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.     

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...     

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%。     

一种基于预测频度的AVS/H.264快速4×4帧内预测模式选择算法

提出了一种新颖的4×4快速帧内预测模式选择算法。该算法挖掘了帧内预测算法本身的部分性质,即不同像素在不同预测方向中的频度权重不同这个特点,同时利用了子块的平滑性与相关性,设计了3个能快速命中预测模式的自适应门限。实验表明本算法能在几乎不改变PSNR的情况下大幅度降低4×4帧内预测复杂度。     

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。     

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。     

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。     

基于空间相关性的H.264快速自适应模式选择算法

为了减小H.264编码器的复杂度,提出了一种帧间预测模式快速自适应选择算法。该算法首先利用运动补偿后残差宏块的统计信息,将需要计算率失真代价函数的候选模式减少为一个模式组中包含的模式子集;然后根据相邻的左块和上块的模式,从所选择的模式子集中选出出现概率最高的两种模式来计算并比较率失真代价函数,选出代价最小的模式作为最佳模式。实验表明,本算法平均可以节省编码时间约65%,同时PSNR下降约为?0.24dB,有利于实时应用。     

基于空时相关性的变采样率分块视频压缩感知

现有的基于自适应采样率的分块视频压缩感知方案通常根据时域相关性大小将图像块分为不同种类块,并分别分配不同采样率。这种采样率分配方式对分类判决阈值较为敏感,导致图像分类判决结果不可靠。针对此问题,在对图像块分类判决中综合运用空域-时域相关性,以提高图像块分类判决结果的可靠性。首先根据时域相关性利用阈值对当前图像块进行初次分类;其次利用空域相关性对初次分类结果进行校正,确定最终分类判决结果。与现有变采样率方案相比,提出的方案可获得2 dB左右的峰值信噪比增益。     

Depth video spatial and temporal correlation enhancement algorithm based on just noticeable rendering distortion model

Spatial and temporal inconsistency of depth video deteriorates encoding efficiency in three dimensional video systems. A depth video processing algorithm based on human perception is presented. Firstly, a just noticeable rendering distortion (JNRD) model is formulated by combining the analyses of the influence of depth distortion on virtual view rendering with human visual perception characteristics. Then, depth video is processed based on the JNRD model from two aspects, spatial and temporal correlation enhancement. During the process of spatial correlation enhancement, depth video is segmented into edge, foreground, and background regions, and smoothened by Gaussian and mean filters. The operations of the temporal correlation enhancement include temporal–spatial transpose (TST), temporal smoothing filter and inverse TST. Finally, encoding and virtual view rendering experiments are conducted to evaluate the proposed algorithm. Experimental results show that the proposed algorithm can greatly reduce the bit rate while it maintains the quality of virtual view.     

An efficient scalable intra coding algorithm for spatial scalability in enhancement layer

Scalable video coding (SVC) is attractive due to the capability of reconstructing lower resolution or lower quality signals from partial bit streams, which allows for simple solutions adaptted to network and terminal capabilities. This article addresses the spatial scalability of SVC and proposes an efficient H.264-based scalable intra coding algorithm. In comparison with precious single layer intra prediction (SLIP) method, the proposed algorithm aims to improve the intra coding performance of the enhancement layer by a new inter layer intra prediction (ILIP) method. The main idea of ILIP is that up-sampled and reconstructed pixels of the base layer are very useful to predict and encode those pixels of the enhancement layer, especially when those neighbouring pixels are not available. Experimental results show that the peak signal to noise ratio (PSNR) data of luminance component of encoded frames are improved, and both bit-rates and computation complexity are maintained very well. For sequence Football, the average increase of PSNR is up to 0.21?dB, while for Foreman and Bus, they are 0.14?dB and 0.17?dB, respectively.     

基于转移概率的多视点视频快速模式选择算法

针对多视点视频编码(MVC)中部分大宏块模式(SKI P/DIRECT模式,帧间16×16模式)相对于其它模式的计算复杂 度低,并且在编码所确定的最优模式中占有相当高比重的特点,本文提出一种基于转移概率 的多视点视频 快速模式选择算法。首先根据多视点视频当前编码宏块对应时间和视点间宏块及周围宏块的 位置几何关系, 建立宏块模式参考模型;其次比较参考模型中模式的时间相似度和视点间相似度;最后计算 模式之间的转 移概率,确定提前结束大宏块模式选择过程的阈值。实验结果表明,本文所提出的快速算法 平均节约MVC时间80.93%,编码质量平均下降0.04dB,码率平均增加0.27%。     

基于时空相似性的跨域目标关联分析方法

多业务域目标聚合是情报分析的核心问题之一,为解决跨域目标关联分析工程化实现,提出了一种时空相似计算的分析方法。首先,对接收到的目标时空数据进行处理,形成元数据;其次,按照预定义的数据模型,从元数据中抽取目标信息;再次,通过时空相似度计算,对目标间的时空信息进行分析,得到目标间的时空关系;最后,利用先验知识对目标时空关系进行约束,实现从时空关系到语义关系的转换。数值仿真验证了该方法能够简单有效地实现跨域目标关联分析。     

基于感兴趣区域的自适应帧内更新编码算法

针对视频压缩码流对信道差错异常敏感的问题,提出了一种基于感兴趣区域的自适应帧内更新编码算法。该算法利用人眼的视觉感知特性设计感兴趣区域提取模型,根据信道差错累积情况自适应调整帧内更新编码策略,将更少的失真分配给人眼感兴趣区域,提高差错信道下传输视频图像的主客观质量。实验结果表明,与基于端到端失真的帧内更新算法相比,在不同的信道丢包条件下,所提算法可以获得更好的主客观质量,感兴趣区域的峰值信噪比(PSNR)平均提高0.87 dB左右,提高了差错信道下视频通信的鲁棒性。     

基于单深度帧内模式的3D-HEVC深度视频信息隐藏算法

针对三维(3D)视频系统中深度视频的安全问题,利 用一种全新的信息嵌入载体,提出 一种基于单深度帧内模式(single depth intra mode)的3D高效视频编码(3D-HEVC)深度视 频信息隐藏算法。首先,对采用单深度帧内模式编码的编码单元(CU)根据 相邻块重建像素构建像素候选列表,并比较候选列表中的两个像素值;然后,为增加算法的 安全性、保证 视频的质量,在像素值相等和不相等的情况下分别根据密钥和后续块的预测模式范围选择嵌 入块;最后, 根据隐秘信息对嵌入块候选列表所选像素的索引值进行LSB调制。实验结果表明,本文算 法平均每帧嵌入容 量为244bit,编码重建深度视频绘制视点质量的峰值 信噪比(PSNR)值和结构相似度(SSIM)值仅分别平均下降1.41×10－3 dB和6×10－6,码率平均增长0.12%,可见本文算法对3D视频的主观感知质量及码率影响很小。