An Efficient Intra-Frame Rate Control Algorithm for H.264/AVC Video Coding

Intra-frame plays a significant role in improving video quality for rate control of H.264/AVC.In this paper,an efficient intra-frame rate control algorithm is proposed for H.264/AVC video coding.The proposed scheme adjusts the quantization parameter （QP） of intra-frame adaptively according to intra-frame buffer fullness ratio,current buffer fullness ratio,and skipped frame ratio.Experimental results demonstrate that for a set of typical testing sequences,the proposed scheme can obtain accurate target bit rate,better peak signal-to-noise ratio （PSNR） performance and reduce the number of skipped frames significantly,when compared with existing schemes.More importantly,the proposed scheme is very flexible for different initial QPs and target bits.

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%。

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。

张量结构和活动值的HEVC-SCC帧内快速算法

针对新一代高效视频编码标准(high efficient video coding,HEVC)逐一划分、逐层对预测模式进行RDO过程计算复杂度高的问题,提出基于结构张量和活动值的HEVC-SCC帧内快速算法。首先利用屏幕内容图像中均匀和小的全局运动区域常用大尺寸单元CU编码,复杂或大的全局运动区域常用小尺寸CU编码的特点,通过提取能够表示CU均匀性的结构张量,研究结构张量与CTU深度划分的联系,在CTU进行遍历不同深度下的编码模式前先对当前深度CU计算结构张量值,通过结构张量值判断是否跳过当前深度下的遍历率失真优化(RDO)的过程。其次利用屏幕内容和自然内容图像纹理特性不同,屏幕内容常含有水平或垂直的边,提出了基于图像活动值的屏幕内容帧内编码模式决策。通过计算图像的编码单元(coding unit,CU)的水平活动值、垂直活动值,对CU进行判别以跳过遍历所有预测模式的过程。所提的算法经过实验测试,在全帧内(all intra)配置下,与SCM-8.8算法相比能减少26.65%的编码时间,而BDBR仅增加1.95%。

面向H.266/VVC的R-λ帧内码率控制算法

在R-λ帧内码控中,提出基于卷积神经网络(Convolutional Neural Networks,CNN)的最佳比特分配和最优拉格朗日因子λ选择。首先,探索编码树单元(Coding Tree Unit,CTU)的码率与失真(Rate-Distortion,R-D)及码率与拉格朗日因子λ(Rate-λ,R-λ)的关系特性,设计具有四输出的CNN预测R-D和R-λ曲线的关键参数;然后,建立帧级λ和目标码率的优化方程,反演得到最佳CTU码率分配;最后,根据CTU码率分配和先知的R-λ曲线,得到最优CTU级λ。实验表明,算法在保持4.76%控制精度下,比VTM13.0默认码控算法提高0.31 dB的编码质量。

基于T-CNN的3D-HEVC深度图帧内快速编码算法

3D-HEVC标准中引入了具有大面积平坦区域、陡峭边缘和低纹理复杂度特性的深度图。针对深度图编码过程中编码单元(CU)率失真优化导致编码复杂度过高这一问题,本文在分析深度图编码所具有的特点的基础上,构建了深度图划分深度数据集,并提出了一种基于两通道特征传递卷积神经网络(T-CNN)的划分深度预测算法。使用本文提出的算法替换原始编码器中各视点下深度图CU划分模块,可以在一定的率失真性能损失下,将原始HTM-16.0编码器编码时间平均减少76%左右,编码效率得到了显著提升。

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.

融合多模型和帧间信息的行人检测算法

行人检测在车辆辅助驾驶、视频监控、智能机器人等领域具有重要的应用价值.针对当前行人检测算法在视频分辨率低和背景复杂的情况下存在很多误检及漏检的问题,提出一种融合多模型和帧间信息的行人检测算法.首先融合Fast R-CNN和Faster R-CNN模型的互补检测结果获取精准的检测窗口;然后采用视频帧间上下文融合算法来弥补单帧图像检测算法存在的漏检和误检.实验结果表明,在Caltech行人检测数据库上,在每幅图像虚警率(FPPI)为10%的条件下,该算法丢失率仅为14.04%,比Faster R-CNN单模型丢失率(16.09%)降低2.05%;利用多模型和帧间信息融合对行人检测结果进行校正,能提高行人检测性能.

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%.

三角形网格基活动图像编码研究——基本框架和I帧编码

本文结合实验结果,深入讨论了三角形网格基活动图像编码方法的基本框架和帧内编码问题。文中全面比较了DTM+MD的帧内编码方法和JPEG方法的性能,表明采用DTM+MD作帧内编码具有更好的主客观质量。

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%。

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。

基于边缘检测的空域自适应差错掩盖算法

针对视频传输中帧内编码帧(Intra帧)出错情况,提出一种基于边缘检测的自适应空域差错掩盖算法。根据丢失宏块周围正确宏块的边缘信息,将丢失宏块分为平滑块和边缘块。对平滑块采用双线性插值进行恢复;对边缘块采用一种多方向插值加权平均方法进行恢复。实验结果表明,提出的空域差错掩盖算法能很好地适应不同的视频传输差错情况,并对不同类型的图像内容具有良好的差错掩盖效果,与传统的差错掩盖算法相比,具有更好的差错恢复能力。

一种H.264帧内预测模式判决算法及VLSI实现体系

17种预测模式和率失真优化模式判决极大的增加了H.264帧内编码器硬件设计的复杂度.目前的模式判决快速算法能大量减少模式判决的复杂度,但却不易于硬件实现.本文在Sobel边缘检测模式判决算法的基础上,提出了一种面向VLSI实现的模式判决优化算法.该算法通过修改16×16宏块部分像素的Sobel边缘检测算子来减少存储器读取次数,优化预测模式区域的范围来减少硬件设计复杂度,并采用变换后残差绝对值和(SATD)来简化编码代价判决运算.实验结果表明,采用该算法的帧内硬件编码器可以在确保编码质量的前提下,显著降低硬件实现复杂度和提高编码器效率.

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。

一种基于多秘密共享的H.264视频无失真漂移鲁棒隐写方法

提出了一种基于多秘密共享的H.264视频无漂移鲁棒隐写方法。该方法首先利用(t,n)门限多秘密共享技术将需要嵌入的p个秘密信息利用矩阵方程分发成n个子秘密;然后利用H.264预测模式选择可嵌入的4×4亮度块,通过双系数选择嵌入块内DCT系数对;最后将分发好的子秘密按调制方法嵌入到视频的各个备选块的DCT系数对中。提取时,只需获取视频中部分t个子秘密即可恢复秘密信息。实验结果表明,该方法除能有效地恢复帧丢失、帧错等引起的秘密信息,还能有效控制帧内失真漂移,有较好的视觉隐蔽性,视觉效果良好。