一种基于编码单元快速划分的VVC帧内编码方法

相比于高效视频编码(high efficiency video coding,HEVC)标准,新一代编码标准多功能视频编码(versatile video coding,VVC)引入了很多新的技术,其中包括四叉树(quadtree,QT)和多类型树(multi-type tree,MTT)划分,MTT划分由HEVC中的QT划分延伸而来。新划分方法提高了压缩效率,但导致编码时间急剧增加。为了降低编码复杂度,提出了一种结合深度学习方法和MTT方向早期判决的快速帧内编码算法。首先使用轻量级的卷积神经网络(convolutional neural network,CNN)对QT和部分MTT进行预测划分,其余MTT则采用提前预测MTT划分方向的方法作进一步的优化。实验结果表明,所提方法能够大幅降低编码复杂度,相比于原始编码器的编码时间减少了74.3%,且只有3.3%的码率损失,性能优于对比的方法。

一种基于图神经网络和统计分析的VVC帧内编码快速算法

多功能视频编码(versatile video coding,VVC)作为最新一代的视频编码标准,通过引入多种高效的编码工具进一步提升了视频编码性能。然而,VVC标准引入了四叉树加多类型树(quadtree plus multi-type tree,QTMT)划分结构,并将帧内预测模式从35种扩展到67种,导致编码复杂度急剧上升。为降低VVC的帧内编码复杂度,首先,提出了一种基于图神经网络的帧内编码单元(coding unit,CU)划分快速算法,该算法利用高效的图神经网络模型直接预测CU的最优划分模式,从而跳过冗余的CU划分遍历。其次,提出了一种基于空间相关性和纹理特征的帧内模式选择快速算法,该算法利用平均方向方差和Sobel梯度算子确定纹理方向,并跳过部分角度预测模式,同时结合预测模式间的相关性精简率失真模式列表。实验结果表明,该算法能够在BDBR(bjontegaard delta bit rate)上升2.29%的代价下,节省64.04%的编码时间。

3D-HEVC深度图像帧内编码单元划分快速算法

针对3维高性能视频编码(3D-HEVC)中深度图像帧内编码单元(Coding Unit,CU)划分复杂度高的问题,该文提出一种基于角点和彩色图像的自适应快速CU划分算法。首先利用角点算子,并根据量化参数选取一定数目的角点,以此进行CU的预划分;然后联合彩色图像的CU划分对预划分的CU深度级进行调整;最后依据调整后的CU深度级,缩小当前CU的深度级范围。实验结果表明,与原始3D-HEVC的算法相比,该文所提算法平均减少了约63%的编码时间;与只基于彩色图像的算法相比,该文的算法减少了约13%的编码时间,同时降低了约3%的平均比特率,有效地提高了编码效率。

一种三维视频深度图像快速帧内编码方法

针对三维视频编码复杂度较高的问题,提出一种快速深度图像帧内编码方法.该方法基于视频图像与深度图像的相关性,利用视频图像的最优帧内预测模式信息优化深度图像帧内编码预测模式的选择范围,减少率失真代价函数的计算量,从而降低深度图像帧内编码复杂度.实验结果表明,这种方法较深度图像独立编码方法能有效地缩短深度图编码时间,在保证合成虚拟视图质量的条件下,深度图像帧内编码时间平均减少37.16%.

