一种VVC帧内编码单元快速划分算法

为了降低下一代通用视频编码(VVC)帧内预测编码单元(CU)划分的计算复杂度,提出一种基于梯度幅值相似度的CU快速划分方法.首先,计算当前编码单元下层的四个子编码单元的平均梯度幅值相似度偏差(MGMSD),根据该信息来确定当前编码单元是否进行四叉树划分或不划分.其次,当不满足四叉树划分和不划分的条件时,通过遍历得到三叉...     

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%。     

基于深度学习帧内编码快速划分算法

为降低H.266/VVC(versatile video coding)帧内编码复杂度，提出一种基于纹理分类的卷积注意力机制神经网络CBAM-CNN(convolutional block attention module-convolution neural network)模型的快速帧内编码单元划分方法，替代嵌套多类型四叉树QTMT(quadtree with nested multi-type tree)的遍历搜索。综合考虑每个编码单元CU(codinguint)纹理特征，建立基于阈值的纹理分类模型，判断64×64的编码单元是否划分；设计并训练一种CBAM-CNN网络模型，预测32×32,16×16CU的划分结果。仿真结果表明，所提算法使帧内编码时间平均减少43.217%,编码比特率仅增加0.894%,有效降低了帧内预测的编码复杂度。     

结合随机森林的FVC帧内编码单元快速划分

目的 未来视频编码（FVC）是在高效视频编码标准（HEVC）的基础上提出的新一代编码技术,复杂度极高。针对现有的基于HEVC的快速编码方法不适用于FVC中的四叉树加二叉树编码结构或节省时间有限的问题,提出了一种结合随机森林的FVC帧内编码单元（CU）快速划分算法。方法 针对FVC中的四叉树加二叉树结构进行优化。首先,提取视频编码过程中的各CU的图像纹理特征和划分结果;然后,分别使用各划分深度下的纹理特征和划分结果进行在线训练,建立多个随机森林模型,不同深度的CU对应不同的模型;最后,使用模型对视频其余帧的CU进行划分结果预测,从而减少了划分模式遍历和率失真代价计算的次数,节省了编码时间。结果 实验结果表明,与原始平台算法相比,本文算法能够节省44.1%的时间,在相同峰值信噪比的情况下,比特率仅上升2.6%;与当前先进的方法相比,能进一步节省20%以上的时间。结论 通过提取图像的纹理特征,建立随机森林模型,对CU划分结果进行预测,在保证编码率失真性能的前提下,有效地降低了FVC的帧内CU划分复杂度。     

基于线性四叉树的快速邻域查询算法

邻域查询是位置服务系统的核心技术,它的实现取决于空间对象数据模型.根据空间对象分布构建的四叉树模型,以及线性四叉树中位置码的使用,提出了一种新的基于线性四叉树的快速邻域查询算法.该算法根据满四叉树结点编码思想对线性四叉树的Morton码进行了改进,并增加了表示四叉树所有结点状态的序列,通过网格模型的邻域查询算法实现了线性四叉树的快速邻域查询.     

基于随机森林分类的HEVC帧内CU快速划分算法

针对HEVC帧内编码中递归式四叉树编码单元（Coding Unit,CU）划分引起的高计算复杂度问题,提出了基于随机森林分类（Random Forest Classifier,RFC）的CU快速划分算法。该算法包括模型离线训练和CU快速编码算法两部分。在模型离线训练中,将CU最佳划分结果（+1,－1）作为分类标签,将当前CU的对比度、逆差矩和熵信息作为特征属性,训练RFC模型。在编码时,提取当前CU的特征属性值,利用训练好的RFC模型快速预测当前CU的划分结果。实验结果表明,该算法与HEVC的标准算法相比,在保证编码质量的前提下,平均可以节约45.18%的编码时间。     

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.     

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...     

低复杂度HEVC帧内编码快速划分算法

高效视频编码(HEVC)在H.264之上实现了显著的编码性能.但是却以明显的编码复杂度为代价获得了性能上的提高,其中,由于对所有可能的编码单元(CU)进行基于率失真优化的遍历搜索,因此编码树单元(CTU)最耗时的部分就是CU的划分.为了解决此类问题,本文提出了一种基于纹理分类的深度卷积神经网络(CNN)模型来对CTU的...     

基于率失真代价的SCC帧间快速算法

为降低屏幕内容编码的计算复杂度,提出一种针对编码单元(CU)划分和预测单元(PU)模式选择的快速算法。根据时空域相邻CU的深度信息及平均率失真代价,对CU划分进行早期决策。依据merge模式的率失真代价均值,终止PU模式的选择过程。实验结果表明,与SCM6.0相比,该算法在平均码率仅增加1.59%的情况下,编码时间节省了35.4%,有效降低了编码的计算复杂度。     

