针对VVC色度预测的注意力卷积神经网络算法

针对多功能视频编码(Versatile Video Coding,VVC)标准中跨通道线性预测模型(Cross-Component Linear Model,CCLM)无法很好地拟合色度与亮度之间的非线性对应关系这一不足,提出了一种基于注意力机制卷积神经网络的VVC色度预测算法。该算法主要思想是在进行色度预测时,使用对应亮度块的信息与待预测色度块上方与左方的信息作为参考信息输入进卷积神经网络,利用注意力机制对参考信息中的亮度与色度间的内在联系进行分配权重后输入预测网络。实验结果表明,相较于VVC标准算法U分量和V分量的平均码率节省分别为0.64%和0.68%,有效提升了VVC编码性能。

基于神经网络的HEVC帧内预测组合快速算法

为了提升高效视频编码(High Efficiency Video Coding,HEVC)帧内编码的实时性能,本文提出的方法利用了引入偶数边长与步长的卷积核以及自注意力机制的轻量级卷积网络来预测编码树单元(Coding Tree Unit,CTU)的帧内划分结构,从而减少了编码器对CTU进行四叉树递归遍历划分的编码时间。原始编码策略中粗模式决策通过基于残差经哈德曼变换的预测残差绝对值总和(Sum of Absolute Transformed Difference,SATD)的损失值来估计率失真优化过程中的率失真损失值来进行加速,但仍会耗费一定的编码时间。提出一种方法通过采样搜索的方式减少粗模式决策过程中计算的模式数,从35种模式降低到了18种模式,降低了粗模式决策过程中计算估计损失值的时间。由粗模式决策过程得到的较优的多个候选帧内模式来进行率失真优化,为了缩减粗模式决策需要计算的候选模式数,在候选模式列表中根据前后帧内预测角度模式的估计损失值的差距来筛选掉部分可能性较低的候选模式实现早停止决策,从而减少需要进行率失真优化的候选模式数量,进而减少率失真优化过程的计算时间。本文提出的算法在测试序列上平均实现78.15%的编码时间缩减,BD-PSNR为-0.168 d B,BD-RATE为3.49%。

基于长边稀疏采样的AV1参考像素选择算法

开放媒体联盟开发的第一代视频编码标准(Alliance for Open Media Video 1,AV1)作为新一代的开放式视频编码技术,以其高压缩效率和高质量视频输出等优势成为在线视频领域的主流编解码标准之一。旨在优化帧内预测编码技术以降低编码运行的计算复杂度,从而节约视频编码时间。为此,提出了长边采样(Long-side Sampling, LS)和长边稀疏采样(Long-side Sparse Sampling, LSS)的参考像素选择方法,根据块的划分方式规律地提取关键参考像素,以改进直流(Direct Current, DC)预测和亮度预测色度(Chroma from Luma, CfL)预测技术的性能。实验结果表明,LSS可以规避运算中的除法操作且减少大量加法计算量,在全I帧(All Intra, AI)和随机接入(Random Access, RA)配置下,相较原始算法平均编码时间减少11%和13%,同时节省0.03%和0.04%的Bj?ntegaard Delta Bit Rate(BDBR)。

面向硬件的AVS帧内预测算法改进

为了面向低延时的浅压缩场景提供更加适配的编码方案,并降低硬件实现成本,提出一种基于数字音视频编解码技术标准(Audio Video coding Standard,AVS)浅压缩算法的帧内预测模式优化以及快速率失真优化算法。该算法通过减少原有算法帧内预测所需的预测循环次数,以及打破各块之间的数据依赖关系等措施,克服了原始方案不适合硬件流水并行处理的限制,提高了编码的效率和稳定性,从而既保障了算法的视频质量,又使新的硬件实现方案更符合实际应用需求。实验结果表明,该算法优化方案能够有效改善实际面向低延时浅压缩场景下的编码效果。

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。

AVS-M基于统计方法的快速帧内预测模式选择

AVS-M是中国自主制订的数字音视频编码系列标准(AVS)中的移动视频编码标准.针对AVS-M帧内预测多预测块模式的特点,提出新的AVS-M基于统计方法的快速帧内预测模式选择.它利用相邻块的预测模式找寻最可能模式,选定该模式并计算为最佳预测模式的概率.通过统计运算,就可得到在某种预测模式下的最佳预测模式概率的大小顺序.该方法可以提前终止帧预测从而减少了计算量.仿真结果表明在不影响峰峰比特率的前提下能有效提高编码速度.

