HEVC中的变换系数熵编码优化算法

在高性能视频压缩标准中,由于熵编码算法的高度复杂性和变换系数的庞大计算量,使得变换系数编码成为影响视频编码效率的瓶颈之一。根据变换系数大都是零或一些绝对值较小的数,以及两类熵编码方法各自的特点,提出一种针对变换系数熵编码的优化算法,通过减少上下文自适应算术编码字节的数量达到提高变换系数熵编码效率的目的。实验结果证明,与标准的HM 10.0算法相比,采用所提算法可以在QP为2,12和22时分别减少37.31%,26.34%和20.63%的编码时间。     

基于HEVC视频标准的熵编码过程

HEVC(High Efficiency Video Coding)作为最新一代国际视频编解码标准,主要针对高清或超高清视频的编解码,在保证视频图像质量的前提下,可以实现将视频码率再次压缩一半。文章分析了HEVC标准中采用的一些关键技术:灵活的编码结构、大尺寸变换单元结构、改进的去方块滤波技术以及HEVC的并行性处理,然后对HEVC标准的码流结构以及编码单元的熵编码过程做了重点分析。最后,简要地对即将进行的硬件设计工作提出了一些方法。     

基于LightGBM的HEVC编码单元快速划分算法

针对高效视频编码帧间预测过程中,编码单元率失真代价计算导致编码复杂度较高的问题,提出一种基于LightGBM的高效视频编码标准（High Efficiency Video Coding,HEVC）快速划分算法。算法将编码单元（Coding Unit,CU）的划分情况视为分类问题,采用LightGBM对CU块进行划分分类预测。实验结果表明,在低时延模式下,该算法与标准编码器相比,平均码率变换率增加1.95%,平均节省的编码时间效率为27.72%,具有较高的编码效率。     

HEVC中基于四叉树结构的分块模式编码算法研究

高效率视频编码（High Efficiency Video Coding,HEVC）作为新一代视频编码标准,在当前高清视频压缩传输领域具有广阔的应用前景。为保证视频编码效率,降低编码计算复杂度,文章提出一种基于四叉树结构的分块模式HEVC编码算法。该算法在保证高质量编码性能的基础上,有效降低了编码算法的计算复杂度,提高了编码效率。     

基于交替背景模型的HEVC编码研究

在电影、电视剧中,由于拍摄手法的模式化导致了视频中存在大量的背景交替现象。这种背景交替过程中存在着类似监控视频的背景冗余。然而,目前并没有一个方法可以针对性的提高这一类视频的编码效率。针对该现象,提出了以交替背景模型为基础的HEVC编码方式。在编码过程中,自适应交替更新双重背景,并利用交替背景对CU进行分类后减少不必要的模式选择。实验结果表明,基于交替背景模型的HEVC编码方法成功提高了含有背景交替现象的影视作品的编码效率,并不影响不含背景交替现象的视频编码效率。     

转置容错熵编码

为提高视频传输的鲁棒性,通过对容错熵编码(EREC)方法的研究,提出一种将数据块进行转置操作的容错熵编码(TEREC)方法。将数据进行空频变换编码,如小波变换或者离散余弦变换(DCT),优先传输所有数据块中的低频系数。由于变换后的低频系数对解码的重要性高于高频系数,在通过不等差错保护信道编码后,可以明显降低丢包造成的解码错误。容错熵编码和转置容错熵编码的对比结果表明,使用后者能使性能得到平均2dB的提高。     

基于深度预测的HEVC编码单元快速划分算法

高效视频编码HEVC(High Efficiency Video Coding)采用计算复杂度较高的率失真优化方法对编码单元CU(Coding Unit)划分进行判决,具有较高的时间复杂度,编码所需时间较长。为降低HEVC编码复杂度,加快编码速度,提出一种基于深度预测的CU快速划分算法。首先依据当前CU与周围相邻CU和参考帧中当前位置CU的深度相关性,预测当前CU的最优深度,然后使用相邻相关分割法或依据当前CU深度和预测深度的关系对当前CU进行递归划分。为减少预测带来的误判,在CU深度级别由2级到3级的划分中,使用率失真或百分比的方式进行二次判定。实验结果表明,该算法与原始的HEVC编码方法相比,在亮度峰值信噪比减小0.07 d B,编码比特率增加0.88%的情况下,整体编码单元划分时间缩短37.7%,具有较高的时间效率。     

