应用于VVC无损帧内编码的残差二次预测算法

在VVC无损帧内编码中,为了无失真地压缩视频,会跳过变换、量化等操作。未经过变换的帧内预测残差之间,存在较强的空间相关性。基于此,提出了一种残差二次预测(Residual Secondary Prediction,RSP)算法,来进一步降低残差能量。算法对经过帧内预测生成的残差样本进行二次预测,得到二次残差,选择绝对值之和较低的残差组作为最终的预测残差。在VVC测试模型(VTM)12.3上应用RSP算法,相较于基础的无损帧内编码,平均可以节省5.65%的比特率,编码时间增加14.6%,解码时间下降17.5%。RSP以增加较低编码复杂度为代价,高效地提升了VVC无损帧内编码的性能。

基于样本的VVC无损帧内梯度预测算法

为了进一步提升VVC无损帧内编码的性能,在BDPCM编码工具的基础上,利用样本之间的关系,对其进行改进,提出了一种基于样本的梯度预测(Sample-based Gradient Prediction,SGP)算法。在该算法中,预测样本由对应预测方向上的相邻参考样本,以及参考样本之间的梯度信息获得,获得的预测样本被限制在一定范围内。在VVC测试模型(VTM)12.3上的实验结果表明,提出的SGP算法在VVC无损帧内编码中平均节省了5.30%的比特率,编码时间增加了17.7%,解码时间下降了19.5%。相较于BDPCM可以达到的3.88%平均比特率节省,SGP所带来的比特率节省大幅度提升,并且编码时间和解码时间都更短。

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H.266/通用视频编码的帧内双模式的视频水印算法

针对现有水印算法对编码器造成较大的率失真损失的问题,结合通用视频编码(VVC)标准,提出了一种基于帧内预测模式奇偶性的视频水印算法。首先,进行第一轮粗选来计算35种偶数角度模式,并从中选出6个模式;其次,在进行第二轮粗选时,根据二值水印状态来决定是否计算第二轮粗选的奇数模式;接着,在进行矩阵加权帧内预测(MIP)和最可能模式(MPM)候选列表时,根据二值水印状态决定计算奇数模式或偶数模式;最后,选择具有最小率失真代价的模式作为最优模式以完成水印的嵌入,然后由解码端根据收到的4×4块的预测模式的奇偶性提取出水印。对9个视频序列嵌入水印,与原始编码器的算法相比,所提算法的峰值信噪比(PSNR)平均下降了0.0054 dB,码率平均上升了0.07%,每帧可嵌入的水印容量平均为625 b;与同样将水印嵌入预测模式的奇偶性的算法相比,所提算法的PSNR平均下降了0.005 dB,码率平均上升了0.06%,可嵌入的水印总容量平均为3183 b,而对比算法的PSNR平均下降了0.035 dB,码率平均上升了1.12%,可嵌入的水印总容量平均为10309 b。实验结果表明所提算法损失的率失真性能小于对比算法。