基于平滑滤波的H.264-I帧模式决定策略

为了降低H.264中I帧编码模式选择时的计算量,提出了一种快速编码算法。该方法首先选择适当的滤波算子对待编码宏块进行平滑滤波,同时使用滤波后的结果与原始宏块数据进行比较来得到滤波残差量;然后将该滤波残差量作为依据,提前判断出当前宏块编码所属的基本模式集,这样由于减小了候选模式的范围,因而提高了模式决定的效率。在判定过程中还使用了双阈值方法,该方法可确保在作出合理判决时,亦不影响图像质量。采用该算法不仅一定程度上降低了计算复杂度,并且对图像质量的影响可以忽略不计。实验表明,这种新的算法可以降低约16%的计算量,而编码图像峰值信噪比的下降只有0.1dB,且对比特率的影响不到1%。

一种基于自相关法的H.264/AVC高效帧内预测算法

H.264/AVC是最新的视频压缩标准,具有极高的压缩率,但由于编码时间较长,无法达到实时应用的要求.本文提出了一种新的基于自相关法的高效帧内预测算法.该算法在进行帧内预测之前先对宏块预判,从两种预测模式中选择一种,从而减少了算法的复杂度.实验结果表明,本文提出的算法在码率只有少许增加的情况下,速度平均提高了26.9%,SNR值基本维持不变.

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%.

基于宏块特征的H.264快速帧内预测算法

为了降低H.264的计算复杂度以满足实时应用,在对H.264帧内编码模式深入研究的基础上,提出利用宏块灰度直方图特征在Intra4×4和Intra16×16模式中预判,针对Intra4×4模式采用基于子块预测方向特征的快速帧内预测算法.综合以上2种优化策略,该优化算法平均码率增加了3.2%,峰值信噪比基本不变的情况下,编码速度平均提高了32.8%.

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%。

一种快速的H.264/AVC帧内预测模式选择算法

H.264/AVC采用RDO技术选择帧内和帧间预测模式以进一步提高编码的效率,取得显著效果,但同时大幅度增加了预测的复杂度。该文提出一种RDO模式下的快速Intra_4x4模式选择算法,该算法根据SATD特征以及相邻块的预测模式之间的相关性,可以预先排除约50%可能性小的Intra_4x4模式,避免了不必要的代价(RD_Cost)计算,从而大幅度降低帧内预测的复杂度,同时基本保持了H.264/AVC的编码性能。

一种基于二维直方图的H.264/AVC快速帧内预测判决算法

最新的视频压缩标准H.264/AVC具有极高的压缩率,但由于其算法极其复杂,编码时间较长,无法达到实时应用的要求。该文针对其帧内预测算法的特点,提出了一种基于二维直方图的快速帧内预测算法。该算法在进行帧内预测之前先对宏块预判,从两种帧内预测模式中选择一种,从而减少了算法的复杂度,提高了压缩速度。实验结果表明,所提的算法在码率只有少许增加的情况下,编码速度提高了16.26%,PSNR值基本不变。

基于边界纹理一致性的帧内模板匹配预测算法

提出基于边界纹理一致性的视频帧内模板匹配预测算法,根据图像内容纹理的一致性,在绝对差和(或均方差)的基础上,引入边界纹理一致性约束,形成新的模板匹配准则,以增强模板匹配预测与当前块周围像素之间的相关性,提高模板匹配预测的准确性。实验结果证明,该算法相对于帧内模板匹配预测算法,编码效率平均提升0.11 dB,最高能提升0.17 dB。

