结合全色度HEVC和有损字典算法的屏幕图像编码

鉴于传统视频压缩算法对屏幕视频编码的效果不理想,提出了一种误差限自适应的有损字典编码方案,并和全色度HEVC有机融合,形成LDSC(Lossy Dual-coder Single Chroma-sampling-rate)算法。该算法根据屏幕内容中不同类型区域的编码特性,自适应地选择率失真性能较好的编码结果放入码流。为了评价有损字典编码的性能,提出了基于匹配长度和匹配失真的LD-Cost(Length Distortion Cost)模型,并使用拉格朗日乘子法对模型进行分析和计算。对于有损字典编码过程中可能出现的误差积累现象,给出了可行的解决方案。实验结果表明,与基于无损字典编码的双编码器方案相比,在不损伤主观图像质量的前提下,LDSC算法能明显提高编码性能,对连续色调内容居多的屏幕视频也表现出更好的编码适应性,全I帧配置下BD-rate性能比基于无损字典编码的方案提高了3%~15%,与单纯使用HEVC相比,BD-rate性能提高了7%~49%。     

二维匹配跟踪自适应图像编码

提出一种基于二维可分离Gabor函数时频原子字典的自适应图像编码方法．该方法能够产生嵌入式、渐进PSNR的位流，并具有对感兴趣区域ROI优先编码的能力．它将原始图像表示成若干时频原子函数的线性叠加，这些时频原子取自冗余的时频原子字典，可以最佳匹配图像中所包含的各种结构特征．实验结果表明，该算法能够有效地捕捉图像中所包含的纹理和边缘等具有高频窄带的信号特征，在极低位率下该算法的图像恢复质量要优于零树SPIFIT编码算法．     

帧内微块复制的屏幕图像编码算法

针对现有的帧内块复制（IBC）算法不能很好地适应屏幕图像具有各种不同大小和形状样图的问题,为了进一步提高屏幕图像的编码效率,提出了一种帧内微块复制（IMBC）算法。该算法首先将当前编码单元（CU）划分成L个微块。然后以每个微块作为最小的匹配和复制单元,采用匹配微块组选择算法,在参考像素集合R中找到与当前微块最匹配的“参考微块”。用L个位移矢量（DV）来表示“参考微块”所在位置与当前CU所在位置的位移关系。最后,对L个位移矢量应用预测算法以消除位移矢量之间的相关性后进行熵编码。对于屏幕图像标准测试数据集合中的视频序列,IMBC算法与IBC算法相比,在编码复杂度增加较低的前提下,在全帧内（AI）、随机接入（RA）、低延迟（LB）三种编码配置中,有损BD-rate降低率分别达3.4%、2.9%、2.6%,无损Bit-rate降低率分别达9.5%、5.2%、5.1%,能有效提高屏幕图像的编码效率。     

基于HEVC屏幕图像编码的哈希表的优化算法

仿2维匹配算法对屏幕图像中的非连续色调区域有很好的压缩性能,但该算法中哈希表的空间开销较大,不利于硬件实现。为了减小哈希表的空间,通过对原算法优化提出了一种3字节计算哈希值方法,将源数据看作是一个由以YUV三元组为元素组成的数据集合,然后以YUV三元组为单位计算哈希值,这样不但减少了哈希值的计算量,而且使哈希表的存储空间得到很大的节省。实验结果表明,3字节计算哈希值方法使哈希表的存储空间减少为原算法的1/3,所测试屏幕图像的BD-rate性能也有所提高。     

一种改进的帧内运动估计屏幕图像编码算法

为了进一步提高屏幕图像编码算法的编码效率,提出了一种多微块划分帧内运动估计算法MMPIBC(Multi-Mini-Partition Intra Block Copying).对大小为8x8的CU块,分别采用不划分模式(IBC模式)和划分成16个规则的1x4水平条模式(MMPIBC模式).在运动矢量搜索的过程中,一次搜索出最优的IBC模式对应的1DV(Displayment Vector)以及MMPIBC模式对应的16DV.MMPIBC模式与其它模式进行RD cost比较,将率失真性能较好的编码结果写入码流.实验结果表明,与HEVC相比,MMPIBC算法平均节省比特率4.0%以上。     

基于调色板模式的屏幕视频帧内编码快速算法

基于HEVC的屏幕视频编码根据屏幕视频的特征,引入了调色板模式、基于Hash的块匹配算法等新技术。这些新技术虽然提升了编码的质量,但同时增加了编码器的复杂度。为降低屏幕视频编码器的复杂度,提出了一种基于调色板模式的屏幕视频帧内编码快速算法。该算法结合了屏幕视频的特征和帧内编码模式的空间相关性,有效地减少了帧内编码单元的模式搜索范围。该算法可以在保证视频编码质量的前提下,有效降低编码复杂度,减少编码时间。在屏幕内容编码的标准测试平台SCM5.4的实验结果显示,本算法可以降低21%的编码时间,同时只引起0.93%的BD-Rate的上升。     

