H.264/AVC帧内预测模式快速选择算法研究

在H.264/AVC中,采用帧内预测来提高帧内编码的效率,色度块尺寸为8×8,亮度块包括4×4和16×16两种尺寸。其中,色度块8×8有4种预测模式,亮度块16×16有4种预测模式,而亮度块4×4有9种预测模式,这么多模式选择大大增加了编码的复杂性。文中介绍一种基于RDO的单阈值快速算法和一种基于RDO的双阈值快速算法,并阐述了两种算法在性能上的优越性。     

H.264/AVC帧内预测模式快速选择算法研究

在H.264/AVC中,采用帧内预测来提高帧内编码的效率,色度块尺寸为8×8,亮度块包括4×4和16×16两种尺寸。其中,色度块8×8有4种预测模式,亮度块16×16有4种预测模式,而亮度块4×4有9种预测模式,这么多模式选择大大增加了编码的复杂性。文中介绍一种基于RDO的单阈值快速算法和一种基于RDO的双阈值快速算法,并阐述了两种算法在性能上的优越性。     

H.264/AVC帧内预测模式快速选择算法研究

提出一种H.264/AVC帧内预测模式快速选择算法,该算法利用差值直方图和Prewitt梯度算子检测图像纹理特性来选择编码模式。对于4×4子块首先利用Prewitt算子计算子块四个方向的梯度值,再通过坐标合成法得出该4×4子块的梯度向量,根据梯度向量来选择编码模式。对于16×16和8×8块,首先利用差值直方图判断图像纹理的平整性,然后再根据4×4块的算法计算纹理的方向性,对预测模式数量进行削减。实验结果显示,该算法在不影响图像的质量和码率的情况下,编码时间大约减少了65%。     

一种基于H.264/AVC的帧内预测模式快速选择算法

在H.264/AVC中,帧内编码是采用帧内预测来提高编码效率,其色度块尺寸为8×8,亮度块包括4×4和16×16两种尺寸。由于每种块可提供多种预测模式,因此这种多模式选择大大增加了编码的复杂性。针对这种多模式选择,为了加快编码速度,利用色度块和亮度块以及亮度4×4和16×16块模式选择之间的关系,提出一种基于RDO(rate d istortion optim ization)的不同判决依据的快速帧内预测模式选择算法。实验证明,在信噪比和码率变化不大的同时,该算法可使编码速度平均提高6倍。     

H.264帧内预测快速模式选择

H.264/AVC视频编码标准中用率失真优化(RDO)方法为一个宏块(MB)判决最佳编码模式来提高编码效果,加大了算法复杂度并且计算冗余大。为了克服这一缺点,一种快速帧内预测模式选择算法被提出。在色度预测中,根据宏块的色度纹理复杂度,把原先的4种模式降到1或2种;在亮度16×16块模式判决中,根据最小哈达玛变换的绝对误差和(SATD)来选择最佳模式;在亮度4×4块模式判决中,该算法在9种模式中选择3种可能模式作为候选模式。通过比较16个4×4块总代价与1个16×16块的代价来选择最佳块选择模式,实验表明,该算法能在节省69%左右编码时间的情况下,比特率与峰值信噪比(PSNR)保持不变。     

一种基于自适应阈值的H.264/AVC帧内预测模式快速选择算法

在H.264/AVC中,帧内编码采用帧内预测来提高编码效率.色度块尺寸为8×8,亮度块包括4×4和16×16两种尺寸,每种块提供多种预测模式,因此这种多模式选择极大地增加了编码复杂性.本文利用色度块和亮度块以及亮度4×4和16×16块模式选择之间的相关性,提出一种基于RDO(Rate distortion optimization)不同判决依据的快速帧内预测模式选择算法,并能够自适应调整阈值.实验结果表明与校验模型JM7.2相比在信噪比和码率变化不大的同时,能够使Ⅰ帧编码速度平均提高6倍,并可节约P帧25%的编码时间.     

一种基于H.264/AVC的帧内预测模式选择快速算法

视频编码标准H.264/AVC用帧内和帧间模式预测来提高率失真性能。但是这种多模式选择和穷举式搜索大大增加了编码复杂度。本文提出了一种帧内预测模式选择快速算法,其i核心思想是根据已确定的Intra_16x16最优预测模式来削减Intra_4x4块的预测模式数。通过本算法,可在比特率和PSNR值基本上不变的情况下使得H.264/AVC编码时间大为降低。     

H.264/AVC快速帧内预测模式选择新算法

为了得到最优模式,H.264采用了率失真优化(RDO)技术计算宏块的每种模式的代价,但是这样增加了计算复杂度。结合PAN算法提出了一种快速帧内预测模式选择算法,首先根据宏块是否平坦决定帧内预测的类型——帧内4×4和帧内16×16。其次,改进了PAN算法,提出了一种快速帧内预测模式选择的新算法。实验结果表明,新算法与全搜索算法和PAN算法相比,减少了编码时间,峰值信噪比(PSNR)基本保持不变,输出码率略有增加。     

