一种HEVC的CU分割模式快速算法

由于高效视频编码(H.265/HEVC)的复杂度高和编码时间长,提出了一种CU(编码单元)分割模式的快速算法。该算法利用相邻编码单元具有很强的时空相关性,缩小编码单元深度遍历范围,提前终止或跳过不必要的深度,同时根据前一帧中与当前CU对应位置CU的深度关系,分别进行率失真代价的比较,确定CU的最佳分割模式。实验结果证明,与HM16.9标准算法相比,本文提出的算法能在保持编码性能的情况下使平均编码时间大约减少21.68%,说明该方案可以广泛应用在实时视频中。

高效视频编码的快速编码单元深度遍历选择和早期编码单元裁剪

为了降低新一代高效视频编码(High Efficiency Video Coding,HEVC)标准的编码复杂度,提出了一种基于四叉树结构类型分析和早期编码单元(Coding Unit,CU)裁剪的HEVC快速编码新算法。首先,通过分析已编码的最大编码单元(Largest CU,LCU)四叉树结构类型,确定其深度遍历区间(Depth Range,DR)类型。然后,利用相邻已编码的LCU以及前向参考帧和后向参考帧中坐标位置相同的LCU的DR类型来预测当前LCU的DR类型,并根据预测得到的DR类型对当前LCU设定CU深度遍历区间。最后,采用贝叶斯决策原理获取阈值,并利用该阈值在CU分割过程进行早期CU裁剪。实验结果表明:相对于原始HEVC编码结构,本文算法在随机访问模式下编码时间平均减少41.55%,BDBR(Bjontegaard Delta Bit Rate)只增加约1.94%,BDPSNR(Bjontegaard Delta Peak Signal-to-noise Rate)只降低了0.06dB;与Shen方案相比,该算法可以降低12%左右的计算复杂度,BDBR只增加约1.09%,BDPSNR只降低了0.03dB。

一种面向HEVC的编码单元深度决策算法

新一代高性能视频编码(HEVC)标准采用灵活的四叉树自适应存储结构、可变尺寸的编码块、35种帧内预测模式等新技术,能够有效提升HEVC的编码效率,但也造成了更高的编码复杂度。为此,提出一种基于时空相关性的编码单元深度决策算法。融合关联帧编码单元的深度信息及当前帧相邻编码单元的深度信息,从而预测当前编码单元的深度范围。实验结果表明,与HEVC标准测试算法相比,该算法能在不明显影响编码质量的基础上平均减少30.2%的编码时间。

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。

基于纹理主方向强度的HEVC帧内快速分层算法

为降低高效视频编码帧内预测过程的计算复杂度,提出一种基于纹理主方向强度的快速帧内预测算法。根据每一深度层编码单元(CU)分布特点,并结合每块CU纹理主方向强度判断CU是否需要进行分割处理。在深度层为0和1的CU块上统计4×4块的纹理方向,确定当前CU的纹理主方向强度,判断其纹理复杂度。在深度为2和3的CU上结合像素方差,以像素点为单位计算相应CU的纹理主方向强度。通过实验训练序列获得恰当的阈值,自适应提前终止编码单元的划分,减少帧内预测的编码复杂度。实验结果表明,在保证信噪比和比特率基本不变的条件下,与平台HM15.0相比,该算法编码时间平均节省51.1%。

基于高效率视频帧内编码的快速编码单元和预测模式决策算法

针对高效率视频编码采用四叉树分割和35种模式预测等技术来提高视频编码质量,但引起算法复杂度剧增这一问题,本文利用当前编码单元及其相邻单元空间相关性对当前编码单元分割模式进行预测,从而快速决策编码单元的分割模式.此外,通过跳过若干低概率预测模式的率失真最优化处理过程,实现了一种快速的预测模式决策算法.测试结果显示,提出的算法可以平均减少53%的编码时间,并保持BDBR仅为1.17%的良好编码质量.

