基于纹理的H．264/AVC帧内预测块选择快速算法

针对帧内预测中的Intra_16×16、Intra_8×8及Intra_4×4预测块选择提出了一种基于纹理的快速帧内预测块模式选择算法.该算法的原理是在做帧内预测之前,首先利用方差对区域纹理的平滑度和粗糙度进行估计,然后从Intra_16×16、Intra_8×8及Intra_4×4中选择一种块进行模式预测.通过方差和阈值相结合的方法来决定块预测模式,减少了算法复杂度,提高了压缩效率.实验结果表明,当考虑Intra_8×8预测块时,编码时间减少了50%以上,当不考虑时。编码时间减少了20%以上.与此同时,码率和峰值信噪比(PSNR)基本保持不变.     

基于递推模式的帧内预测快速算法

针对H．264帧内预测中存在的边缘像素预测不精确问题,提出一种基于递推模式的帧内预测算法．利用宏块内部像素之间相关性更强的特点,参考同一块内已经预测过的像素预测其他像素．为了降低H．264帧内编码的复杂性,提出一种基于递推模式的帧内预测快速算法．利用4×4块在空域和频域上的特性,采用层次性结构选择需要考察的候选模式,减少帧内预测所要计算的模式数量．根据4×4块与16×16宏块之间的关系,充分利用4×4块的预测结果,快速选择16×16宏块的预测模式．实验结果证明:与以前的快速算法不同,这种基于递推模式的快速算法不仅能在很大程度上减少预测以及重构的计算量,降低帧内编码的计算复杂度,还能提高帧内编码的效率．     

H.264帧间模式选择新算法

基于H.264视频序列连续2帧时间与空间邻域内已编码宏块(MB)的模式上下文信息,自适应地为当前编码宏块选择合适的候选模式类. 把亮度16×16块和8×8块各自包含的4×4残差子块的变换系数绝对值和组成2个矩阵,利用在其上定义的梯度值分别设计了新颖的宏块级和亚宏块级模式选择准则. 实验结果表明,与joint video team(JVT) J033和JVT K021中提出的模式选择快速算法相比,本算法分别平均节省了近11％和7％的编码时间,而几乎没有带来编码率失真性能损失.     

一种基于H.264的帧内模式选择快速算法

帧内预测模式选择是影响H.264编码速率的瓶颈问题。在分析H.264帧内预测算法基础上,提出了一种快速模式选择算法。该算法利用16×16块帧内预测后的SAD值判断是否能够跳过4×4块帧内预测;在4×4块帧内预测中根据SAD特征缩小候选模式范围。实验结果表明：该算法较大地提高了帧内编码速度,同时保证图像质量下降在可接受范围之内。     

H.264帧内预测快速算法

在研究H．264帧内预测算法的基础上，提出一种新颖实用的自适应帧内预测快速算法．首先，利用前一帧和当前帧对应位置宏块的帧内预测模式进行预测，从而减少当前宏块的预测模式数量，降低编码复杂度；然后根据量化因子。自适应地插入使用各种帧内预测模式的修正帧，并改变候选预测块的数量来保证帧内预测快速算法的准确性．实验结果表明，在码率增加小于3％，恢复图像平均峰值信噪比下降不到0．04dB的情况下，使用帧内预测快速算法，编码速度可提高22％～35％，满足实时视频通信的要求．该算法与H．264标准兼容，可用于实际视频通信产品．     

一种新的H.264快速帧内预测模式选择算法

对H.2641AVC帧内预测模式选择算法进行了分析,通过采用亚采样方案计算边缘方向、利用边缘矢量幅值进行预测模式判决和在一定条件下提前结束Intra_4×4模式等方法对PAN算法进行了改进.结果表明,该方法在不影响图像失真度和码率性能的前提下,降低了帧编码时间,减小了编码复杂度.     