H.264/AVC帧内预测模式决策算法研究

文章对H.264/AVC标准中帧内预测模式及其决策算法进行了深入研究。首先介绍了四类帧内预测模式及参考代码中所用的全搜索的模式决策算法;然后详细分析了基于边缘方向直方图和基于分组像素点的快速决策算法的原理,通过实验对两种快速算法的运算量及优化效果进行了比较和分析;最后对帧内预测模式及其决策算法进行归纳总结,并就编码精确度、编码运算量、优化帧间预测三个方面提出了帧内预测模式决策算法进一步研究和改进的方向。     

H.264/AVC高档次标准快速帧内模式选择算法研究

针对H.264/AVC高档次标准中帧内模式选择计算复杂度高的问题,提出一种新颖的基于纹理信息的快速帧内模式选择方法。利用绝对误差均值检测宏块的复杂度,选择块尺寸模式;利用平均绝对相邻像素差来检测图像块的纹理方向,筛选候选预测模式。实验结果表明,上述两部分算法单独使用都能够有效降低帧内模式选择的计算复杂度,使编码速度分别提高27%和64%,并且对率失真性能的影响可以忽略不计。利用整合后的综合算法,在率失真性能几乎保持不变的情况下,帧内编码速度提高超过70%以上。     

一种针对H.264/AVC的帧间模式快速选择算法

为了进一步减小宏块的帧间预测误差,新的视频编码标准H.264/AVC采用了可变块划分运动估计,极大地增加了编码器的复杂度.针对此问题,提出了一种快速的帧间模式选择算法,该算法利用已编码相邻宏块的时间和空间相关性信息预先检测图像,对图像各区域可能采用的编码模式进行判定,从而大大简化了模式选择的过程.实验结果表明,算法可以在图像质量基本保持不变的基础上,有效地降低编码的复杂度.     

一种用于H.264的快速帧内预测模式判别方法

提出了一种快速帧内预测模式判别的方法来减少H.264中帧内预测模式判别的时间。H.264采用拉格朗日率失真优化(RDO)模式判别方法来对帧内预测模式进行判别,但由于H.264提供了大量的帧内编码模式,使得计算量非常大,目的是在RD性能没有明显下降的情况下,减少帧内预测的计算量。提出的快速模式判别方法采用绝对变换差值和(SATD)以及绝对梯度和(SAG),来减少4×4和8×8块的帧内预测模式的数目,从而提高模式判别的速度。实验结果表明,该算法在编码增益减少不大的情况下,I帧的编码时间减少了50%~70%,整体的编码时间减少了大约10%~20%。     

利用宏块特征的H.264/AVC快速帧内模式决策

针对H.264帧内模式决策,提出一种快速算法。对于亮度分量,该算法根据待编码宏块平滑度的特点来设定条件,满足平滑条件则直接判断出采用intra_16×16四种预测模式中的哪种模式,对于不符合条件的采用intra_4×4预测模式,此时可以剔除部分不常用的预测模式;对于色度分量,可以根据人眼对色度不敏感这个客观事实来减少候选模式的数量,从而进一步降低编码时间。实验结果表明,该算法可以节省30%以上的编码时间,同时保持相似的视频质量。     

H.264帧内快速模式选择算法

帧内编码是H.264标准的一个重要组成部分,针对原标准的全搜索算法运算复杂度高,不能支持实时视频需要的问题,提出了一种基于模板和双阈值的快速算法,可以有效地减少计算复杂度。实验结果表明该算法可以在信噪比和码率变化不大的情况下,使编码时间平均减少42%。     

一种H.264/AVC帧间块模式抉择快速算法

传统的H.264/AVC帧间模式抉择采用的是所有模式全搜索的算法,计算量过大。针对这种情况提出了一种利用均匀区域、零运动矢量和小模式合并原理相结合的快速模式抉择算法,并用JM模型进行实验,结果表明,该算法可以在PSNR降低很少（不超过0.03dB）、码率增加不大(小于4％)的情况下提高编码效率,平均编码时间减少了60％以上。     

H.264/AVC快速帧内预测算法的研究

H.264/AVC采用先进的帧内预测技术,进一步提高了编码效率,但计算复杂度也随之增高。提出了一种快速的帧内预测算法。该算法充分利用宏块的MAD信息及时间/空间相关性,对宏块进行预判,在帧内4×4（I4）和帧内16×16（I16）预测模式之间进行选择;然后,针对I4预测,计算当前块与参考块之间的相似程度D(b_x,b_r),据此判断是否跳过当前块的模式选择过程,从而减少了编码时间。实验表明,与JM10.2相比,针对全I帧测试：编码时间平均减少约59.03%;针对IPPP测试：编码时间平均减少22.76%;SNRY和码率基本不变。并且,该算法有利于在硬件平台(FPGA)上实现,可用于实际的视频通信产品。     

一种基于H.264/AVC的快速帧间模式选择算法

为了解决帧间模式选择计算量大的问题,提出了一种快速算法。算法利用编码模式的利用率信息和时空相关性来预先判定当前宏块最可能的编码模式,从而大大加快了模式选择的过程。算法缩小了候选模式的范围,并采用阈值来提高预测准确度。仿真结果表明,该算法在编码质量只有轻微下降的情况下明显降低了计算复杂度。