想是在HEVC的编码单元(Coding Unit, CU)级别上,引入字典编码工具：编码时,在一定长度的字典窗口内,利用散列表,对当前CU内的像素,进行串搜索和匹配;解码时,根据像素串匹配的距离和匹配长度,在重建缓存内复制相应位置像素重建当前CU像素。实验结果表明,在编码复杂度增加很少的情况下,对于典型的屏幕图像测试序列,在全帧内(All Intra, AI),随机接入(Random Access, RA),低延迟(Low-delay B, LB)3种配置下,有损编码模式比HEVC分别节省码率15.1%, 12.0%, 8.3%,无损编码模式分别节省码率23.3%, 14.9%, 11.6%。     

SVM based approach for complexity control of HEVC intra coding

The High Efficiency Video Coding (HEVC) is adopted by various video applications in recent years. Because of its high computational demand, controlling the complexity of HEVC is of paramount importance to appeal to the varying requirements in many applications, including power-constrained video coding, video streaming, and cloud gaming. Most of the existing complexity control methods are only capable of considering a subset of the decision space, which leads to low coding efficiency. While the efficiency of machine learning methods such as Support Vector Machines (SVM) can be employed for higher precision decision making, the current SVM-based techniques for HEVC provide a fixed decision boundary which results in different coding complexities for different video content. Although this might be suitable for complexity reduction, it is not acceptable for complexity control. This paper proposes an adjustable classification approach for Coding Unit (CU) partitioning, which addresses the mentioned problems of complexity control. Firstly, a novel set of features for fast CU partitioning is designed using image processing techniques. Then, a flexible classification method based on SVM is proposed to model the CU partitioning problem. This approach allows adjusting the performance-complexity trade-off, even after the training phase. Using this model, and a novel adaptive thresholding technique, an algorithm is presented to deliver video encoding within the target coding complexity, while maximizing the coding efficiency. Experimental results justify the superiority of this method over the state-of-the-art methods, with target complexities ranging from 20% to 100%.     

一种HEVC快速帧内模式判断算法

针对HEVC帧内预测模式判断过程较为复杂的问题,提出了一种快速帧内模式判断算法.通过将35种帧内预测模式进行分级计算,利用其中17种模式即能得出最佳预测模式.实验结果表明,与参考编码算法相比,所提出的帧内模式判断算法可以降低约53％的计算量,且编码压缩率几乎不变.