农机快速导航系统设计—基于图像边缘检测和3D深度视频帧内编码

在农机多行作业时,其作业效率主要受到导航精度和系统响应速度的制约。为了解决农机多行作业导航精度和时效性的问题,基于边缘检测方法和3D视频编码技术,引入了一种深度帧内编码方法,用于实时导航视频的获取,有效提高了导航的时效性和导航精度。在实时图像的垄位置标定和导航线提取时,基于特征点匹配计算量大、误匹配概率高及实时性不强的确定,提出了导航线检测的Sobel算子,有效提高了导航线获取的精度。最后,利用样机对快速导航系统进行了测试。测试结果表明:基于图像边缘检测和3D深度视频帧内编码的农机导航方法,可以实时准确地标定作物垄的导航线,满足了农机快速导航系统的设计要求。

基于Delaunay三角形网格的彩色视频帧内编码方法

利用DT(Delaunay Triangulation)网格研究了彩色视频亮度和色度分量之间的相关性,提出了一种基于DT网格的彩色视频帧内编码方案.该方案仅对亮度分量Y进行DT描述,利用亮度分量Y的部分网格节点经过相似变换生成色度分量Cb或Cr的DT网格,从而节约了编码时间.实验结果表明,与对3个分量分别进行DT描述及编码的方法相比,节约了约30%的编码时间,并保持了好的解码图像,仍然比H.263帧内编码和MPEG-4的静态纹理编码方法提供的主观质量好.

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.

低复杂度的HEVC帧内编码模式决策算法

新一代视频编码标准HEVC虽然显著提升了视频压缩效率,但也大幅增加了视频编码的计算复杂度,其中模式决策部分消耗的编码时间最多.为了降低HEVC编码的计算复杂度,提出一种基于纹理划分特征和方向特征的低复杂度帧内编码模式决策算法.首先根据编码树单元(CTU)的纹理划分特征与最佳编码单元(CU)划分的相关性,通过分析CTU中所有16×16CU的纹理划分特征,自底向上计算不同尺寸CU的纹理划分标识;然后利用这些标识预测当前CTU的深度范围,以及判定是否提前终止CU划分;接着根据预测单元(PU)纹理方向特征与最佳帧内预测模式的相关性,对候选帧内预测模式进行两级选择,以减少进行哈达玛优化的预测模式个数;最后利用哈达玛代价减少进行率失真优化的预测模式个数.实验结果表明,本文算法与HEVC参考模型相比,能够平均降低49.72%的编码时间,而码率只增加0.59%、峰值信噪比仅下降0.04d B,保持了良好的编码率失真性能;与现有的两种模式决策快速算法相比,本文算法进一步降低了约8%和9%的编码时间,并具有相近的编码率失真性能.

一种深度图像帧内编码单元快速划分算法

新一代的三维视频编码标准——3D-HEVC (3D High Efficient Video Coding)为了显著减少视点个数,增加了包含视频场景几何信息的深度图像,但深度图像编码的计算复杂度非常高,其编码时间是彩色图像的4倍左右。为了降低深度图像编码的计算复杂度,文中提出了一种基于纹理特征分析的深度图像帧内编码单元(CU)快速划分算法。首先,对深度图像的编码树单元(CTU)进行初级纹理特征分析,根据深度图像的纹理变化特征,在大津法的基础上对全局灰度进行分级,再通过判断CTU内采样点的纹理复杂度以及纹理方向标识来确定当前CTU的划分趋势。然后,对纹理复杂度高的CTU进行CU级别的精细纹理特征分析,利用CU内部像素分布的统计特征,自底向上计算不同尺寸的CU的纹理划分标识。最后,根据CTU的纹理复杂度、纹理方向标识以及CU的纹理划分标识预测当前CTU的划分深度范围,并判断是否提前终止CU划分。实验结果表明,与3D-HEVC参考模型中的原始算法相比,所提算法在平均增加0.8%左右码率的同时,能够降低45%左右的编码时间,同时保持了良好的编码率失真性能;与现有的3种快速算法相比,所提算法在整体序列上分别降低了约12%,3%,4%的编码时间,而在大分辨率序列上则分别降低了14%,11%,10%的编码时间,并具有相近的编码率失真性能。

