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。     

基于决策树的HEVC SCC帧内编码快速算法

为减少HEVC屏幕内容编码的编码时间,提高编码 效率,本文提出了一种基于决策树的HEVC屏幕内容帧内编码快速 CU划分和简单PU模式选择的算法。对视频序列特性分析,提取有效的特征值,生成决策树模 型。使用方差、梯度信息熵和 像素种类数用于生成CU划分决策树,使用平均非零梯度、像素信息熵等用于生成PU模式分类 决策树。在一定深度的决策 树模型中,通过对相应深度的CU的特征值的计算快速决策当前CU的划分与PU模式的类型。这 种利用决策树做判决的算法 通过减少CU深度和PU的模式遍历而降低编码复杂度,达到快速帧内编码的效果。实验结果表 明,与HEVC屏幕内容的标 准算法相比,该算法在峰值信噪比(PSNR)平均下降0. 05 dB和码率 平均增加1.15%的情况下,能平均减少30.81% 的编码时间。     

3D-HEVC深度图帧内预测快速编码算法

三维高效视频编码在产生了高效的编码效率的同时也是以大量的计算复杂性作为代价的。因此为了降低计算的复杂度,本文提出了一种基于深度学习网络的边缘检测的3D-HEVC深度图帧内预测快速算法。算法中首先使用整体嵌套边缘检测网络对深度图进行边缘检测,而后使用最大类间方差法将得到的概率边缘图进行二值化处理,得到显著性的边缘区域。最后针对处于不同区域的不同尺寸的预测单元,设计了不同的优化方法,通过跳过深度建模模式和其他某些不必要的模式来降低深度图帧内预测的模式选择的复杂度,最终达到减少深度图的编码复杂度的目的。经过实验仿真的验证,本文提出的算法与原始的编码器算法相比,平均总编码时间可减少35%左右,且深度图编码时间平均大约可减少42%,而合成视点的平均比特率仅增加了0.11%。即本文算法在可忽略的质量损失下,达到降低编码时间的目的。     

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%。     

基于模式分组的帧内预测模式快速选择算法

针对高效率视频编码(HEVC)帧内预测中增加的预测模式引起的的粗选择模式(RMD)与率失真优化(RDO)算法计算复杂度高的问题。本文充分利用候选模式集中排列第一的预测模式与最优预测模式之间的强相关性,提出了一种基于模式分组的帧内预测模式快速选择算法,有效的降低了HEVC帧内预测算法的计算复杂度。实验表明本文所提出的算法与HEVC的测试模型HM10.0相比,在保证视频质量和码率基本不变的前提下(码率仅增加了0.78%,Y-PSNR只降低了0.12dB),减少了41.8％的编码时间,提高了编码效率。     

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。     

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。     

利用纹理结构的HEVC快速帧内模式选择算法

高性能视频编码（HEVC）是刚确立的最新一代的视频编码标准。对于帧内编码,HEVC最大的特点是采用了从64×64至8×8的编码单元划分和35种帧内预测模式,HEVC通过遍历所有的分块和帧内预测模式,选取最优的预测方式,这种帧内预测方式在提高预测精度的同时也大大增加了编码的计算复杂度。为了降低帧内预测的计算复杂度,HM2.0版以上的HEVC测试软件采用一种基于两步预测的快速帧内模式选择算法。在此基础上本文首先提出了一种基于纹理方向的快速粗选方案,减少参与计算的粗选模式数,进而提出基于结构相关的决策方法,利用同质图像区域的纹理相似性,减少参与率失真代价函数计算的候选模式数量,进一步降低了帧内预测计算复杂度。实验结果表明,本文所提出的快速算法,在保持编码质量基本不变的条件下,可以使基于两步预测的快速帧内模式选择时间缩短25%。      

基于HEVC帧内预测的复杂度控制

帧内预测在视频编码中是非常重要的模块.在视频实时编码与传输过程中,场景切换会经常出现.此时,一般会采用全Ⅰ帧编码.研究发现,即使是全Ⅰ帧编码,也往往会非常耗时.基于编码单元深度范围和帧内预测中候选预测方向个数研究了HEVC编码器的复杂度控制问题.针对不同的目标编码复杂度,算法自适应地选择不同的方法来优化编码过程.实验结果表明,该算法在保证视频质量的前提下实现了对不同复杂度目标的控制.     

