基于神经网络的HEVC帧内预测组合快速算法

为了提升高效视频编码(High Efficiency Video Coding,HEVC)帧内编码的实时性能,本文提出的方法利用了引入偶数边长与步长的卷积核以及自注意力机制的轻量级卷积网络来预测编码树单元(Coding Tree Unit,CTU)的帧内划分结构,从而减少了编码器对CTU进行四叉树递归遍历划分的编码时间。原始编码策略中粗模式决策通过基于残差经哈德曼变换的预测残差绝对值总和(Sum of Absolute Transformed Difference,SATD)的损失值来估计率失真优化过程中的率失真损失值来进行加速,但仍会耗费一定的编码时间。提出一种方法通过采样搜索的方式减少粗模式决策过程中计算的模式数,从35种模式降低到了18种模式,降低了粗模式决策过程中计算估计损失值的时间。由粗模式决策过程得到的较优的多个候选帧内模式来进行率失真优化,为了缩减粗模式决策需要计算的候选模式数,在候选模式列表中根据前后帧内预测角度模式的估计损失值的差距来筛选掉部分可能性较低的候选模式实现早停止决策,从而减少需要进行率失真优化的候选模式数量,进而减少率失真优化过程的计算时间。本文提出的算法在测试序列上平均实现78.15%的编码时间缩减,BD-PSNR为-0.168 d B,BD-RATE为3.49%。

面向硬件的AVS帧内预测算法改进

为了面向低延时的浅压缩场景提供更加适配的编码方案,并降低硬件实现成本,提出一种基于数字音视频编解码技术标准(Audio Video coding Standard,AVS)浅压缩算法的帧内预测模式优化以及快速率失真优化算法。该算法通过减少原有算法帧内预测所需的预测循环次数,以及打破各块之间的数据依赖关系等措施,克服了原始方案不适合硬件流水并行处理的限制,提高了编码的效率和稳定性,从而既保障了算法的视频质量,又使新的硬件实现方案更符合实际应用需求。实验结果表明,该算法优化方案能够有效改善实际面向低延时浅压缩场景下的编码效果。

基于动态自重构结构的3D-HEVC帧内预测算法并行化实现

3D高效视频编码3D-HEVC中帧内预测算法在专用硬件上的实现具有一定的局限性,无法满足帧内预测算法多种模式灵活自主切换的需求,导致编码性能差,硬件资源利用率不高。针对这一问题,提出一种新的3D-HEVC帧内预测算法在可编程动态自重构阵列处理器上的实现方法,该方法基于动态自重构机制,通过可编程控制器实时收集阵列执行状态,监测到阵列对当前任务执行结束后自主下发新的执行任务。通过对不同预测模式映射方案的硬件自主重构,实现算法的灵活切换。实验结果表明,与相关工作相比,该方法在提高灵活性的同时,硬件资源减少了49.1%,计算延迟减少了29.2%。将测试序列经过整个帧内环路测试,测试结果显示,图像质量良好。

基于卷积神经网络的HEVC帧内预测算法优化

作为HEVC标准中最基础、最重要的技术之一,帧内预测对实现视频编码的高速、高质量和高压缩率具有重要的作用。文中针对帧内预测复杂性问题进行研究,提出一种基于深度卷积神经网络(CNN)的方法,通过学习来预测CTU的划分,从而减少HEVC帧内编码的复杂性。通过建立一个大规模的CTU划分数据库,并利用CNN的能力学习各种CTU划分模式,能够准确地预测CTU的划分,从而避免了传统的穷举搜索,实现了HEVC编码复杂性的显著降低,提高了编码效率。实验结果表明,提出的方法在测试序列和图像上分别将帧内编码时间减少了62.25%和69.06%,与其他最先进的方法相比,比特率分别仅增加了2.12%和1.13%,达到了优化的目的。

高效视频编码帧内预测算法优化与硬件架构设计

高效视频编码(High Efficiency Video Coding,HEVC)标准引入了更加灵活的块划分结构和丰富的帧内预测模式,显著提高了视频压缩效率,但其计算复杂度也随之提高,不利于硬件实现。提出了一种面向硬件实现的帧内预测优化算法,解决了帧内预测过程中对重构数据的依赖性。在算法优化的基础上设计了一种基于4×4基本块复用的18路预测模式并行的高吞吐量全流水线硬件架构。实验结果表明,在Xilinx Virtex7现场可编程门阵列实验平台上,该硬件架构仅占用99 k的查找表和57 k的寄存器资源,最大可支持4K@52FPS的全I帧实时视频编码。在相同帧率条件下,所消耗的硬件资源相比其他现有方案减少54%,相较于HM16.7编码性能指标BD-rate仅增加5.91%。

