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%。     

基于改进的Canny算子的HEVC帧内模式选择

针对HEVC中帧内预测模式选择算法复杂度问题,提出了一种基于改进的Canny算子的HEVC帧内模式选择算法. 首先,通过改进的Canny边缘检测算子提前分析预测块的方向,将此方向相应的角度预测模式加入到候选模式集中;其次,利用图像空间相关性,将相邻预测单元的最优帧内预测模式添加到候选模式集中,最后,通过RDO代价进行帧内模式选择. 实验结果表明,与粗选择模式相比,该算法将候选模式数目从35种减少到不超过9种,算法编码时间平均减少32%,而BD-Rate损失仅为0.096%,并且编码后的主观图像质量基本没有变化.     

基于HEVC的帧内快速模式选择算法

为了解决高效率视频编码(High Efficiency Video Coding,HEVC)复杂度过高的问题,基于粗粒度模式选择(Rough Mode Decision,RMD)过程提出一种降低编码复杂度的方法。该算法充分利用了RMD候选队列的相似程度和预测模式在方向上的相关性这两个特性,进一步减少了进入率失真优化过程(Rate Distortion Optimization,RDO)的预测模式数量,达到了降低编码复杂度的目的。实验结果表明,该算法在编码质量损失0.5%的情况下节省了近22%的编码时间。     

多层次细粒度并行HEVC帧内模式选择算法

在众核平台上并行加速是解决高效视频编码(high efficiency video coding, HEVC)标准编码复杂度高的有效方法.传统的粗粒度并行方案如Tiles和WPP未能在并行度和编码质量之间取得较好的平衡,对编码质量影响较大或者并行度不高.充分挖掘HEVC帧内模式选择中的并行性,提出了一种在CTU内使用的多层次细粒度的帧内模式选择算法.具体说来,对帧内模式选择过程进行了子任务划分,分析并消除了相邻编码块之间多种阻碍并行计算的数据依赖关系,包括帧内预测参考像素依赖、预测模式依赖和熵编码依赖等,实现了同一个CTU内所有层次的细粒度编码块的代价计算和模式选择并行进行.将算法在Tile-Gx36平台上实现,实验结果表明此并行算法与HEVC参考代码HM相比能获得18倍的整体编码加速比而且编码质量损失较小(码率上升3%).     

HEVC帧内预测Planar和DC模式的VLSI架构设计与实现

在研究新一代高性能视频编码标准（HEVC）帧内预测中planar和DC模式预测算法的基础上,分别设计了高效VLSI架构,通过状态机的自适应控制和模块的复用来实现速度的提高和面积的减少。针对planar模式,设计了一种基于状态机自适应控制的寄存器累加架构;针对DC模式,设计了一种基于算法的分割处理架构。实验结果表明,所设计的架构在TSMC180 nm的工艺下最高频率为350 MHz,面积合计为68.1 kgate,能够实现对4∶2∶0格式7 680×4 320@30 f/s视频序列的实时编码,最高工作频率可以达到23.4 MHz。     

基于HEVC的帧内预测模式决策和编码单元划分快速算法

针对高效视频编码（HEVC）帧内预测过程中的高计算复杂度问题,提出一种基于纹理特征的预测模式选择和编码单元划分的快速帧内预测算法。利用每一深度层纹理方向强度判断编码单元是否需要进行分割,并且减少候选模式数量。首先,在每一深度层编码单元上结合像素方差,以像素点为单位计算相应的纹理方向强度,确定其纹理复杂度并结合阈值策略预测最终划分深度;其次,比较垂直和水平方向强度关系及统计预测候选模式概率分布,以减少预测模式数量,确定最优候选模式子集,进一步降低编码复杂度。所提算法与平台HM15.0相比,编码时间平均节省51.997%,BDPSNR（Bjontegaard Delta Peak Signal-to-Noise Rate）仅降低0.059 dB,BDBR（Bjontegaard Delta Bit Rate）仅上升了1.018%。实验数据表明,在保证信噪比和比特率基本不变的同时,所提算法能有效降低编码复杂度,利于HEVC的实时视频应用。     

HEVC帧内预测Planar和DC模式的VLSI架构设计

在对新一代高效视频编码（High Efficiency Video Coding，HEVC）帧内预测Planar和DC模式算法分析的基础上，分别提出了高效的超大规模集成电路（Very Large Scale Integration Circuit，VLSI）设计方案，旨在解决处理延时较长、资源占用较大的问题。针对Planar模式，提出一种在重组、合并算法的基础上，预测块复用的架构；针对DC模式，提出一种dcValue计算和滤波的基本块分离、各自复用不同块的架构。实验结果表明：所提架构与其他两种同类型架构相比，Planar模式实现平均处理延时减少了21%，资源消耗分别减少了14.7%和7%；DC模式实现平均处理延时减少了55%，同时资源消耗减少了22%和15%，能够满足1?920×1?080@30?f/s视频序列实时编码的需求。     

