控制失真漂移的HEVC视频自适应隐写算法

现有自适应视频隐写的成本分配方法主要针对特定变换系数,导致容量较低。此外,失真漂移是HEVC(high efficiency video coding)视频隐写面临的一大挑战。因此,结合HEVC视频编码的帧内帧间过程,提出了一种代价分配方法,以实现高容量、低失真传递的高性能视频自适应隐写。首先,该方法针对HEVC视频编码中的离散正弦变换特征进行研究,分析了这些系数在受到扰动后所产生的误差传播规律。在嵌入过程中,对修改变换系数导致的块内失真、块间失真、帧间失真进行了详细分析,并考虑不同块隐写产生的块间失真差异对块进行分类。该算法充分利用所有的非零变换系数,为不同的载体系数分配了不同的失真代价,将隐秘信息嵌入到对视频质量影响较小的帧中。实验结果表明,与现有的HEVC视频系数域隐写方法相比,该算法在视频码率、视频质量和嵌入容量方面具有一定的优势。

基于神经网络的HEVC帧间预测方法及其硬件研究

相比于H.264,高效视频编码标准(HEVC)提出了许多新技术,提高了编码性能,但是也显著提高了编码复杂度。本文从硬件实现的角度出发,对已有的帧间CU划分预测神经网络的结构进行了多方面的优化,使其参数减少了70%,加法和乘法运算分别减少了60%、58.2%。并对优化后的卷积神经网络参数采用10位定点数方案进行定点化处理,进一步有效减少硬件资源的开支。对比于HEVC参考软件(HM16.5),优化后网络引起的BD-BR和BD-PSNR平均损失为1.718%和-0.056dB,平均节省35%~52%的编码复杂度,并且定点化处理后引起的性能损失可忽略不计。

HEVC视频加密技术综述

针对视频数据在传输和存储过程中存在被非法获取和恶意破坏的问题,从高效视频编码(HEVC)标准和加密技术出发,对HEVC视频编码标准下的加密技术进行综述。回顾了视频编码技术的发展历程,介绍了HEVC视频编码标准,讨论了视频加密技术常见攻击方法及性能评估指标,全面梳理与详细分析了不同视频加密技术性能及其优缺点,展望了视频加密技术的发展趋势,旨在为视频加密技术的研究和应用提供参考。

基于阵列处理器的HEVC数据流图可重构实现

提出一种基于阵列处理器的HEVC算法数据流图可重构实现方法。基于动态重构机制完成不同的划分方式、算法间的灵活切换,采用深度优先贪婪对数据流图划分后子任务时域流水的并行方式对HEVC中典型编码算法的数据流图重新划分后设计合理映射方案,以Sobel算子值为重构依据在阵列处理器上进行帧内预测算法验证。实验结果表明,与块间流水方案实现相比加速比可达14.97,各算法资源利用率及计算速度均有提升,与帧内预测模式选择快速算法相比每个时钟周期可多处理7.1个像素。

基于人眼显著性区域检测的HEVC码率控制算法

该文提出一种新的码率控制算法,基于人眼显著性区域的检测,以优化视频编码效率。该算法利用像素级的恰可感知失真(JND)模型,精准预测人眼对图像失真感知的阈值。通过分析相邻帧间的像素值变化,识别出图像中的显著性区域,并基于JND模型进一步细分这些区域。通过构建一个多级码率分配框架,以指导不同区域的码率分配。实验结果显示,在低码率环境下,该算法能够显著提升显著性区域的视觉质量,同时保持码率控制的精确性。相比现有的HM16.9算法,在码率精确性基本不变的情况下,该文算法的BD-Rate下降0.028 9%,BD-PSNR提升0.001 6%,多个测试序列的结构相似性△SSIM平均提升0.000 69。

张量结构和活动值的HEVC-SCC帧内快速算法

针对新一代高效视频编码标准(high efficient video coding,HEVC)逐一划分、逐层对预测模式进行RDO过程计算复杂度高的问题,提出基于结构张量和活动值的HEVC-SCC帧内快速算法。首先利用屏幕内容图像中均匀和小的全局运动区域常用大尺寸单元CU编码,复杂或大的全局运动区域常用小尺寸CU编码的特点,通过提取能够表示CU均匀性的结构张量,研究结构张量与CTU深度划分的联系,在CTU进行遍历不同深度下的编码模式前先对当前深度CU计算结构张量值,通过结构张量值判断是否跳过当前深度下的遍历率失真优化(RDO)的过程。其次利用屏幕内容和自然内容图像纹理特性不同,屏幕内容常含有水平或垂直的边,提出了基于图像活动值的屏幕内容帧内编码模式决策。通过计算图像的编码单元(coding unit,CU)的水平活动值、垂直活动值,对CU进行判别以跳过遍历所有预测模式的过程。所提的算法经过实验测试,在全帧内(all intra)配置下,与SCM-8.8算法相比能减少26.65%的编码时间,而BDBR仅增加1.95%。

HEVC标准的多层视频编码扩展

随着网络和视频技术的飞速发展,越来越多新的视频应用需要制定相应的国际标准,如3D视频、多视点视频、可分级视频、超高清视频、屏幕内容等。为此,JCT-VC和JCT-3V针对这些需求进行HEVC多层视频编码扩展标准的开发,形成了HEVC的4个附录。针对多层视频编码,HEVC扩展有多处重要改进,提供了多项先进的编码工具,文中对此进行简要分析和介绍。

HEVC中基于四叉树结构的分块模式编码算法研究

高效率视频编码(High Efficiency Video Coding,HEVC)作为新一代视频编码标准,在当前高清视频压缩传输领域具有广阔的应用前景。为保证视频编码效率,降低编码计算复杂度,文章提出一种基于四叉树结构的分块模式HEVC编码算法。该算法在保证高质量编码性能的基础上,有效降低了编码算法的计算复杂度,提高了编码效率。