快速帧内预测模式选择新方法

为了提高编码性能，H．264采用了KDO（率失真优化），但与此同时带来的是计算复杂度的增加．本文着重分析了H．264中快速帧内预测模式选择的问题．为了降低帧内预测模式选择的计算复杂度，提出了一种高效的快速帧内预测模式选择算法．首先，对Pan的基于边缘方向直方图的快速算法进行了改进，同时提出了基于参考象素特征的4×4快速帧内预测模式选择算法，并将两者进行了结合．实验结果表明，本文算法和H．264校验模型JM61相比，I帧编码时间降低61％～69％，而PSNR基本保持不变，输出码率仅略有增加；与Pan的基于边缘方向直方图快速算法相比，本文算法的I帧编码时间降低12％～33％，PSNR和输出码率均基本保持不变．

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。

一种基于对称的H.264帧内预测模式

为了减少视频编码中帧内预测的数据量,进一步提高帧内预测的精确度,提出一种基于对称的帧内预测模式IPMBS以及在该模式下的帧内预测编码的模式选择算法。该模式利用自然图像的对称性和图像相邻块的数据相关性进行帧内块预测,其算法综合考虑了相邻块中的若干像素,利用H.264中帧内预测编码的RD优化原则来自适应选择预测模式,达到提高预测精度以及提高压缩率的目的。基于H.264参考模型JM10.1的实验结果表明,该预测模式和算法在仅增加很少复杂性的前提下可以获得较好的压缩编码性能,并为帧内预测研究提供了新的思路。

基于混合特征的H.264/AVC快速帧内预测模式决策

H.264/AVC中采用率失真优化(RDO)代价函数对多种帧内预测模式进行全搜索决策,为了克服这种决策方法运算复杂度较大的弊端,提出了一种基于混合特征的快速帧内预测模式决策算法。该方法针对最耗时的4×4亮度块模式决策环节,强调了DC模式的重要性,并将其与混合代价函数特征相结合形成混合决策信息,以此对候选模式进行预先筛选,从而加快了决策速度。实验结果表明,该方法可以使图像序列的I帧编码速度提高近30%,且与原全搜索算法相比,其峰值信噪比(PSNR)的减少和比特率的增加均小到可以忽略不计。

新一代高效视频编码标准中帧内预测快速算法研究

新一代视频压缩编码标准HEVC是目前国际上最先进的视频压缩标准,其压缩性能优于目前国际上的其它视频压缩标准。因此,目前国际上很多大厂商都在开发符合HEVC标准的产品。然而,HEVC标准所具有的很高的计算复杂度是其实用化的瓶颈。对于HEVC标准中的帧内预测部分,其计算复杂度高于其它视频压缩标准的帧内预测部分的2倍以上。为此,国际上提出了不少快速帧内预测算法。对这些算法进行了回顾、分析和仿真,并比较了各典型算法的性能和优缺点。在此基础上,对在某些具体实际应用环境下适宜选用哪个算法进行了分析。同时,对将来这方面的快速算法的发展方向进行了展望。

基于邻块预测的H.264快速帧内预测模式选择算法

针对Pan提出的快速帧内预测模式选择算法存在侯选模式不够精简,以及仅利用了块内部纹理信息进行侯选模式的预测等不足,提出了一种改进的基于邻块预测的H.264快速帧内预测模式选择算法。改进算法不仅采用块内部纹理信息预测,而且利用帧内相邻已编码块进行空域预测,以得到更加精简的侯选模式,从而减少参与选择的模式数量,提高了编码速度。实验结果表明,与Pan算法和JM全搜索算法相比,该算法在保持较好的编码图像质量的同时,可有效地提高编码速度。

任意方向帧内预测

提出一种新的任意方向帧内预测算法。对于任意一个预测角度,首先求出其余切与正切值。然后对于当前编码块内任意一个像素,求出与其在同一个方向上的当前块左边一列和上边一行上像素的坐标,从而求出当前像素的左边一列预测值和上面一行的预测值。两者中与当前像素距离较近的预测值就是当前像素的最终预测值。实验结果表明该算法与角度帧内预测(ADI)相比具有相同或略优的性能。