HEVC帧间预测编码单元深度快速选择算法

为降低高效视频编码(HEVC)帧间预测编码的计算复杂度,提出一种快速编码单元(CU)深度选择算法。利用当前CU与时空域相邻CU的深度信息,初步预测当前CU的深度范围,并根据当前CU与邻近CU的运动矢量信息对当前CU深度选择做进一步终止判断。实验结果表明,该算法与HEVC测试模型(HM16. 0)相比,在低时延和随机访问2种编码配置下,码率分别仅增加0. 93%和1. 01%,而编码时间减少了29. 1%和30. 3%。

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。

高效率视频编码帧内快速算法

针对高效率视频编码(HEVC)帧内预测过程中较高的计算复杂度,首先在编码单元(CU)决策的层面上,提出了一种基于绝对误差和(SATD)的CU分割提前终止方案:对于每个深度级的CU,判断该CU最小的SATD值是否小于给定的阈值;若是,则终止该CU的分割过程。同时,基于统计的分析,依照各候选模式成为最优预测模式的概率,进一步排除低概率的候选模式。实验结果表明,同原始HM10.1相比,所提算法可以节省编码时间30.5%,并且保持视频质量几乎不变(平均Y方向峰值信噪比仅降低0.02 dB)。此外,所提算法软硬件实现简单,而且容易与其他算法进一步融合,进一步降低HEVC的帧内编码复杂度。

多策略的HEVC帧内快速预测算法

为降低高效视频编码(HEVC)帧内预测过程的计算复杂度,提出一种利用灰度直方图结合自相关函数的快速深度选择算法。统计每个最大编码单元(CU)的灰度值分布,生成其灰度直方图,利用灰度直方图的自相关函数排除不必要的深度计算。同时针对帧内预测模式的优化,给出3个减少帧内候选模式数量的有效策略。应用梯度边缘检测进一步减少8×8CU的候选模式数量,使用模式相关以及当前CU的纹理特征,对满足一定条件的CU只选取2种预测模式进行率失真优化计算。实验结果表明,与原始HM10.1相比,该算法平均可以节省约48%的编码时间,同时又能保持较高的视频质量。

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.

基于空域相关性的快速HEVC帧间预测方法

分析了对应CU分块与其空域上相邻的4个CU之间的相关性，根据分析的最大出现概率的PU模式，以及当前PU分块与前一帧对应不同尺寸CU分块之间的空域相关性，提出了一种基于时域和空域相关性的快速HEVC帧间模式判决方法，跳过当前最大编码单元中各层CU中冗余的Pu模式，从而降低了编码的计算复杂度。实验结果显示，与HM7．0相比，该方法在仅仅损失了0．21％～1．66％压缩率和0．01～0．09dB峰值信噪比的前提下，降低了52_3％～63．5％的编码时间。

HEVC对偶编码单元划分优化算法

为了解决视频数据量日益增长与用户享受高质量视频体验需求之间的矛盾,HEVC在H.264/AVC标准的基础上通过引入新型的编码结构和算法进一步将编码效率提升了50%,但是也极大地提升了编码复杂度。基于此,提出对偶编码单元(CU)划分网络DualNet,来降低HEVC中帧内编码复杂度。该网络由预测网络和目标网络2个部分组成,其中,预测网络通过分析图像统计特征实现编码单元划分决策,从而跳过四叉树的遍历搜索,提高编码单元划分决策的时间效率;目标网络基于率失真代价评价和优化决策模型提升编码单元划分性能,实现模型互补和最优率失真估计。实验结果表明:与HEVC标准对比,所提算法在实现相近的压缩效果的前提下能够节省64.06%的编码时间。

基于运动特征的HEVC帧间模式快速判决算法

为降低HEVC帧间预测编码过程的计算复杂度,提出了一种新的基于运动特征的编码单元(Coding Units,CU)及预测单元(Prediction Units,PU)快速判决算法。首先,通过二阶帧差法检测运动剧烈程度,并分析运动特征对CU及PU时域相关性的影响。然后,利用前帧相同位置CU及PU的最优模式预测当前CU的深度范围,并根据运动剧烈程度优化预测范围。最后,根据预测范围跳过和终止部分不必要的CU深度和PU模式,从而加快帧间编码速度。在HM12.0平台上的实验测试表明,该算法在BDPSNR仅降低0.068 d B、BDBR只增加1.530%的情况下,提高了48.389%的编码速度。