H.264帧内编码与JPEG2000的性能比较与分析

为了给P帧和B帧作参考帧,保证编码序列在解码时能正确地开始和进行,H.264中的I帧编码是一种独立消除空间冗余度的适度图像压缩算法,没有使用帧间预测和补偿。在某种程度上,I帧编码可以被认为是一种静态图像编码。JPEG2000是ISO推出的新一代静态图像压缩标准。通过对目前这两种最先进的图像压缩标准的分析和比较,得出在较低的码率下,针对小尺度图像,H.264的帧内压缩有着比JPEG2000更好的性能,而在其他条件下JPEG2000的算法占优。

H.264中基于帧内编码的适应性帧内预测算法

H.264/AVC中宏块模式含有多个方向性预测模式,虽然可以借此提高帧内编码效率,但是也相应地增加了编码复杂度。针对这个问题,提出一种新的基于帧内编码的适应性算法(AIP),试图通过对不同方向预测模式的失真率分析,使用最可能模式(MPM)来取代原有的多个预测模式,从而降低编码复杂度并提高编码效率。通过实验验证,新算法可以较好地实现这一目的。

高效的H.265/HEVC快速帧内编码方法

H.265/HEVC帧内编码采用率失真最优化穷举搜索大大提高了编码效率,但引入极高计算复杂度。为降低计算复杂度,对当前64×64单元与时空相邻编码单元之间的率失真统计特性进行研究,提出一种纹理代价与非纹理代价关系优化的提前判决算法。实验结果表明,该方法平均降低了48.74%的计算复杂度,同时相比于HM参考软件,只增加了0.49%的BDBR,仅损失了0.039dB的BD-PSNR。

应用于H.26X的通用无损帧内编码优化算法

在H.26X系列视频编码标准的无损压缩方案中,通过帧内预测得到的预测残差仍具有较强的空间相关性,直接参与熵编码将导致编码效率下降。与自然图像不同,帧内预测残差的空间相关性体现为含有丰富的边缘特征。为利用帧内预测残差特殊的空间相关性,进一步降低其空域冗余,提高视频帧内编码的效率,提出一种通用的基于残差中值边缘检测的无损帧内编码算法。算法首先对帧内预测残差逐点进行边缘检测,通过分析临近点的数值特征,使用中值边缘检测算法得到当前点的预测值;然后,对比预测值与原始残差值,得到新的预测残差;最后,为确保编码新的预测残差能够提高压缩率,依照当前编码单元的能量是否降低来快速判断是否使用新的残差进行熵编码。实验结果表明:经过该算法处理的编码单元具有更低的空域冗余和残差能量,从而可降低熵编码后的码率。经统计,在H.265与最新的H.266标准中应用提出的优化算法,帧内预测残差的能量平均降低67.9%,平均码率分别降低7.04%和5.98%,同时编解码时间变化细微,具有显著的实用价值。

基于Prewitt算子的快速帧内编码算法

本文提出了一种快速帧内编码算法,利用prewitt算子检测亮度信号的边界方向,并根据周围块的编码模式预测出可能的编码模式,将色度信号与亮度信号分开处理,然后利用拉格朗日代价函数计算出最优编码模式。实验数据表明,该算法可以极大地提高帧内编码速度,而对图像质量和码率大小变化影响极小。

一种基于深度可分离卷积的VVC帧内编码快速块划分算法

最近,联合视频探索工作组(JVET)将通用视频编码(VVC)作为新一代视频编码标准,它利用复杂的四叉树加多类型树(QTMTT)划分结构有效地提升了编码性能,但也导致编码复杂度急剧攀升,大幅地增加了编码时间。为解决上述问题,提出了一种基于深度可分离卷积的VVC帧内编码快速块划分算法,将编码单元(CU)的原始像素值作为输入,利用轻量化的深度可分离卷积神经网络提取CU纹理信息特征指导CU的划分模式选择,实现精准的划分模式预测。该方案通过跳过低概率的划分模式,减少CU划分模式的遍历,大幅地降低编码器的复杂度。实验结果表明,所提算法在VTM15.2平台上实现了18%~48%的编码时间节省,仅仅带来了平均0.15%的性能损失,并且轻量化的深度可分离卷积计算带来的额外复杂性也可以忽略不计。