HEVC快速编码深度选择算法

高效视频编码（High Efficiency Video Coding,HEVC）作为下一代新的视频编码标准,旨在有限网络带宽下传输高质量的网络视频。与现有的视频编码标准相比,高效视频编码具有更高的灵活性和压缩率。编码单元（Coding Unit,CU）是视频编码处理的基本单元,原有的算法通过四叉树递归获取最佳CU深度,在提高视频压缩性能的同时引入了较高的计算复杂度。针对该问题,提出了一种快速编码深度选择算法,该算法利用相邻CU的深度信息计算一个深度预测特征值,通过该特征值进行深度选择,以避免不必要的计算,降低计算复杂度。实验结果表明,该算法在保证视频压缩效果的同时有效降低了计算复杂度。     

针对HEVC编码单元的二分深度划分算法

为了降低高效率视频编码（HEVC）的编码单元（CU）进行四叉树递归遍历的时间,提出一种改进的编码单元快速划分算法.首先,利用帧间时间域的相关性,提取前一帧相同位置CU的最优划分结构,以预测当前CU的划分深度;然后通过改进编码CU结构划分遍历的算法,减少CTU （Coding Tree Unit）四叉树结构的遍历,即从二分深度开始遍历,在每一步遍历之前,判断是否提前终止遍历.实验表明,与HM15.0中的基准划分算法相比,本文算法能够在保证编码性能的同时,降低了55.4%的编码时间,提高了HEVC的编码效率.     

基于HEVC屏幕图像编码的哈希表的优化算法

仿2维匹配算法对屏幕图像中的非连续色调区域有很好的压缩性能,但该算法中哈希表的空间开销较大,不利于硬件实现。为了减小哈希表的空间,通过对原算法优化提出了一种3字节计算哈希值方法,将源数据看作是一个由以YUV三元组为元素组成的数据集合,然后以YUV三元组为单位计算哈希值,这样不但减少了哈希值的计算量,而且使哈希表的存储空间得到很大的节省。实验结果表明,3字节计算哈希值方法使哈希表的存储空间减少为原算法的1/3,所测试屏幕图像的BD-rate性能也有所提高。     

利用深度学习的HEVC帧内编码单元快速划分算法

新一代视频编码标准高效视频编码(High Efficiency Video Coding,HEVC)中编码单元(Coding Unit,CU)大小不同的特性使得编码效率得到显著提升,但同时带来了极高的计算复杂度.为了去除CU划分中多余的计算从而降低编码复杂度,本文提出了一种利用深度学习的编码单元快速划分算法.首先使用原...     

一种HEVC帧内预测快速算法

HEVC作为新一代的视频编码标准,比现有H.264标准的压缩效率提高近一倍,但其存在复杂度较高的问题。为此,针对HEVC中帧内预测最耗时的模块,即编码单元块划分模块和帧内预测模式选择模块,提出一种适合HEVC帧内预测的快速算法。该算法将率失真(RD)代价作为阈值参数,利用候选模式集中预测模式被选中概率快速递减的规律,基于RD代价进行帧内预测块划分和帧内预测模式选择。实验结果表明,该算法在相同编码质量条件下可减少59%的HM10.0帧内预测模块复杂度,相应比特率的增加幅度小于1.34%。     

基于图形信息的HEVC帧间预测快速算法

由于最新的视频编码标准HEVC（high efficiency video coding）应用四叉树的递归结构进行编码单元的划分,使得帧间预测的过程极为复杂,编码的时间效率比较低下。针对HEVC帧间预测过程,提出了一种基于纹理信息和稳定区域检测的快速算法,旨在检测出相对平坦的区域和随时间变化较稳定的区域,来提前终止四叉树的编码单元的划分。这些平坦或者稳定的区域用较大的编码预测单元就能进行比较准确的运动估计和预测,不需要再进行更小编码预测单元的划分,因此HEVC编码器的时间复杂度大幅度降低。实验结果表明,改进后的算法编码时间平均节省了34%左右,并且造成的视频质量损失非常低,有0.038 dB的PSNR下降和0.56%的码率增加。     

一种面向HEVC的编码单元深度决策算法

新一代高性能视频编码(HEVC)标准采用灵活的四叉树自适应存储结构、可变尺寸的编码块、35种帧内预测模式等新技术,能够有效提升HEVC的编码效率,但也造成了更高的编码复杂度。为此,提出一种基于时空相关性的编码单元深度决策算法。融合关联帧编码单元的深度信息及当前帧相邻编码单元的深度信息,从而预测当前编码单元的深度范围。实验结果表明,与HEVC标准测试算法相比,该算法能在不明显影响编码质量的基础上平均减少30.2%的编码时间。     