采用二维增强的三维小波视频编码

提出了一种采用二维增强的三维小波视频编码方法，该方法将序列图像信号作为三维信号，把视频图像的帧内相关性和帧间相关性同时组织在一起构建小波系数。同时利用二维小波进一步刻画三维小波变换后低频子带内的信息特点，与单纯三雏小波变换相比，本文提出的方法在相同码率时具有较高峰值信噪比，特别在高压缩比情况下重建图像具有更好的视觉效果。     

基于DCT分类的边缘匹配矢量量化图像编码算法

提出一种基于DCT分类的边缘匹配矢量量化算法,充分考虑了当前处理图像块与其相邻图像块之间的相关性以及各码字与该输入矢量之间的边缘匹配失真.实验结果表明,该算法的峰值信噪比(PSNR)值高于基本边缘匹配矢量量化器且码率更低.本文对该方法进行了改进,提出一种新的基于DCT分类的边缘匹配矢量量化算法.该算法可以使运算时间缩短40%～5O%.     

HEVC快速帧内模式决策算法

在高效视频编码(HEVC)标准中,为降低编码单元和预测单元算法的计算复杂度,提出一种基于编码单元纹理和预测单元模式决策的快速帧内预测算法。通过统计编码单元的纹理复杂度,分析编码单元纹理的相关性,设定合理的纹理阈值,快速地决策当前编码单元的大小。改进预测单元模式决策算法,利用三步搜索方法,减少候选模式数量和帧内模式预测时间。算法结合了编码单元和预测单元的特点,仿真结果表明,与HEVC参考软件HM8.0相比,在增加较少码率,降低较少峰值信噪比的情况下,该算法的编码时间平均缩减40.9%,降低了编码复杂度。     

一种HEVC帧内编码的快速算法

针对高效视频编码（HEVC）帧内预测复杂度高和耗时长的缺点,提出一种HEVC帧内编码的快速算法。首先根据相邻编码单元的时空域相关性,缩小编码单元深度遍历范围,提前中止或跳过不必要的深度,同时在选择当前编码单元的最佳模式时,根据Planar模式是否可为最佳模式,分别采取不同的方案减少预测模式数量。实验结果表明,与HM10.0相比,提出的算法能在保持编码性能的同时将编码时间减少约30%,加快了帧内编码的速度,具有很好的实用性。     

帧内块复制中的位移矢量参数编码算法

目的 随着云计算和移动互联网技术的飞速发展,屏幕图像编码已成为视频压缩领域新的研究热点。帧内块复制（intra block copy,IBC）算法是屏幕内容编码（screen content coding,SCC）中的核心算法,已经成为高效视频编码（high efficiency video coding,HEVC）等标准中屏幕内容编码的重要组成部分。为了进一步消除IBC算法中的位移矢量（displacement vector,DV）参数编码的冗余,根据DV参数具有的固有帧内块匹配特性和相关性,提出了一种DV参数编码算法。方法 首先,对待编码DV采用邻近块与最近块相结合的DV预测编码方案,进一步提高DV的预测编码效率;然后,对预测编码效率不高的DV,提出了一种基于区域划分与调整的高效DV直接编码方案。对SCC标准测试数据集合中的17个测试数据集合的3种编码配置从编码效率和复杂度两方面进行了评测。结果 实验结果表明,对于SCC标准测试数据集合中移动的文字和图形序列类别,在全帧内、随机接入和低延迟这3种有损编码配置下,提出的DV算法与HEVC SCC中的IBC算法相比,在编解码复杂度没有任何影响的前提下,Y分量的BD（Bjφntegaard Delta）-rate平均降低率分别为1.04%、0.87%和0.93%,全帧内配置下Y分量的BD-rate降低率可达2.99%。结论 本文方法优于HEVC-SCC中的IBC算法中的DV编码算法,能有效提升编码效率。     

基于HEVC的帧内预测模式决策和编码单元划分快速算法

针对高效视频编码（HEVC）帧内预测过程中的高计算复杂度问题,提出一种基于纹理特征的预测模式选择和编码单元划分的快速帧内预测算法。利用每一深度层纹理方向强度判断编码单元是否需要进行分割,并且减少候选模式数量。首先,在每一深度层编码单元上结合像素方差,以像素点为单位计算相应的纹理方向强度,确定其纹理复杂度并结合阈值策略预测最终划分深度;其次,比较垂直和水平方向强度关系及统计预测候选模式概率分布,以减少预测模式数量,确定最优候选模式子集,进一步降低编码复杂度。所提算法与平台HM15.0相比,编码时间平均节省51.997%,BDPSNR（Bjontegaard Delta Peak Signal-to-Noise Rate）仅降低0.059 dB,BDBR（Bjontegaard Delta Bit Rate）仅上升了1.018%。实验数据表明,在保证信噪比和比特率基本不变的同时,所提算法能有效降低编码复杂度,利于HEVC的实时视频应用。     