基于H.264帧内模式快速选择算法

H．264采用RDO技术选择帧内预测模式以进一步提高编码的效率,但同时大幅度增加了预测的复杂度．本文提出一种快速帧内模式选择算法,该算法首先依据图像的纹理特征从9种Intra-4×4的预测模式中选出4种备选模式,然后再根据SATD的特征以及相邻块的预测模式之间的相关性,选出最佳预测模式,从而有效减少预测模式,避免了不必要的RD_Cost计算．实验证明,该算法提高编码时间效率约为35%,而峰值信噪比的减少很小．     

基于宏块特征的H.264快速帧内预测算法

为了降低H.264的计算复杂度以满足实时应用,在对H.264帧内编码模式深入研究的基础上,提出利用宏块灰度直方图特征在Intra4×4和Intra16×16模式中预判,针对Intra4×4模式采用基于子块预测方向特征的快速帧内预测算法.综合以上2种优化策略,该优化算法平均码率增加了3.2%,峰值信噪比基本不变的情况下,编码速度平均提高了32.8%.     

利用边缘方向检测实现H.264帧内预测编码的新算法

提出了一种能够快速实现帧内预测编码的新算法,该算法先利用宏块分割进行宏块边界方向检测,得到图像纹理的方向,只在最可能的几个模式中进行模式选择,从而降低了运算量．对不同的视频测试序列的仿真结果表明,使用该算法后帧内编码时间平均可以减少72.64％．同时保持相近的图像压缩质量和码率水平．     

基于相邻像素的帧内预测算法

为了解决H．264帧内预测中运动物体边缘预测不精确的问题,提出了一种基于块内相邻像素的帧内预测算法．根据块内相邻像素相关性更强的特点,采用层次结构,分阶段预测待编码块内像素．在保证模式方向特性的前提下,充分利用块内已经预测过的像素作为参考,预测其他像素,重新统计最优模式的分布规律,基于统计结果确定该算法的预测模式顺序．实验结果证明,这种基于相邻像素的帧内预测算法可以解决预测不精确的问题,提高帧内编码效率．     

H.264/AVC子像素插值的高性能流水线设计及实现

针对在H.264/AVC视频解码系统中子像素插值过程复杂度高的问题,提出一种子像素插值的2层流水线设计方法.第1层流水机制是当8×8分割块内部4个4×4块具有相同的运动信息时,基于4×4分割块参考像素读取和插值运算的两级流水,实现了不同4×4块插值过程的并行操作.第2层流水机制利用插值运算算法中1/2像素值之间的无依赖性以及水平和垂直插值运算过程的对称性,加速了各子像素位置处的像素插值运算过程.核心插值运算单元包括13个6阶滤波器、4个双线性插值滤波器和4个色度插值滤波器.插值运算过程的并行流水机制至少缩减了75%的插值运算时间.实验结果表明,与其他同领域工作相比,该架构设计的硬件开销较小,外部存储器访问量降低了47%,子像素插值性能提高了30%.     

一种改进的H.264帧内预测模式选择算法

针对H.264帧内预测模式选择中失真估计不准确和计算量大的问题,提出一种改进的H.264帧内预测模式选择算法。该算法首先对像素的递归失真估计方法进行改进,较为准确地估计了多种帧内预测模式下的预测失真,然后利用相邻块预测模式的相关性预先筛除部分预测模式,降低了H.264中帧内预测的复杂度。与JM参考软件的对比结果表明,该优化算法能在保证很好的图像质量的同时,将帧内预测模式选择的时间减少60%以上,有效地提高了视频图像的编码效率和视觉质量。     

HEVC运动估计中SAD算法的动态可重构实现

高效视频编码（HEVC）标准中引入的不对称分割模式导致运动估计算法中绝对差值和（SAD）运算量成倍增加.为了提高运动估计算法的执行效率,方便用户进行自主选择,设计了同时支持不对称分割模式开启和关闭2种执行模式以及执行模式间自由切换的可重构阵列结构.为了满足用户要求编码速度的同时,最大限度地利用可重构阵列处理器的资源,在阵列结构为16×16个处理元中通过加载16×8、16×4以及16×2个处理元的指令来进行阵列规模的动态重构,采用指令下发的方式将不同的指令发送到对应处理元进行相应配置.实验结果表明,所提出的可重构实现方式在硬件资源占用量接近条件下,相较于流水化实现处理时间减少了约35%,吞吐量提高了约0.4倍.该实现具有较高的执行效率,能够进行执行模式与阵列规模的切换,具有较好的灵活性.     

