基于混合预测模式的新型帧内编码算法

提出了一种新型的基于混合预测模式的帧内预测编码算法，它仅仅采用一种预测模式，避免了其它算法中从众多模式中选择模式的过程。实验结果表明，它能够充分利用空间的冗余度。     

基于模式相关性的H.264帧内预测快速模式选择算法

视频压缩编码标准(H.264)中帧内4×4预测有9种预测模式,均使用全搜索算法并引入率失真优化技术,为每个4×4块选择最佳预测模式.虽然这种算法获得了最佳的编码质量,但是由于它的运算量大,从而限制了实际应用.在分析H.264帧内4×4预测的原理和全搜索算法步骤的基础上,针对全搜索算法计算量大的缺点,根据每个4×4块的位置和不同预测模式在方向上的相关性,提出了一种快速模式选择算法.仿真实验的结果证明,该选择算法最大可将编码时间降低34.5 %,而峰值信噪比(PSNR)仅仅降低0.035 dB.     

H.264中基于边缘方向检测的帧内预测模式选择算法

运动估计是H.264中最为复杂的部分,帧内预测是运动估计的重要内容.H.264中帧内预测模式众多,大大增加了编码的复杂度.在帧内预测中,一般是通过率失真优化或者相关特性来减少选择预测模式,但复杂度还是较高.针对此问题,提出了一种改进的基于边缘方向检测的帧内预测模式选择算法.该算法利用方向检测方法来检测模式选择方向上像素的相关性.测试结果显示,本算法在保证视频质量的前提下减小了计算复杂度,大大提高了编码速度.     

一种HEVC快速帧内模式判断算法

针对HEVC帧内预测模式较为复杂的过程,提出一种适合HEVC帧内预测的快速算法.本文提出的算法充分利用了相邻PU块之间的结构相似性(SSIM),以及在候选模式中,MPM、PLANAR模式和DC模式最终被选为最佳预测模式的概率的规律,以达到减少帧内模式数量,降低计算复杂度的目的.实验结果表明,与参考编码算法相比,该算法可以稳定减少HM12.1编码时间35.6%,相应平均码率减少2.29%,PSNR-Y平均增加0.5058 dB,本算法具有实用价值.     

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.      

基于空间相关信息的H.264快速帧内模式选择算法

简要分析了H.264中的帧内预测模式选择，提出一种简单的快速帧内预测模式选择算法.利用视频数据当中的空间相关性，采用相邻编码块的最佳模式来作为当前编码块最佳模式的选择依据，并且加入刷新机制，有效地减小了待选模式的范围，降低了算法的复杂度.试验结果表明：该算法有效地降低了帧内预测的编码时间，降幅达到了50%以上，同时基本保持了原始算法的编码性能.     

基于邻块预测的H.264快速帧内预测模式选择算法

针对Pan提出的快速帧内预测模式选择算法存在侯选模式不够精简,以及仅利用了块内部纹理信息进行侯选模式的预测等不足,提出了一种改进的基于邻块预测的H.264快速帧内预测模式选择算法。改进算法不仅采用块内部纹理信息预测,而且利用帧内相邻已编码块进行空域预测,以得到更加精简的侯选模式,从而减少参与选择的模式数量,提高了编码速度。实验结果表明,与Pan算法和JM全搜索算法相比,该算法在保持较好的编码图像质量的同时,可有效地提高编码速度。     

多扫描双向参考的快速帧内预测算法

为了进一步提高帧内预测算法的编码性能,提出了一种多扫描双向参考的快速帧内预测算法.首先通过边缘相关性选取最优的扫描模式,并通过预处理缩减单向参考预测模式的数量,然后以哈达马变换比为权重确定双向参考的预测模式,最后利用简化的率失真模型确定最终的预测模式,并用这些预测模式进行编码,大幅度提高了编码性能.仿真结果表明,与双扫描双向参考帧内预测算法相比,该算法在大幅度减少编码时间的情况下,不但使输出码率降低了2.74%,而且使重建图像的平均峰值信噪比提高了0.13dB.     

H.264/AVC帧内4×4块预测模式选择算法研究

H.264/AVC是新一代的视频编码标准,其采用空间域上的帧内预测技术,进一步提高了编码效率.但由于H.264/AVc帧内预测模式较多,使帧内预测的计算复杂度大幅提高.在详细分析帧内预测模式选择过程的基础上,提出了一种率失真优化(rate distortion optimization,RDO)模式下的快速Intra_4×4模式选择算法.实验结果表明,该算法缩小了模式搜索范围,从而大幅度降低帧内预测的复杂度,并且基本保持了H.264/AVC的编码性能,同时对空间变化较快的视频序列算法性能更为有效.     

一种改进的BP算法在消费水平中的应用

通过对标准BP算法的改进,提出了一种L-M贝叶斯正则化优化算法,并把它应用到成都市居民消费水平预测中.经试验验证,L-M贝叶斯正则化的BP神经网络比相同条件下另外两种改进算法有更强的泛化能力,对居民消费水平有很好的预测效果.