一种复杂度可分级的帧内预测方法

提出了一种复杂度可分级的帧内预测方法。利用相邻图像块纹理的相关性,选择概率大的部分预测模式对当前图像块进行处理,实现帧内预测复杂度的初步分级;然后根据复杂度冗余的大小,选择更多的预测模式进行处理,实现复杂度的精细分级。实验表明:本文方法不需要额外开销,可实现帧内预测复杂度的任意分级。

H.264帧内预测与帧间块模式选择快速算法

针对H．264帧间预测时的多子块模式选择和帧内预测的多模式选择问题，提出了一种实用的基于统计门限的模式快速选择算法，通过门限设定有效限定了编码模式的选择范围．多组视频序列的实验结果表明，基于统计门限的帧内预测模式选择算法在1帧的PSNR值有微小变化的情况下，大大降低了编码时间，1帧的编码时间降低17％-23％，PSNR下降不到0．4％。基于统计门限的帧间块模式选择算法使得平均PSNR值下降了0．047dB（PSNR最大下降不到1%），但是相对全模式预测时，编码器速度提高了20%-30％。

基于DM642的H.264编码实现与优化

为优化H.264编码技术在数字信号处理中的实际应用,在对H.264标准中帧内及帧间预测模式深入研究的基础上,提出了2种改进算法:帧内预测时,采用直方图的自相关特性进行快速模式判别;帧间预测时,采用运动估计块匹配过程中得到的绝对值误差和作为中途停止条件,结合运动搜索预处理及残差纹理分析进行模式判别.这2种算法均大幅提高了编码速度.在此基础上合理利用DM642芯片及H.264编码器的自身特点,充分挖掘处理器的并行特性和计算资源等以优化编码器.实验结果表明,在图像质量不变的前提下,编码速度提高到15帧/s,部分序列达到18帧/s,码率上升8%.

一种新的H.264/AVC快速帧内预测模式选择判决算法

针对H.264视频编码标准帧内预测模式选择部分计算量大的问题,本文提出了一种快速帧内预测模式选择判决算法。该算法首先提出了一个新的算子,用来描述图像灰度分布信息,作为判断图像复杂程度的依据,进而提出两个对量化系数(QP)自适应的阈值,将图像分为平滑、变化剧烈和特征模糊3种。平滑图像宏块使用Intra_16×16模式预测,变化剧烈的宏块使用Intra_4×4模式预测,特征模糊的宏块使用标准算法预测。实验结果表明,该优化算法能在保证很好的图像质量的同时,使帧内模式选择计算次数减少30%以上,而且对传输码率基本没有影响。

一种基于4×4子块特征的H.264/AVC快速帧内预测算法

最新的视频压缩标准H.264/AVC具有极高的压缩率,但由于其算法极其复杂,编码时间较长,无法达到实时应用的要求。本文针对其中4×4子块预测算法的特点,提出了一种基于子块自身特征的快速预测算法。该算法利用子块自身的特征,同时考虑到实际预测情况,减少每次预测方向的计算量,从而降低了算法的复杂度,提高了压缩速度。实验结果表明,本文提出的算法在码率只有少许增加的情况下,编码速度提高了18.98%,PSNR值基本不变。

基于纹理的H．264/AVC帧内预测块选择快速算法

针对帧内预测中的Intra_16×16、Intra_8×8及Intra_4×4预测块选择提出了一种基于纹理的快速帧内预测块模式选择算法.该算法的原理是在做帧内预测之前,首先利用方差对区域纹理的平滑度和粗糙度进行估计,然后从Intra_16×16、Intra_8×8及Intra_4×4中选择一种块进行模式预测.通过方差和阈值相结合的方法来决定块预测模式,减少了算法复杂度,提高了压缩效率.实验结果表明,当考虑Intra_8×8预测块时,编码时间减少了50%以上,当不考虑时。编码时间减少了20%以上.与此同时,码率和峰值信噪比(PSNR)基本保持不变.