基于时空域相关性的屏幕内容帧间快速编码算法

针对屏幕内容视频帧间编码的高复杂度问题,提出了一种基于时空域特性的帧间快速编码算法。首先,根据运动静止检测算法将待编码帧分为静止帧和运动帧;然后,对运动和静止帧分别采用不同的编码策略。对于静止帧,在统计分析时域对应编码单元（CU）分割深度和预测模式的基础上,确定CU最佳分割深度和最优预测模式。对于运动帧中的静止最大编码单元（LCU）,利用时域相关特性提前终止CU分割,模式选取则只针对大尺寸模式进行预测;对于运动帧中的运动LCU,根据其相邻LCU的运动静止特性确定CU分割深度以及预测模式。实验结果表明,所提算法相比原始编码平台,在BDBR平均上升3.65%的情况下,编码时间平均节省46.40%。所提算法在率失真性能损失可接受的前提下,有效地降低了屏幕内容视频帧间编码复杂度,有利于屏幕内容视频的实时应用。     

基于运动特性的HEVC帧间模式快速决策算法

针对高性能视频编码采用四叉树结构大大增加了编码复杂度的问题,提出了一种基于运动特性的帧间模式快速决策算法。首先,对不同运动区域下的编码单元（Coding Unit,CU）块,利用当前CU与空时域相邻CU深度相关性减少当前CU深度的遍历范围;然后,依据当前CU与其时空域相邻CU及上一深度CU对应的预测单元（Prediction Unit,PU）在空间划分上的相似性,减少PU模式的遍历范围,加速帧间预测过程。实验结果表明,相比于HM16.9,在不同编码接入方式下该算法可平均降低54%左右的编码时间,且输出比特率增加较少。     

利用运动信息及率失真代价的HEVC帧间快速算法

针对高效视频编码（HEVC）帧间预测过程所引入较高的复杂度,分别提出提前决策skip模式,编码单元（CU）提前终止分割以及变换单元（TU）提前终止分割。首先,根据自然视频序列多采用skip模式,利用当前块和空间相邻块的已编码信息提前决定skip模式;其次,为了避免编码不必要的深度,利用先前已编码块的率失真代价（rdcost）决策[CU]提前终止分割;最后,利用当前预测残差块的纹理复杂度决策TU的提前终止分割。实验结果表明,提出的算法最终可以节省编码时间43.78%,同时造成bj?ntegaard delta bit rate（BDBR）的损失为1.675%。通过实验数据的比较,在对视频质量的影响忽略不计的情况下,能够很大程度上减少复杂度。     

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。     

Square-type-first inter-CU tree search algorithm for acceleration of HEVC encoder

In this paper, a fast inter-coding algorithm is proposed to reduce the computational load of HEVC encoders. The HEVC reference model (HM) employs the recursive depth-first-search (DFS) of the quad-tree search in terms of rate-distortion optimization in selecting the best coding modes for the best CU, PU, TU partitions, and many associated coding modes. The proposed algorithm evaluates the RD costs of the current CU only for its square-type PUs in the top-down search of the DFS. When the CU partition with the square-type PU is better than its sub-level CU partitions in terms of RD cost in bottom-up search of the DFS, the square type of current CU partition, along with its coding mode, is selected as the best partition. Otherwise, non-square-type PUs for the current CU level are evaluated. If the sub-partition is better than the CU with the non-square PUs, the sub-partition is finally selected as the optimum PU. Otherwise, the best non-square PU is selected as the best PU for the current level. Experimental results demonstrate that the proposed square-type-first inter-PU search can reduce the computational load in average encoding time by 66.7 % with 1–2 % BD loss over HM reference software. In addition, the proposed algorithm can yield an additional average time saving of 26.8–35.5 % against the three fast encoding algorithms adopted in HM.     

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。     

基于纹理特征的HEVC帧内编码快速算法

为了降低高效视频编码（HEVC）帧内编码的复杂度,提出了一种基于编码块纹理特征的帧内编码快速算法.首先,对当前编码单元（CU）进行预处理,获取CU的纹理复杂程度和方向特性.其次,根据纹理复杂度决定部分CU是否划分,跳过率失真代价计算,减少不必要的划分与裁剪.然后,根据纹理方向减少帧内预测模式的数量,降低帧内预测过程的复杂度.实验结果表明,在全I帧模式下快速算法与HM10.0相比,码率（BR）上升0.649%,峰值信噪比（PSNR）降低0.059 dB,帧内编码时间平均减少56.18%.     

Fast transcoding from H.264 to HEVC based on region feature analysis

The new video coding standard, High Efficiency Video Coding (HEVC), achieves much higher coding efficiency than the state-of-the-art H.264. Transcoding H.264 video to HEVC video is important to enable gradual migration to HEVC. Therefore, a fast H.264 to HEVC transcoding algorithm based on region feature analysis is proposed. First, each frame is segmented into three regions in units of coding tree unit (CTU) based on the correlation between image coding complexities and coding bits of the H.264 source stream. Then the searching depth range of each CTU is adaptively decided according to the region type. After that, motion vectors are de-noise filtered and clustered in order to analyze the region features of coding unit (CU). Based on the analysis results, the minimum searching depth of CU and partitions of prediction unit (PU) are optimally selected, and the motion vector predictor and search window size of motion estimation are also optimally decided for further reduction of the computational complexity. Experimental results show that the proposed algorithm achieves a significant improvement on transcoding speed, while maintaining high Rate-Distortion performance.