基于局部边界特性的HEVC帧内快速预测算法

HEVC(High Efficiency Video Coding)的编码性能足可以达到H.264/AVC的两倍。在帧内编码方面HEVC的性能提高主要来自于更精准的预测模式和更灵活的分块大小,同时带来了巨大的计算复杂度。为了大幅降低编码复杂度,提出的算法利用视频的局部纹理特性,首先用索贝尔算子提取当前编码单元CU(Coding Unit)的局部边界信息。分析边界信息后,停止不包含明显边界的CU的子块划分,对包含明显边界的CU快速选择预测方向为边界纹理方向。实验结果证明,提出的算法可以在视频质量基本不变的情况下,使帧内编码复杂度降低近一半。     

利用时空相关性的HEVC帧内编码块快速划分

目的 为了提升高效视频编码（HEVC）的编码效率,使之满足高分辨率、高帧率视频实时编码传输的需求。由分析可知帧内编码单元（CU）的划分对HEVC的编码效率有决定性的影响,通过提高HEVC的CU划分效率,可以大大提升HEVC编码的实时性。方法 通过对视频数据分析发现,视频数据具有较强的时间、空间相关性,帧内CU的划分结果也同样具有较强的时间和空间相关性,可以利用前一帧以及当前帧CU的划分结果进行预判以提升帧内CU划分的效率。据此,本文给出一种帧内CU快速划分算法,先根据视频相邻帧数据的时间相关性和帧内数据空间相关性初步确定当前编码块的编码树单元（CTU）形状,再利用前一帧同位CTU平均深度、当前帧已编码CTU深度以及对应的率失真代价值决定当前编码块CTU的最终形状。算法每间隔指定帧数设置一刷新帧,该帧采用HM16.7模型标准CU划分以避免快速CU划分算法带来的误差累积影响。结果 利用本文算法对不同分辨率、不同帧率的视频进行测试,与HEVC的参考模型HM16.7相比,本文算法在视频编码质量基本不变,视频码率稍有增加的情况下平均可以节省约40%的编码时间,且高分辨率高帧率的视频码率增加幅度普遍小于低分辨率低帧率的视频码率。结论 本文算法在HEVC的框架内,利用视频数据的时间和空间相关性,通过优化帧内CU划分方法,对提升HEVC编码,特别是提高高分辨率高帧率视频HEVC编码的实时性具有重要作用。     

高效帧内预测模式选择算法

帧内预测技术是H.264不同于以往标准的特点之一.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,提出了一种新的帧内预测模式选择算法.算法通过相邻宏块预测模式相关性原则、预测模式尺寸预先选择原则、提前中止原则来加快编码速度.实验结果表明,与全搜索算法相比,在编码质量相近的情况下,能够节省51.01%～72.91%的编码时间,与FIMDA算法相比,能够节省15.63%～27.31%的编码时间.     

H.264/AVC快速帧内预测模式选择算法*

提出一种基于边缘方向预测模式度量的快速预测模式选择算法,通过对当前4×4 块帧内预测方向的度量,根据估计的块边缘方向来选择候选预测模式。实验结果表明,与全搜索算法相比,该算法在保证图像质量和比特率基本不变的前提下,编码时间平均减少了40%,提高了编码效率。     

一种H.264/AVC中帧内快速预测方法研究

文章详细分析了H.264/AVC中帧内预测的模式选择过程,并且提出一种快速的Intra_4×4模式选择算法。该算法根据相邻块预测模式相关性及各预测模式的相关性在计算RD_cost前先对帧内9种模式进行预判断,选择与最可能模式相关的模式作为候选模式,可预先避免计算超过50%的可能性小的模式,从而使帧内预测的复杂度降低,同时基本保持了H.264/AVC的编码性能。     

H.264帧内预测模式的快速选择算法

为了降低H.264标准中帧内预测模式选择的复杂度,提出一种快速的帧内预测方法.H.264采用率失真优化(RDO)算法,通过计算所有预测组合模式的率失真代价来确定宏块的最优编码模式,其计算复杂度非常大.提出的帧内预测快速选择方法利用宏块的绝对误差和(SAD)来缩小预测模式的范围,减少帧内预测的计算量,从而提高模式判别的速度.实验结果表明,在图像质量和码率基本保持不变的情况下,该算法使Ⅰ帧的编码速度提高约76%.     