基于深度学习的HEVC SCC帧内编码快速算法

为降低屏幕内容编码的计算复杂度,提出一种基于深度学习的屏幕内容编码帧内CTU深度范围预测快速算法。将编码足够数量的屏幕内容视频帧序列作为训练数据,通过大量的训练数据统计CTU深度范围的分布,根据分布占比设置CTU类别标签。设计并训练卷积神经网络(CNN)架构以预测CTU深度范围,考虑CTU分割特性,设计的CNN架构运用三层不同大小的卷积核提取与CTU深度相关的特征,为CNN模型提供训练参数。在编码时调用训练后的CNN模型预测CTU深度范围,以减少不必要的深度遍历。实验结果表明,与SCM-8.0相比,该算法平均节省48.34%的编码时间,码率上升2.59%,有效降低了编码的计算复杂度。

快速AVS2帧内预测选择算法

针对目前数字音视频编解码技术标准(AVS2)中帧内预测模式判断过程计算较为复杂,而如今超高清视频的普及给编解码系统带来很大压力的问题,提出了一种快速帧内预测选择算法。该算法先对最底层最小编码单元(SCU)进行预测模式删选,减少了底层SCU的计算量;再通过下层编码单元(CU)的预测模式得到上层CU的预测模式,从而减少了上层CU的计算量。实验表明,该算法对压缩效率的影响很小,并且编码时间平均下降超过15%,并可有效地降低帧内编码的复杂度。

基于时域相关性的快速HEVC帧间模式判决方法

高效率视频编码（HEVC）相比目前的国际视频编码标准H.264/AVC,在压缩率方面有了较大的提高,但也带来了巨大的编码计算复杂度.为了降低HEVC的编码计算复杂度,提出了一种快速HEVC帧间模式判决方法.统计并分析了相邻两帧之间对应块的编码单元（CU）和预测单元（PU）的时域相关性,在此相关性基础上,跳过了一些冗余CU分割层和PU预测模式,CU层最多只取两种PU预测模式,从而大大减少了所需要进行的率失真代价计算的数量.实验结果显示,与HM7.0相比,该方法在仅损失了0.21％～1.66％的压缩率和0.01～0.09 dB的峰值信噪比的前提下,降低了52.3％～63.5％的编码时间.

基于纹理四叉树的快速HEVC帧内编码算法

针对高效视频编码(HEVC)中编码单元(CU)进行四叉树递归遍历时间较长的问题,提出一种基于纹理四叉树的快速HEVC帧内编码算法。采用Sobel算子对当前视频图像提取边缘,利用最大类间方差法剔除弱边缘并保留强边缘。通过递归方式对边缘图中的每个64×64单元建立纹理四叉树,使用视频图像的纹理四叉树结构对CU最优分割组合进行预测。对于不同大小的分割单元,无需完全递归遍历所有的CU深度,从而缩小CU搜索范围,节省编码时间。实验结果表明,与HEVC标准算法相比,该算法亮度分量的码率平均增加了0.50%,信噪比和编码时间分别减少了0.03d B和28.70%。

高性能视频编码帧间预测的单元划分优化算法

新一代的高性能视频编码(HEVC)通过应用各种先进技术来大幅提高视频编码的性能,然而,这些方法也大大增加了整个编码过程,尤其是预测编码阶段的计算复杂度。该文提出一种应用于高性能视频编码帧间预测的快速单元划分算法。该算法基于HEVC灵活的四叉树结构,根据被编码单元的运动特性来确定所编码信息的阈值,并以此作为单元划分的提前终止条件,从而减少了不必要的单元划分操作和率失真代价的相关计算,达到节省编码时间和降低编码复杂度的目的。实验结果表明,在峰值信噪比(PSNR)损失仅为0.0418 d B的情况下,所提算法可以平均降低46.1%的编码时间。

高性能视频编码中的快速样点自适应补偿算法

高性能视频编码中的样点自适应补偿以像素为单位进行分类,选取最优值进行补偿,计算量极大。针对该问题,通过分析目前编码标准中样点自适应补偿值和编码单元划分深度之间的关联,提出一种快速样点自适应补偿算法。将视频按照纹理复杂度进行区分,通过减少某些不必要的样点进行自适应补偿处理,从而提高视频编码效率。实验结果表明,在有极小编码性能损失的情况下,该算法可以减少60.32%的样点自适应补偿编码时间。