高效率视频编码快速帧内预测算法

针对高效率视频编码(HEVC)帧内预测过程中,编码单元四叉树划分算法计算复杂度极高的问题,提出一种基于多重纹理特征的HEVC帧内编码单元快速划分算法,该算法能够缩小划分的深度区间。首先,使用自定义的纹理提取方法提取出编码单元中的多重纹理特征;其次,使用支持向量机(SVM)对多重纹理特征参数进行训练,得出决策函数;最后,根据决策函数,跳过前面不必要的划分和提前终止划分。实验结果表明,同原始HM 12.0相比,快速划分算法编码时间平均减少43.23%,码率平均增加0.84%,明显提高了帧内编码效率。此外,所提算法容易与其他算法进行融合,进一步降低HEVC的帧内计算复杂度。     

基于纹理特性与空域相关的高效视频编码帧内分级快速算法

为了降低高效视频编码(HEVC)标准的编码复杂度,提出一种基于纹理特性与空域相关性的帧内分级快速算法。首先,采用最大编码单元(LCU)级的快速算法,通过利用相邻LCU的编码深度值加权预测得到当前LCU的预测深度,并利用块标准差和自适应阈值策略确定当前LCU的纹理复杂度,将当前LCU的预测深度和纹理复杂度相结合来预测当前LCU的最有可能深度范围(MPDR);其次,采用编码单元(CU)级的深度判决快速算法(CUDD-FA),将基于边缘图的CU深度预判策略和基于率失真(RD)代价相关性的CU提前中止策略相结合,实现了CU级深度的提前确定,进一步降低了帧内编码复杂度。与原始HEVC算法相比,所提算法在全I帧编码模式下编码时间平均减少41.81%,BD-rate(Bjøntegaard Delta bit rate)仅上升0.74%,BDPSNR(Bjøntegaard Delta Peak Signal-to-Noise Rate)仅降低0.038 dB;与代表性文献算法相比,所提算法在编码时间节省更多的情况下率失真性能更好。实验结果表明,在率失真性能损失可以忽略不计的前提下,所提算法能有效降低HEVC帧内编码复杂度,特别是高分辨率视频序列,有利于HEVC的实时视频应用。     

基于菱形编码的视频信息隐藏算法

针对基于视频帧内预测模式调制的信息隐藏算法嵌入容量较小、比特率上升较明显等问题,提出一种基于菱形编码的帧内视频信息隐藏算法。该算法基于高效视频编码（HEVC）,将相邻两个4×4块预测模式组成模式对,采用改进的菱形编码算法指导模式调制和信息嵌入过程;并采取二次编码方式在保留原始平台最优编码划分下进行第二次隐秘信息嵌入编码,在保证嵌入量的同时抑制帧内失真漂移。实验结果表明：所提算法峰值信噪比（PSNR）值下降在0.03dB以内,码率增长低于0.53%,嵌入量有大幅提升,并能很好地保证视频主客观质量。     

高效率视频编码中基于块整合的错误隐藏算法

针对新一代视频编码标准高效率视频编码(HEVC)编码单元(CU)尺寸较大所导致的丢包后错误隐藏恢复效果不佳的问题,提出了对CU下的分割块进行块融合的错误隐藏方法。首先,分析了残差能量与块分割的相关性;然后,通过参考帧残差能量与所设阈值进行比较判决,对当前丢失CU分割块进行融合,得到丢失CU的块分割方式;其次,对矢量外推法进行权值优化,保证了算法在HEVC错误隐藏的适用性;最后,对融合块采用优化后的矢量外推法进行错误隐藏。实验结果表明,与经典错误隐藏方法如拷贝法、运动补偿法等相比,基于块融合的错误隐藏在保证解码视频结构相似性(SSIM)的同时提高了不同运动性的解码视频峰值信噪比(PSNR),验证了算法的可行性。     

HEVC快速编码深度选择算法

高效视频编码（High Efficiency Video Coding,HEVC）作为下一代新的视频编码标准,旨在有限网络带宽下传输高质量的网络视频。与现有的视频编码标准相比,高效视频编码具有更高的灵活性和压缩率。编码单元（Coding Unit,CU）是视频编码处理的基本单元,原有的算法通过四叉树递归获取最佳CU深度,在提高视频压缩性能的同时引入了较高的计算复杂度。针对该问题,提出了一种快速编码深度选择算法,该算法利用相邻CU的深度信息计算一个深度预测特征值,通过该特征值进行深度选择,以避免不必要的计算,降低计算复杂度。实验结果表明,该算法在保证视频压缩效果的同时有效降低了计算复杂度。     

高效视频编码帧内快速深度决策算法

针对新一代高效视频编码（HEVC）帧内预测中编码单元（CU）的编码深度选择过程中计算复杂度较高的问题,提出了一种基于空域相关性的帧内快速深度决策算法。首先,利用相邻已编码树单元（CTU）的深度通过线性加权得到当前CTU深度估计值;然后,对当前CTU深度估计值设置较为合适的深度双阈值提前终止编码树单元的划分或跳过CTU的某些深度,来缩小当前CTU的深度范围,从而减少不必要的深度计算。实验结果表明：与HM12.0相比,所提算法对比较简单的视频序列编码时间的减少比较明显,在亮度峰值信噪比（Y-PSNR）几乎不变的情况下（平均降低0.02 dB）,编码时间平均减少了34.6%。此外,所提算法容易与其他算法进行融合,能进一步降低HEVC的帧内计算复杂度,最终达到实时传送高清视频的目的。