一种快速HEVC编码单元决策算法

分析高效视频编码标准(HEVC)的编码单元算法,针对当前视频编码标准计算复杂度大的问题,基于相邻编码单元相关性和纹理特性,提出一种快速HEVC编码单元决策算法。该算法统计当前编码单元和相邻编码单元的相关性,分析编码单元的纹理复杂度,并没定合理的阈值,决定检测是否提前终止,以此快速找到最优编码单元。仿真结果表明,该算法与HEVC参考软件HM8.0相比,在码率增加忽略不计的情况下,编码时间平均缩短了37.4%,最高可达48.2%。     

HEVC视频编码器快速算法

高效视频编码(HEVC)采用了多种先进的编码工具来大幅度提高压缩效率,但同时也带来了高的编码复杂度。考虑到LCU编码时需遍历所有的CU模式、PU模式和TU模式,来确定当前LCU的最优模式组合,其过程耗时较大。针对这点本文分别对CU、PU和TU提出模式判决过程优化算法,同时,每一种PU模式在进行运动矢量搜索时复杂度较高,继而提出运动估计优化方法。实验结果表明,相比于原始的HEVC编码方法,高速模式判决算法可将编码速度提高近15～20倍。     

基于纹理四叉树的快速HEVC帧内编码算法

针对高效视频编码(HEVC)中编码单元(CU)进行四叉树递归遍历时间较长的问题,提出一种基于纹理四叉树的快速HEVC帧内编码算法。采用Sobel算子对当前视频图像提取边缘,利用最大类间方差法剔除弱边缘并保留强边缘。通过递归方式对边缘图中的每个64×64单元建立纹理四叉树,使用视频图像的纹理四叉树结构对CU最优分割组合进行预测。对于不同大小的分割单元,无需完全递归遍历所有的CU深度,从而缩小CU搜索范围,节省编码时间。实验结果表明,与HEVC标准算法相比,该算法亮度分量的码率平均增加了0.50%,信噪比和编码时间分别减少了0.03d B和28.70%。     

基于HEVC与聚类算法的计算机桌面图像压缩算法

对基于HEVC与聚类算法的计算机桌面图像压缩方案进行研究,将计算机桌面图像进行自适应块分类,利用颜色聚类算法对块进行颜色聚类,简化颜色总类、节省码流、改善编码性能。再利用HEVC帧内预测编码算法对块进行压缩,为高清分辨率计算机桌面图像网络共享,提供高效的图像压缩方法。     

基于运动矢量细化的帧率上变换与HEVC结合的视频压缩算法

将帧率变换技术与新型视频压缩编码标准HEVC相结合有利于提升视频的压缩效率。针对直接利用HEVC码流信息中的低帧率视频的运动矢量进行帧率上变换时效果不理想的问题,文中提出了一种基于运动矢量细化的帧率上变换与HEVC结合的视频压缩算法。首先,在编码端对原始视频进行抽帧,降低视频帧率;其次,对低帧率视频进行HEVC编解码;然后,在解码端与从HEVC码流中提取出的运动矢量相结合,利用前向-后向联合运动估计对其进行进一步的细化,使细化后的运动矢量更加接近于对象的真实运动;最后,利用基于运动补偿的帧率上变换技术将视频序列恢复至原始帧率。实验结果表明,与HEVC标准相比,所提算法在同等视频质量下可节省一定的码率。同时,与其他算法相比,在节省码率相同的情况下,所提算法重建视频的PSNR值平均可提升0.5 dB。     

基于结构相似度的HEVC感知SBAC-RDO算法

HEVC熵编码器采用率失真优化(RDO)技术在码率和图像质量之间达到了较好的平衡。但是HEVC仍然沿用传统的客观失真准则,并不能很好地体现人眼的主观视觉特性。结构相似度SSIM(Structural SIMilarity)在人类视觉特效匹配上具有一定的优越性。将SSIM引入到HEVC熵编码的率失真模式判决中,同时根据图像的运动强度一致性修正拉格朗日因子。实验结果表明:与HM10.0的率失真优化算法相比,所提出的算法取得了2.1%到2.7%的平均增益。