基于梯度的H.265/HEVC帧内预测硬件加速算法研究

HEVC即H.265,是目前最新的视频编码标准。相比于前一代视频编码标准,H.265/HEVC虽然能够明显改善视频压缩效率,但是却带来了更高的计算复杂度,尤其是在帧内预测过程中。为了解决这个问题,提出一种基于梯度的帧内预测硬件加速算法来跳过一些帧内预测模式和划分深度的预测过程,从而达到减少计算的目的。利用图像梯度信息来粗略估计编码单元的纹理方向和纹理复杂度,其中纹理方向用来估计编码单元的最优帧内预测方向,纹理复杂度用来判断是否跳过当前划分深度的预测编码过程。实验表明,相比于H.265/HEVC测试模型HM16.18,本文提出的算法能够减少60.59%的编码时间,仅造成0.38dB的BD-PSNR减少和8.52%的BD-Rate增加。

高效率视频编码帧内预测编码单元划分快速算法

高效率视频编码(HEVC)采用基于编码单元(CU)的四叉树块分区结构,能灵活地适应各种图像的纹理特征,显著提高编码效率,但编码复杂度大大增加,该文提出一种缩小深度范围且提前终止CU划分的快速CU划分算法。首先,在学习帧中,基于Sobel边缘检测算子计算一帧中各深度边缘点阈值,缩小后面若干帧中CU遍历的深度范围;同时,统计该帧中各CU划分为各深度的率失真(RD)代价,计算各深度的RD代价阈值。然后,在后续视频帧中,利用RD代价阈值在缩小的深度范围内提前终止CU划分。为了符合视频内容的变化特性,统计参数是周期性更新的。经测试,在平均比特率增加仅1.2%时,算法时间平均减少约59%,有效提高了编码效率。

一种基于自相关法的H.264/AVC高效帧内预测算法

H.264/AVC是最新的视频压缩标准,具有极高的压缩率,但由于编码时间较长,无法达到实时应用的要求.本文提出了一种新的基于自相关法的高效帧内预测算法.该算法在进行帧内预测之前先对宏块预判,从两种预测模式中选择一种,从而减少了算法的复杂度.实验结果表明,本文提出的算法在码率只有少许增加的情况下,速度平均提高了26.9%,SNR值基本维持不变.

一种面向H.264/AVC的快速帧内预测选择算法

为提高I帧的编码效率,最新的视频压缩编码标准H.264/AVC,在空间域上从多个方向进行多种模式的帧内预测,并使用率失真优化算法选择最佳模式,算法复杂度很高.为此,提出了一种快速的帧内预测算法.针对亮度块的模式选择过程,提出了基于图像熵值和滑动窗口机制自适应地调整熵值阈值的方法对宏块模式进行预判;针对亮度模式中多个预测方向的选择,充分利用中间结果,预先排除一些可能性小的预测方向;在亮度块和色度块相结合的率失真统计中,改变算法结构,预先计算色度块最佳模式.实验结果表明,算法在不降低图像质量的基础上,编码速度平均提高76%,码率平均增加2.6%.

一种快速HEVC帧内预测模式决策算法

高性能视频编码(HEVC)标准是视频编码联合小组提出的新的视频编码标准。针对HEVC帧内预测模式决策的高计算复杂度问题,提出一种基于边缘方向强度检测的快速帧内预测模式决策算法。将35种帧内预测模式根据5个基本方向分为5个预测候选模式集合,每个集合中有11种预测模式。分别计算预测单元(PU)的5个方向的方向强度,以及每个方向所占比例,选择比例最大的方向所对应的候选模式集合为该PU块的候选预测模式,有效减少帧内预测的计算复杂度。实验结果证明,与HM8.0相比,该算法能够以保证视频质量为前提,在高效率条件和低复杂度条件下平均节省15%和18%的编码时间。

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．

H．264编码中的帧内预测模式选择算法

H.264使用率失真优化提高了编码的效率,但也增加了计算复杂度,不利于编码的实时实现。该文分析了H.264中计算复杂度较高的帧内预测模式选择部分,提出一种快速的帧内预测模式选择算法。对方向性较强的几种模式进行SATD计算,分析其中较小的两个模式的相关性来选择新的模式添加到模式选择的计算范围中,从而减少了预测模式的数量。实验结果证明,在图像性能和码率基本保持不变的情况下,总的编码时间下降了约25%,I帧的编码时间下降了约62%,满足了实时视频通信的要求。

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.