基于人类视觉系统的自适应水印嵌入算法

为了保证水印算法的良好性能，在许多文献中提出自适应水印技术。但是，大多数算法根据单一参数对图像块进行分类，无法实现最优嵌入。为此，提出了一种新颖的基于DCT变换域的自适应数字水印嵌入算法。该算法首先将原始图像块按照图像块的多个特性参数分成不同的类，在嵌入过程中考虑到人类视觉系统（HVS）的特点，在不同类的块中嵌入不同的水印能量，从而使算法具有自适应能力。仿真实验表明，该算法对常见的一些数字图像处理操作具有较强的鲁棒性，同时能保证含水印图像的质量。     

H.264帧内快速预测算法的研究

新一代视频压缩标准H.264/AVC使用率失真优化算法在提高压缩率的同时增加了计算复杂度。为了减少计算复杂度,提出了一种快速帧内预测算法。通过MAD（平均绝对误差）均值对宏块进行4×4块和16×16块预判,再根据SATD（残差绝对值总和）代价函数计算Cost值,排除较小可能性的模式,缩小4×4块的预测模式范围。用标准视频序列对该算法验证,结果表明该算法在保证峰值信噪比的前提下,节省了预测时间.     

色度域亮度域信息融合的监控视频重压缩取证

为解决当前视频重压缩取证方法没有考虑色度域信息、取证准确度低的问题,提出一种面向最新多用途视频编码(versatile video coding, VVC)标准色度域亮度域信息融合的监控视频重压缩取证方法(CLF-SVRF)。基于VVC标准的编码原理,从监控视频的色度域和亮度域维度分析并确定VVC视频码流中与压缩次数密切相关的基础码流特征;基础码流特征包括色度域和亮度域编码单元(coding unit, CU)的划分类型及预测模式;结合拉格朗日率失真优化技术分析随着压缩次数的增加,色度域亮度域CU划分类型和预测模式的变化;进一步确定色度域亮度域CU划分类型和预测模式可以作为检测视频压缩次数的基础码流特征;接着考虑视频监控应用对重压缩取证方法低复杂度的需求,基于色度域亮度域CU划分类型和预测模式构建低复杂度高级码流特征;将高级码流特征输入支持向量机完成监控视频的重压缩取证。实验结果表明,与当前先进方法相比,CLF-SVRF方法的监控视频重压缩取证准确度平均提升了13.53%,同时可以大幅度地降低重压缩取证耗时,重压缩取证时间平均减少了47.42%。     

一种自适应HEVC视频编码行列变换跳过模式

降低比特率是视频压缩编码的首要任务。视频编码中帧内和帧间预测后残差块存在结构性纹理,其纹理特性与正交变换之间存在以下因果关系:当纹理较强时,正交变换后能量集中的效果较差;反之则相反。因此,根据残差的水平和垂直方向的纹理特性,提出一种自适应变换跳过模式。首先利用残差块纹理特性计算残差块水平和垂直方向的梯度值,分别求出水平和垂直方向梯度绝对值的和,通过大量实验统计,得出经验的水平或垂直方向梯度的阈值,根据该阈值选择跳过水平或者垂直变换,以达到更好的编码性能。接着,根据变换跳过模式提出了一种自适应扫描模式。仿真结果表明:所提出的方法与目前的HEVC参考软件HM4.0相比,在编码时间少量增加的情况下,码率减少了0.82%～8.92%,同时提高了峰值信噪比(PSNR)。