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.     

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。     

基于边缘建模的纹理深度联合快速三维编码

HEVC的三维视频编码扩展部分（3D-HEVC）引入了视间预测和纹理深度联合预测的工具对相关性较强的纹理、深度视点进行高效编码,同时它沿用了HEVC中的四叉树编码结构和率失真优化来选择最优预测模式和块划分模式,这样导致计算量很大。在3D视频中,纹理图像、深度图像中存在大片较为平坦的纹理区域,深度图像中的平坦区域占比更是达到85%,然而对于平坦区域进行计算量极大的率失真过程是冗余的,针对此问题提出一种基于边缘建模的纹理深度联合快速编码算法。该方法对纹理图像以及深度图像进行边缘建模,对其中的编码单元进行平坦性分析,通过边缘模型中的平坦性和方向性对编码过程进行指导,从而有效地避免了一些冗余的CU深度以及块划分模式的遍历。实验结果表明,在随机访问配置（RA）的情况下,该方法平均降低59.0%的编码时间,而仅在合成视点端带来3.8%性能下降。     

3D-HEVC深度图帧内预测快速算法

目的 多视点纹理加深度视频（MVD）格式逐渐成为立体视频的主流表现形式之一。新一代高效率立体视频编码（3D-HEVC）继承了HEVC的编码结构并引入一些新的编码技术,导致深度图帧内编码过程具有较高的计算复杂度。针对这一问题,提出了一种深度图帧内编码快速算法。方法 本文算法利用深度图的特征分别对CU分割过程和粗略模式选择（RMD）过程进行优化。首先在四叉树编码结构上,利用基于纹理元的图像分析方法计算编码单元的梯度矩阵,若梯度矩阵中的梯度值之和小于给定的阈值,则终止该CU的分割进程。同时,对大尺寸的PU和小尺寸的PU分别利用纹理特征与粗略模式选择过程中Planar和DC进行低复杂度率失真计算后的最小率失真代价,跳过RMD中角度模式的检查过程。结果 实验结果表明,与原始算法相比,本文算法平均节省40.64%的深度图编码时间,而合成视点的平均比特率仅仅增加了0.17%。本文算法不仅能对平坦的CU跳过不必要的深度决策过程,而且有效地减少了RMD中需要遍历的模式数目,提高了编码器的效率。结论 该算法对CU分割进程和粗略模式选择过程都进行优化,在合成视点的视频质量几乎不变的前提下,有效降低了深度图的帧内编码复杂度。     

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。     

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。     

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。     

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。     

基于深度预测的HEVC编码单元快速划分算法

高效视频编码HEVC(High Efficiency Video Coding)采用计算复杂度较高的率失真优化方法对编码单元CU(Coding Unit)划分进行判决,具有较高的时间复杂度,编码所需时间较长。为降低HEVC编码复杂度,加快编码速度,提出一种基于深度预测的CU快速划分算法。首先依据当前CU与周围相邻CU和参考帧中当前位置CU的深度相关性,预测当前CU的最优深度,然后使用相邻相关分割法或依据当前CU深度和预测深度的关系对当前CU进行递归划分。为减少预测带来的误判,在CU深度级别由2级到3级的划分中,使用率失真或百分比的方式进行二次判定。实验结果表明,该算法与原始的HEVC编码方法相比,在亮度峰值信噪比减小0.07 d B,编码比特率增加0.88%的情况下,整体编码单元划分时间缩短37.7%,具有较高的时间效率。     