相同编码参数HEVC视频重压缩检测

目的 视频重压缩是视频取证技术的重要辅助性手段。目前,不同编码参数进行压缩的高效视频编码（high efficiency video coding,HEVC）视频重压缩检测已经取得较高的准确度,而在前后采用相同编码参数压缩过程中,HEVC视频重压缩操作的痕迹非常小,检测难度大。为此,提出了在相同编码参数下基于视频质量下降机制的视频重压缩检测算法。方法 在经过多次相同编码参数压缩后,可以观察到视频的质量趋于不变,利用视频质量下降程度可以区分单压缩视频和重压缩视频。本文提出I帧预测单元模式（intra-coded picture prediction unit mode,IPUM）和P帧预测单元模式（predicted picture prediction unit mode,PPUM）两类视频特征,即分别从I帧和P帧中的亮度分量（Y）提取预测单元（prediction unit,PU）的模式。从待测视频中提取IPUM和PPUM特征,将HEVC视频以相同的编码参数压缩3次,每次提取上述特征。由于I帧、P帧中不同尺寸的PU数量相差较大,应选取数量较多的PU作为统计特征。统计平均每一I帧、P帧在相同位置第n次压缩和第n+1次压缩不同的PU模式,构成6维特征集送入支持向量机（support vector machine,SVM）进行分类。结果 本文方法在CIF（common intermediate format）数据集、720p数据集、1 080p数据集的平均检测准确度分别为95.45%,94.8%,95.53%。在不同的图像组（group of pictures,GOP）和帧删除的情况下均具有较好的表现。结论 本文方法利用在相同位置连续两次压缩不同的PU模式数来揭示视频质量下降的规律,具有较高的准确度,且在不同情况下均有较好表现。     

HEVC 熵编码算法优化

新一代视频编码标准HEVC提供了更加灵活的编码工具选择,在提高压缩率的同时也提高了编码的计算复杂度。由于可选择更大的变换单元以及编码中更强的系数间依赖关系,在率失真优化（RDO）模式选择过程中,HEVC熵编码的计算复杂度显著高于H．264/AVC。为了解决这一问题,本文对HEVC熵编码算法进行优化,通过优化熵编码的上下文空间选择过程、非零系数的编码结构,以及对不同大小的变换矩阵进行整体优化。实验结果表明,本文提出的优化算法能够在保证视频编码质量基本不变的同时,平均降低约43％的熵编码时间。     

基于纹理特征的H.264/AVC帧内预测模式快速选择算法

H.264/AVC视频标准中的帧内编码通常采用率失真优化技术,通过遍历所有可能的编码模式,选择其中一个具有最小率失真代价的模式作为最佳帧内预测编码。率失真优化技术在提高编码可靠性、准确性、抗误码率的同时,增加了编码的复杂度和搜索时间。在分析标准帧内预测的情况下,计算当前4×4块和重建4×4块的残差值,若小于某一阈值可提前结束宏块编码,反之则利用图像块的纹理方向与预测模式选择之间的相关性,提出一种快速的帧内4×4块预测模式选择算法。该算法在结合改进的Canny算子和平方梯度法的基础上,提取出当前块的纹理方向,并详细分析了纹理方向与预测模式之间的对应关系。实验仿真在H.264/AVC的参考模型JM13.2平台上完成。结果表明,与标准算法相比,该算法在编码码率持平和峰值信噪比保持不变的前提下,编码时间有较大幅度的下降。     

高效视频编码中变换跳过模式的快速选择

目的新一代高效视频编码(HEVC)标准采用了灵活的块结构和大量新颖的编码工具,有效提高了视频编码效率。变换跳过模式作为一种新增加的模式,可以有效地提高编码效率,但是也显著地增加了编码的复杂度,增加了实时编码应用的难度。因此提出一种针对变换跳过模式的提前剪枝算法。方法通过分析不同率失真代价下是否选择变换跳过模式的残差块的分布情况,最终选取率失真代价的平方根作为阈值,并建立了量化参数与阈值之间的模型。之后可以根据量化参数提前计算得到阈值大小,减少变换跳过模式的编码次数,从而降低变换跳过模式的复杂度。结果由于最终只需要对少量的块进行变换跳过模式编码,并且使用模型得到经验阈值并不会额外增加复杂度,因此能减少编码器的计算复杂度。实验结果表明,与标准编码器相比,该算法对于不同场景的标准测试序列平均峰值性噪比和平均比特率变化都非常小,平均减少了70%的变换跳过模式编码的次数。结论该变换跳过模式的剪枝算法,选取率失真代价的平方根作为阈值,根据本文模型获取不同量化参数下的经验阈值,对是否需要进行变换跳过模式提前判断。实验结果表明,该算法能在保证视频编码质量的前提下有效地降低由于加入变换跳过模式增加的编码复杂度。     

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。