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。     

基于快速编码单元划分和自适应模式决策的HEVC效率改进算法

为提高HEVC在实时视频中的编码效率,文中提出了基于快速编码单元划分和自适应模式决策的HEVC效率改进算法。通过利用上边和左边相邻编码单元的分离深度信息,确定当前编码单元能否提早分离或提早结束。当不满足该条件时,利用训练帧在线学习确定率失真代价阀值使编码单元可以尽早结束其四叉树分离。通过最小的率失真代价模式和第二小的率失真代价模式减少候选集的数量并确定候选集CS₅。然后最优化CS₅以减少候选率失真优化数量,最后进行率失真优化计算选择最优模式,达到减少预测模式数量的目的。实验结果证实,与HM标准测试结果相比,文中算法在保证编码质量的前提下可降低45.93%的视频编码时间,仅伴有0.597 8%的BDBR上升。     

基于空域相关性的快速HEVC帧间预测方法

分析了对应CU分块与其空域上相邻的4个CU之间的相关性,根据分析的最大出现概率的PU模式,以及当前PU分块与前一帧对应不同尺寸CU分块之间的空域相关性,提出了一种基于时域和空域相关性的快速HEVC帧间模式判决方法,跳过当前最大编码单元中各层CU中冗余的PU模式,从而降低了编码的计算复杂度。实验结果显示,与HM7.0相比,该方法在仅仅损失了0.21%~1.66%压缩率和0.01~0.09 dB峰值信噪比的前提下,降低了52.3%~63.5%的编码时间。     

快速帧内预测模式选择新方法

为了提高编码性能,H.264采用了RDO(率失真优化),但与此同时带来的是计算复杂度的增加.本文着重分析了H.264中快速帧内预测模式选择的问题.为了降低帧内预测模式选择的计算复杂度,提出了一种高效的快速帧内预测模式选择算法.首先,对Pan的基于边缘方向直方图的快速算法进行了改进,同时提出了基于参考象素特征的4×4快速帧内预测模式选择算法,并将两者进行了结合.实验结果表明,本文算法和H.264校验模型JM61相比,I帧编码时间降低61%~69%,而PSNR基本保持不变,输出码率仅略有增加;与Pan的基于边缘方向直方图快速算法相比,本文算法的I帧编码时间降低12%~33%,PSNR和输出码率均基本保持不变.     

基于帧内空间域预测的快速纹理逼近算法

H.264标准中推荐的全搜索算法存在计算量大、耗时长的缺点,对此提出了一种基于部分模式进行预测的帧内空间域快速纹理逼近预测算法,并对该算法进行了分析和试验,证明该算法在模式选择上较FS可以提高3～6倍的速度,可有效地提高预测效率.     

面向绘制质量的深度图像快速帧内编码

与彩色视频用来直接显示不同,在三维视频系统中深度视频序列的作用是在绘制虚拟视点时提供所需的几何信息,所以直接将现有编码算法应用于深度图像存在一定的局限性.针对深度视频序列的作用以及深度图像自身特征,提出了一种面向绘制质量的深度图像快速帧内编码方法,该方法包括基于深度图像统计特性和空域相关性的图像区域划分算法、HEVC的快速编码单元(CU)和预测块(PB)决策算法和帧内编码模式预先选择算法.实验结果表明:与直接利用HEVC测试软件编码深度视频相比,该快速算法在保证几乎相同的主客观绘制质量的前提下,每个视点的编码速度平均提升了35％以上.     

一种H.264/AVC帧内预测模式的快速选择算法

H.264/AVC帧内预测技术采用率失真优化策略进行最优化编码模式选择,提高了I帧的编码效率,但同时也提高了计算复杂度。本文提出了一种帧内预测模式的快速选择算法,基于亮度块的方向特性,通过一些复杂度不大的计算,选择少数几个可能性较大的预测模式进行率失真代价计算,得到最佳亮度预测模式,并以 计算代替率失真代价计算选择最佳色度预测模式,降低了计算复杂度,提高了编码速度。实验结果表明,本文提出的算法在保证图像质量的同时,编码时间平均降低了48%,而码率增加很小。