联合多特征的未来视频快速编码

与前一代高效视频编码标准相比,未来视频编码标准增加了新的二叉树加四叉树编码结构。针对该结构虽然显著提升了超高清视频编码效率,但是大幅增加了编码复杂度的问题,提出了联合多特征快速编码算法。该算法联合多个编码特征的后验概率信息,估计当前编码单元的划分方式,通过提前终止若干编码单元的划分来节省编码时间。此外,针对单个特征贝叶斯分类不准确的问题,算法在简化联合概率模型的同时提升了分类算法的准确度。实验结果表明:在随机访问配置、低延迟P配置和低延迟B配置下,算法可以平均减少35.7%,25.6%和26.7%的编码复杂度,而BDBR只分别增长了4.3%,3.1%和2.89%。算法在保证视频主观质量的前提下,节省了编码时间。

结合随机森林的FVC帧内编码单元快速划分

目的未来视频编码(FVC)是在高效视频编码标准(HEVC)的基础上提出的新一代编码技术,复杂度极高。针对现有的基于HEVC的快速编码方法不适用于FVC中的四叉树加二叉树编码结构或节省时间有限的问题,提出了一种结合随机森林的FVC帧内编码单元(CU)快速划分算法。方法针对FVC中的四叉树加二叉树结构进行优化。首先,提取视频编码过程中的各CU的图像纹理特征和划分结果;然后,分别使用各划分深度下的纹理特征和划分结果进行在线训练,建立多个随机森林模型,不同深度的CU对应不同的模型;最后,使用模型对视频其余帧的CU进行划分结果预测,从而减少了划分模式遍历和率失真代价计算的次数,节省了编码时间。结果实验结果表明,与原始平台算法相比,本文算法能够节省44. 1%的时间,在相同峰值信噪比的情况下,比特率仅上升2. 6%;与当前先进的方法相比,能进一步节省20%以上的时间。结论通过提取图像的纹理特征,建立随机森林模型,对CU划分结果进行预测,在保证编码率失真性能的前提下,有效地降低了FVC的帧内CU划分复杂度。