基于概率估计更新的CABAC加速算法

基于上下文的自适应二进制算术编码（context-based adaptive binary coding,CABAC）是一种高效的熵编码方法,但是其高计算复杂度制约了该算法的编码速度,已成为其应用的一个主要瓶颈。为解决此问题,在分析CABAC算法及其计算复杂度的基础上,对其概率估计更新部分进行了改进,提出了一种提高其编码速度的有效方法。该方法首先以N个符号的包为单位进行编码,仅每个包编码完成后再进行一次概率估计的更新,因而成倍地降低了概率估计更新的频度。实验数据表明,该方法较以往的方法使CABAC的编码速度平均提高了133%~307%,同时编码效率平均下降187%~298%。     

基于矢量相关性的自适应运动估计搜索算法

为了减少运动估计的计算量,提高视频压缩编码的效率,提出了一种基于矢量相关性的自适应运动估计搜索算法(简称NAME算法),该算法通过判断当前所要编码块的左、上、右上3个相邻块所对应的运动矢量之间的相关性,将所要编码的块划分为相关类型块和独立类型块,并自适应地对相关类型块和独立类型块采用不同的搜索方式以减少搜索点数并保证搜索准确度。仿真结果表明,该算法与全搜索、菱形搜索和六边形搜索等快速算法相比,在保证图像质量的前提下,搜索速度有了明显的提高。