基于背景帧的监控和会议视频帧间快速算法

为降低高性能视频编码（High Efficiency Video Coding,HEVC）中监控和会议视频的编码复杂度,减少编码时间,提出了一种基于虚拟背景帧的监控和会议视频帧间编码的快速编码单元（Coding Unit,CU）划分和预测单元（Prediction Unit,PU）模式选择算法。对原始视频序列进行像素统计分析生成虚拟背景帧,利用生成的虚拟背景帧对CU分类。通过分析不同类别的CU继续划分的比例和其纹理复杂度,快速决策当前CU的划分和PU的模式类型。这种利用虚拟背景帧做判决的算法通过减少CU深度和PU模式遍历而降低编码复杂度,达到快速帧间编码的效果。实验结果表明,与HM16.9相比,该算法在峰值信噪比（Peak Signal-to-Noise Ratio,PSNR）平均下降0.07 dB和码率平均增加1.93%的情况下,能平均减少33.31%的编码时间。     

物理层网络编码研究进展

在无线协作环境下,充分利用无线电磁波的广播特性进行物理层网络编码(PLNC)可获得更大的吞吐量和频谱利用率。在物理层网络编码基本思想的基础上,首先着重介绍三类物理层网络编码技术--有限域上的物理层网络编码、模拟网络编码和复数域上的网络编码,给出它们相关理论的研究现状,并对与此相结合的新技术进行了介绍;然后论述目前物理层网络编码应用实现的现状;最后对物理层网络编码相关理论及其应用实现的发展趋势进行了分析与展望。物理层网络编码理论的进一步完善,相关安全性的研究,以及与协作通信理论,如信道编码与调制、中继选择、调度及资源分配等进一步紧密结合等,将是其研究的重要趋势。     

一种协作网络编码方案的平均误码率分析

将协作分集与网络编码的优势相结合,提出协作网络编码的概念。针对一种协作网络编码方案,分析不同的译码方式的性能,比较不同接收方法在大信噪比下的性能界。结果表明,该模型下的分集阶数为2,方法1的接收性能要优于方法2的接收性能。如果网络编码的参数线性无关,则不同的参数对系统误码性能中的编码增益影响较大,但不会影响分集阶数。     

电力企业物资编码标准化设计与优化

本文在概述物资编码发展历程和常见编码方法基础上,围绕电力行业物资编码管理中存在的问题进行深入探讨和分析,并提出相应的优化建议及方法。特别以A电力集团为分析对象,分别从该集团物资编码管理体系和物资编码管理信息系统两个方面进行现有编码设计描述、现有编码问题分析,进而针对A集团及其下属电厂所存在的主要编码问题提出具体可行的优化措施及方法。这些措施和方法彻底付诸实施之后,有望从整体层面解决该集团物资编码管理的现有问题,实现集团及其电厂运营中降低成本与利润提升等目标。     

一个新的嵌入式零树小波图像编码的多位平面并行算法*

发现了一个EZW(Embedded Zerotree Wavelet)编码的多位平面并行算法,其每个位平面的编码仅需对位平面进行一遍扫描,大大提高了EZW的编码速度.     

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%.     

LDPC码的不等差错保护策略在SVC中的应用

在分析信源信道联合编码的基础上,提出了一种使用LDPC码对SVC比特流进行不等差错保护的策略,能够使端到端的视频序列失真最小化。该不等差错保护策略根据各帧对重建图像的贡献量大小为其进行合理的比特分配,并对每一帧的各质量层实施最佳的非均衡差错保护。实验结果表明,与基于拉格朗日的优化方法相比,该方法更为简单,重建视频的峰值信噪比（PSNR）性能也有明显改进。     

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。     

基于H.264 CAVLC熵编码的视频加密方案

基于块的数字视频编码一般包括运动估计、残差块变换和熵编码三个阶段。针对传统的视频加密方案——对第二阶段中的残差变换系数进行的加密,提出了一种基于H.264 CAVLC熵编码的视频加密方案,该方案充分利用了流密码加密简单、运算快的优点,将加密过程置于视频编码的第三个阶段。理论分析和实验结果表明,该方案具有较高的安全性和较低的计算复杂度,加密运算不改码流结构,加密后的视频仍具有可操作性,不影响压缩性能,且可以根据应用需求进行分级加密,具有很大的灵活性。