结合模式对应与机器学习的HEVC降分辨率转码

HEVC是ITU-T VCEG继H.264之后所制定的新一代视频编码标准,它提高了视频的编码效率,在保证相同视频质量的前提下,压缩比与H.264相比提高了一倍。另外,随着4G网络的兴起和智能手机的普及,移动终端成为人们观看网上视频的一大主流平台。但是,网络中存储的视频分辨率普遍要大于移动终端的屏幕分辨率,为解决这个问题,开展了针对HEVC的降分辨率转码研究工作,利用高分辨率视频的编码信息,通过模式对应来简化低分辨率视频的编码模式的计算过程,并采用机器学习的方法来确定降分辨率时的组块阈值,以提高模式对应的准确性。实验结果表明,提出的算法与Trivial transcoder相比,在保持PSNR和比特率几乎不变的同时,编码时间平均节省了60%左右。

一种基于精确度的降分辨率视频转码运动矢量合成算法

针对现有的降分辨率视频转码运动矢量合成算法没有考虑输入运动矢量的精确度,从而使得合成误差较高的问题,提出了一种基于精确度的降分辨率视频转码运动矢量合成算法。该算法分为两次合成,首先基于绝对差值和(SAD)对转码输入流中的运动矢量进行平均合成,然后再基于率失真函数,对转码输出流中的相邻运动矢量和第1次合成得到的运动矢量进行选择合成。仿真结果表明,与现有算法相比,该算法在保持较低计算复杂度的情况下,显著降低了运动矢量合成的误差。