基于高速DSP深度视频帧内编码的农机导航系统设计

为了解决农机基于电子地图导航系统的抽象性和缺乏沉浸感的缺点,以图像清晰化复原算法为依据,提出了一种基于高速DSP图像处理系统的导航深度视频帧内编码方法,并设计了一种新的农机导航系统,从而实现了导航视频的快速处理,达到了快速精准导航的目的。本次设计的农机导航系统选用高清摄像机作为视频采集装置,使用FPGA作为协同处理器,将深度视频帧内编码数据发送到DSP主处理芯片进行处理,最后将处理得到的结果在VGA接口进行显示。为了验证系统的可行性,以低矮作物的农机导航为测试对象,利用导航系统对作物和障碍物进行了摄像,并对实时获得的视频进行深度视频帧内编码处理,最终得到低矮作物和障碍物的具体标定位置,为农机自主导航线的划定提供了基本依据。

采摘机器人在线监测系统研究——基于计算机与帧内编码

为了提高采摘机器人在线定位和监测系统的效率,将帧内编码的方法引入到了视频的传输和处理过程中,通过对视频的去冗余和压缩,实现了视频的高效传输。将边缘检测方法引入到了机器人监测定位系统的设计上,实现了复杂环境下采摘果实的定位。利用颜色等级编码的方式设计了机器人果实成熟度识别系统,通过对颜色等级的识别,机器人可以快速判断是否进行采摘,有效提高了采摘效率和采摘质量。

基于一维数据块的AVS视频帧内编码算法

针对AVS(Audio Video Coding Standard,音视频编码标准)视频部分帧内预测中固定三抽头滤波器难以适应纹理类型变化、预测精度低的问题,基于相邻一维数据块(像素行或者像素列)之间纹理一致性更强的特点,提出了基于一维数据块的帧内自适应滤波编码算法,将固定三抽头滤波器扩展为自适应滤波器,以一维数据块为单位生成预测,解决参考像素与预测像素之间距离较远所带来的相关性差、预测不准确的问题。利用最小二乘方法,对已编码的相邻一维数据块进行自适应滤波预测,计算得到最优的三抽头滤波器,将其直接作为当前一维数据块的自适应滤波器,从而避免了自适应滤波器系数的传输开销。实验结果表明:新的帧内编码方法能够提高现有AVS视频帧内编码效率平均达到0.324 dB,最高达到0.879 dB,而且编码性能高于帧内模板匹配方法平均0.120 dB。所提出的方法在新一代的视频编码标准AVS2.0的制定中具有广阔的应用前景。

基于祯内编码和DSP图像处理的农机避障控制

介绍了祯内视频编码技术,设计了DSP图像处理系统总体方案,分析了系统躲避障碍物的策略,同时以防止农机与障碍物的碰撞为前提设计了基祯内编码和DSP图像处理的农机避障控制系统的软硬件部分,最后利用MATLAB进行了仿真验证。试验结果表明,该避障控制系统可以实现避障和路径规划,且路径最优,耗时最少,证实了整个系统的可靠性和可行性。

抑制编码误差扩散的深度图帧内编码

为进一步提高深度图编码的质量和三维视频虚拟的合成质量,提出了抑制编码误差扩散的深度图帧内编码方法.首先根据深度图的特性将深度图划分为平坦区域和边缘区域,并分析这两个区域的误差扩散特性.基于此特性,在宏块的率失真优化计算中,利用修正值修正易引起误差扩散的块或子块,使其后续大量受误差扩散影响的块或子块具有较低的率失真代价函数.实验结果表明,与JMVC8.5的帧内编码方法和基于分割的帧内预测方法相比,文中方法虚拟合成的平均峰值信噪比分别提升0.30和0.25dB.