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.     

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％.     

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.     

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HEVC样点自适应补偿快速算法

为解决高性能视频编码标准H.265/HEVC中引入的样点自适应补偿技术的计算复杂度极高导致严重影响编码效率的问题,提出一种HEVC样点自适应补偿快速算法.首先根据编码单元(coding unit, CU)的划分深度确定亮度树形编码块(coding tree block, CTB)中需要提取边缘方向的区域,然后利用边缘方向提取算法获得亮度CTB的边缘方向列表,并根据此列表减少亮度CTB在模式判别过程中遍历的模式数量,最后利用亮度和色度CTB之间的相关性进一步简化色度CTB的模式判别过程.实验结果表明,在性能损失较小的情况下,本算法可以在全I帧(AI)、随机访问(RA)、低延时B帧(LB)、低延时P帧(LP)四种配置下分别节省31.75%、 56.85%、 52.81%、 51.51%的样点自适应补偿编码时间.     

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。     

HEVC帧内编码单元快速划分算法

针对HEVC帧内编码中CU(Coding Units)模式判决过程计算复杂度高的问题,分析了CU四叉树划分结构的特征,提出了一种新的帧内编码单元快速判决算法。首先,提取前一帧相同位置CU的最优划分结构,以预测当前CU的起始划分深度和终止划分深度。然后,结合亮度直方图的密集度特征,设置自适应的双阈值对当前CU划分的深度范围进行精确调整,从而跳过或终止部分不适合此纹理特征的划分模式。测试结果显示,该算法在BD-Rate损失仅为0.374%的情况下,提高了51.654%的编码速度,具有良好的实际应用价值。     

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.     

基于高效率视频帧内编码的快速编码单元和预测模式决策算法

针对高效率视频编码采用四叉树分割和35种模式预测等技术来提高视频编码质量,但引起算法复杂度剧增这一问题,本文利用当前编码单元及其相邻单元空间相关性对当前编码单元分割模式进行预测,从而快速决策编码单元的分割模式.此外,通过跳过若干低概率预测模式的率失真最优化处理过程,实现了一种快速的预测模式决策算法.测试结果显示,提出的算法可以平均减少53%的编码时间,并保持BDBR仅为1.17%的良好编码质量.      

一种HEVC帧内编码快速算法

为了降低新一代高效视频编码(high efficiency video coding,HEVC)标准的计算复杂度,提出了一种基于亮度分量直方图分析的HEVC帧内编码快速算法。统计编码单元中4个子块的亮度分量直方图,并计算子块亮度直方图的自相关函数;根据自相关函数判断每个子块的纹理类型;根据子块的纹理类型进行编码单元划分的自适应选择,从而减少不必要的编码尺寸,降低HEVC帧内编码的计算复杂度,提高编码速度。实验结果显示,相对于HEVC标准模型,本算法可将编码速度提高22%,而平均比特流增加0.9%左右,同时视频的PSNR基本维持不变。     

采用已编码信息的HEVC帧间快速模式决策算法

针对高效率视频编码(HEVC)帧间预测高额的计算复杂度,提出一种利用已编码块的相关信息进行快速帧间预测的算法.首先,在每个深度级上,利用当前编码单元联合其时空上最近的所有已编码单元的运动矢量(MV)长度,提前决定2N×2N的预测单元(PU)分割尺寸.其次,利用当前深度层获得的率失真代价(RDcost),结合离线统计出设置的阈值,终止满足条件的编码单元的进一步分割进程.实验结果表明:文中算法可以节省37.8%的编码时间,并取得与原始算法几乎相同的率失真性能.     

采用HEVC的视频内容认证

提出一种基于高效视频编码(HEVC)的视频内容认证算法.根据图像纹理特征产生特征码,将特征码用于修改帧间8×8编码单元的分割模式、帧间预测模式和运动向量,并保留最佳的编码单元分割模式及相应的预测模式和运动向量.实验结果表明:该算法对视频质量影响很小,嵌入水印后码率的变化也很小;同时,该算法具有较好的脆弱性,可以用于视频认证.     

二维直方图的HEVC帧内快速深度决策算法

针对高效率视频编码(HEVC)帧内预测高额的计算复杂度,提出一种基于二维直方图的快速深度决策算法.首先,对当前最大编码单元(LCU)采用3×3矩阵进行滤波;然后,分别统计原始LCU以及滤波后LCU的像素分布,生成二维灰度直方图.通过该二维直方图所表征的纹理特征,进行深度的自适应选择,减少不必要的深度计算.实验结果表明:同原始HM10.1相比,文中提出的算法可以节省编码时间21.6%,同时保证视频质量几乎不变.     

一种针对全景视频编码器的复杂度优化算法

相比于普通平面视频,全景视频能给用户提供更加沉浸式的体验,但其编码复杂度也急剧上升,阻碍了其推广应用。为解决此问题,本文首先结合全景视频纬度特性和帧间相关性构建复杂度预测模型,以更好地分配帧内复杂度资源;其次,构建一个转换模型将编码复杂度转换为时间复杂度,以确保帧内编码时间的稳定性;最后,综合上述两个模型提出一种自适应复杂度优化算法。实验结果表明,本文所提算法能在复杂度与编码质量之间取得更优的平衡,以适应不同应用场景的需求。