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。

新一代视频编码标准——HEVC

在2003年制定的H.264/AVC视频编码标准获得巨大的成功后,新一代视频编码国际标准HEVC(High Ef-ficiency Video Coding)在ITU-T的VCEG和ISO/IEC的MPEG通力合作下已经开发成功。HEVC提供了多项先进的视频编码技术。尽管HEVC的视频编码层结构仍然是常见的基于块运动补偿的混合视频编码模式,但是和先前的标准相比具有多处重要改进。文中对HEVC标准的技术的主要特点和性能进行了综述。

一种基于运动矢量空间编码的HEVC信息隐藏方法

HEVC(High Efficiency Video Coding)是ISO/IEC和ITU-T联合制定的最新的视频编码标准,该文提出了一种基于运动矢量空间编码的HEVC信息隐藏方法.文中首先给出了运动矢量空间的构建及编码方法,并定义了运动矢量集合与该空间中点的映射关系;其后,给出了通过修改运动矢量集合映射值进行信息隐藏的方法.文中的方法实现了在N个运动矢量分量中最多改变一个分量即可嵌入一个2 N+1进制数的效果,具有较高的嵌入效率.此外,文中的方法仅选择CTU(Coding Tree Unit)中尺寸最小的N/2个PU(Prediction Unit)的运动矢量作为嵌入载体,使得隐写所引入的视频附加失真进一步减小并提升了隐写的透明性.最后,通过实验证实了该文的方法可行且具有优良的性能,具有良好的应用前景;而且,该文通过构造虚拟空间进行信息隐藏,给出了一种提升视频信息隐藏算法嵌入效率的新途径.

新一代视频编码标准HEVC的关键技术

HEVC(High efficiency video coding)是新一代的视频编码标准,它仍然采用了与先前视频编码标准H.264/AVC一样的混合视频编码的基本框架,但在各个编码模块都进行了改进和革新。与H.264/AVC相比较,在相同视频质量和应用条件下HEVC的码率降低将近一半。本文对HEVC的关键技术进行综述,着重研究探讨了帧内和帧间预测技术的原理和实现过程。

一种HEVC帧内预测快速算法

HEVC作为新一代的视频编码标准,比现有H.264标准的压缩效率提高近一倍,但其存在复杂度较高的问题。为此,针对HEVC中帧内预测最耗时的模块,即编码单元块划分模块和帧内预测模式选择模块,提出一种适合HEVC帧内预测的快速算法。该算法将率失真(RD)代价作为阈值参数,利用候选模式集中预测模式被选中概率快速递减的规律,基于RD代价进行帧内预测块划分和帧内预测模式选择。实验结果表明,该算法在相同编码质量条件下可减少59%的HM10.0帧内预测模块复杂度,相应比特率的增加幅度小于1.34%。

一种快速HEVC帧内预测算法

为了提高HEVC帧内预测的编码速度,提出了一种快速帧内预测算法。该算法充分利用视频序列的时间相关性,利用相邻帧CU的大小相关性在CU(Code Unit)层提前判定CU的最佳编码尺寸以及利用相邻帧在PU层减少预测方向数目来加速帧内预测的过程。实验结果表明:提出的算法与HEVC已有快速算法相比,峰值信噪比(PSNR)平均下降0.06 dB,输出码率平均减少0.09%,而帧内预测时间平均减少了约49.81%。

新一代视频编码技术HEVC算法分析及比较

新一代视频编码标准HEVC更倾向于处理高清视频,实现在设备复杂度有一定增加的前提下提高视频,尤其是高清视频的编码效率。结合现行的H.264标准,对比了HEVC标准在编码结构、帧内预测、帧间预测以及熵编码技术上的改进和算法上的优化。对HEVC的具体编码技术进行分析,并将HEVC与H.264编码性能进行了比较。实验结果表明,HEVC在编码性能上有了明显提高。

考虑视频内容的H.265/HEVC帧层码率分配算法

为了保证一定视频质量下编码器输出的码率符合给定的目标码率,提出一种考虑视频内容特性的H.265/HEVC帧层码率分配算法。首先从率失真理论分析的角度推导出影响输出码率的主要因素,然后根据视频编码原理,预测出帧内容复杂度参数,从而建立一种更有效的帧层码率分配算法。实验结果表明,所提算法可以使帧层目标码率与编码码率保持更好的一致性,且重构视频质量平均提高了0.103 d B。

H.265/HEVC视频编码标准性能评估与分析

简要介绍了H. 265/HEVC的编码框架和采用的新技术。比较了H. 264/AVC和H. 265/HEVC的图像质量、压缩比、编码时延等关键技术指标,将H. 265/HEVC与H. 264/AVC的编码性能进行了比较。实验结果表明,HEVC在编码性能上有了明显提高。

一种HEVC编码单元快速划分决策算法

HEVC是下一代视频编码标准,为高清和超高清视频提供了编解码方案.在视频质量相同的情况下,HEVC比H.264节省约50%的有效码流.HEVC高的压缩率是以复杂的递归划分算法,更长编码时间为代价的.本文提出了一种基于统计的快速划分决策算法,旨在减少不必要的子划分,降低编码复杂度.该算法是利用CU空间相关性的特点:CU越小,划分后四个子CU就越相似,它们的率失真值就越接近CU率失真值的1/4.通过对CU的率失真值和划分前CU的率失真值的1/4比较,决定是否继续进行子划分.实验结果表明,该算法在码率增加不超过2%的前提下,在低复杂度配置和高效率配置下平均节省了24%和29%的编码时间,PSNR值基本不变.

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。