高效率视频编码快速模式判决算法

为了降低高效率视频编码(HEVC)的编码复杂度,提出一种新的快速模式判决算法.考虑到视频帧的纹理特性和编码中所采用的量化参数影响最优编码单元(CU)模式的选择,首先提取前一帧的平均分割层数和其最大编码单元(LCU)的最小分割层数来预测当前帧对应位置处LCU的最小分割层数,以跳过部分大块CU的模式判决;然后计算当前CU的运动矢量差值和预测残差系数来决定CU的最大分割层数,以避免小块CU的模式判决.实验结果表明,与原始的HEVC编码方法相比,高效率视频编码快速模式判决算法可平均降低51％的编码复杂度,而编码比特率平均只上升了0.69％.     

快速 HEVC 帧间预测编码单元深度选择算法

为提高编码效率, 提出一种快速 CU(Codizy Unit)深度选择算法。 首先, 计算当前 CU 的平均深度预测值 (MPD: Mean Predrition Depth), 根据 MPD 值对当前 CU 进行初步分类以减少 CU 深度选择的冗余遍历; 然后, 根据获得的参考帧同位置 CU col (Co-located CU)的率失真(RD: Rate Distortion)代价与其深度总和的比值作为参 数对当前 CU 深度选择做进一步终止判断。 实验结果表明, 与原始算法 HM16 相比, 快速 CU 算法在平均比特 率减少 0. 10%, 峰值信噪比仅降低 0. 08 dB 的情况下, 编码平均时间减少了 59%, 与文中参考文献[9]和 文献[13]算法相比, 编码时间平均减少了 11%, 有效降低了编码复杂度, 提高了编码效率。     

一种高清帧内预测单元快速选择算法

针对高效视频编码标准提出一种CU划分快速终止算法.该算法选择图像纹理复杂度作为特征向量,将HEVC帧内预测与k-means聚类方法相结合,通过每种尺寸CU的聚类中心减少率失真优化的次数,提前终止CU块的划分,在达到降低编码复杂度的同时依然保持较好的编码效率.测试结果表明,本算法与参考算法HM10.0相比较,视频图像质量基本不变,而编码时间大幅减少.     

一种面向新型视频编码器的快速算法

为降低多功能视频编码标准(VVC)编码的复杂度,提出一种面向VVC的帧内快速编码算法.首先,根据视频内容的时空域相关性,使用反向传播(BP)神经网络对CU的划分深度进行预测;然后,使用统计概率对CU的划分模式进行选择;最后,编码时跳过不必要的划分模式以节省编码时间.实验结果表明,与原始编码器相比,该算法平均可节省59.82%的编码时间,且在同等编码质量情况下比特率的平均增加值(BDBR)仅为2.05%.     

一种基于空时域相关性的HEVC帧间预测模式快速决策算法

为了减小高性能视频编码（high efficiency video coding,HEVC）的复杂度,提出一种基于四叉树结构类型分析的帧间预测模式快速决策改进算法。一方面,统计并分析空时域相邻编码单元（coding unit,CU）和 CU 深度之间的相关性,确定其深度遍历区间,跳过一些冗余 CU 的分割,从而减少 CU 深度划分的复杂度;另一方面,通过分析遍历区间内 CU 的运动特征和预测单元（prediction unit,PU）模式特性,确定不同运动特征所对应的 PU 模式,减少所需遍历候选 PU 模式的数量和所需要进行的率失真代价计算的数量。与 HM14．0相比,采用该算法的 HEVC 编码器在输出比特率增加很小的情况下,平均编码时间降低了46．9％,而编码后的视频质量基本不变。     

双策略高效视频编码帧间模式快速决策算法

为了减少编码复杂度,提出针对编码单元(CU)级和预测单元(PU)级的帧间快速算法.首先,利用当前编码块的3个空间邻近已编码块的深度信息,提前跳过某些CU的编码模式的检测.其次,利用当前编码块执行完Inter_2N×2N模式后,得出的残差块的纹理信息跳过某些PU的编码模式检测.实验结果表明:文中算法可以节省45.03%的编码时间;BD-BR(bjøntegaard delta bit rate)造成1.49%的损失;算法能够很大程度节省编码时间;引入的率失真性能损失忽略不计.     

深度图的快速自适应帧内预测模式选择算法

基于高效率视频编码(high efficiency video coding, HEVC)三维视频扩展的深度编码,引入了深度模型编码模式(depth modeling mode, DMM)和区域边界链编码(region boundary chain, RBC)模式. RBC 模式通过遍历编码单元(coding unit, CU)当前深度下所有的边缘线预测模板来得到最佳的预测模板, 但在显著提升编码效率的同时, 其计算复杂度也增加了数倍. 深入研究了在HEVC 模式粗选过程中选出的最优预测模式与DMM 和RBC 这两种模式的相关性, 以及与直接Wedgelet 搜索模板集合各个方向的相关性, 并在此基础上提出了一种快速的自适应深度图帧内预测模式选择算法. 该算法将编码块分为平坦块、方向性编码块以及纹理复杂块3 种. 对平坦块跳过DMM 和RBC 模式, 而对方向性编码块的直接Wedgelet 搜索过程则跳过不必要的方向模板搜索, 从而提高编码速度. 实验结果表明, 在全I 帧模式下,该深度图帧内预测模式选择方法平均节省了75.4% 的编码时间, 而在合成视点端仅带来0.4%的性能损失.     

一种深度图帧内预测模式决策改进算法

为减小3D-高效视频编码(three dimensional-high efficiency video coding,3D-HEVC)的编码复杂度,提出一种深度图帧内预测模式决策改进算法.一方面,采用拉普拉斯边缘检测法对是否遍历深度模型模式(depth modeling modes,DMMs)进行快速判决;另一方面,利用预测单元(prediction unit,PU)的楔形分割线与其纹理特征的相关性,只对候选预测模式中的帧内角度模式相关的楔形分割进行搜索,减少楔形分割模式遍历的数量,实现DMM1模式的快速决策.经测试,算法在平均编码比特率增加很少的情况下,深度模型模式的平均编码时间降低了53.65％,而深度图的合成质量基本不变.     

基于梯度的帧内自适应深度决策算法

提出了一种基于梯度的帧内候选模式裁剪算法,通过自适应深度划分并利用空间信息来简化帧内预测过程,大大减少了计算复杂度.实验结果显示,所提出的算法对比HM16.7,可以减少35.25%的计算复杂度,且只有极小的编码效率损失.     

HEVC帧间编码的快速CU尺寸和PU模式决策算法

为了进一步降低高效视频编码(HEVC)帧间编码的复杂度,提出一种快速的编码单元(CU)尺寸和预测单元(PU)模式决策算法.首先,利用SKIP和平均运动矢量提前结束CU分割过程.其次,根据统计的阈值,实现概率较小的PU模式计算过程的跳过.算法在随机方向(RA)和低延时(LD)配置下,编码时间分别平均降低42.2%和36.3%,造成的BDBR(bjentegaard delta bitrate)损失仅为0.624%和0.264%.实验结果表明:CU尺寸和PU模式决策算法在编码质量基本不变的前提下,能正确地决策出最佳CU尺寸和PU模式,有效地提高HEVC的编码效率.