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。     

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%.     

H.264视频编码中的快速失真与速率估计算法

H.264视频编码标准采用率失真优化技术追求更高的编码效率。针对每一个宏块,编码器需要遍历多种帧内和帧间模式,复杂度较大,提出了模式选择中速率和失真的快速估计算法。该算法省去了模式判决中的反变换和熵编码过程,利用频域系数来直接估计宏块的编码失真和速率,且失真的估计能适于不同的宏块类型,速率的估计能自适应于视频的内容。仿真结果表明,对于多种类型的视频序列,该算法相对于参考算法能够提供较高的估计准确度,在保持编码率失真性能下降不多的条件下,节省了约35%的模式决定时间。     

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.     

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.     

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.     

Video Segmentation Algorithm Based on Partitioning-Processing Conditional Random Field

为降低传统基于条件随机场(CRF)的视频分割的时间复杂度,提出了一种基于视频分块处理的CRF视频分割算法.该算法利用像素空间相关性对原视频帧进行分块处理形成新视频帧,然后使用CRF对新视频帧进行分割,最后根据初始分割、前一帧分割结果和当前帧CRF分割结果实现最终的分割.实验结果表明,在不明显增加误分割率的前提下,文中算法能有效降低时间复杂度.     

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.     

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％.     

双域无参考视频质量评价算法

为了提高视频质量评价的精确度,降低计算复杂度,提出了一种双域无参考视频质量评价算法.在压缩域,利用从码流中提取的编码信息,结合视频内容复杂度来计算视频相似度;在像素域,结合人类视觉系统的特性,通过块效应和模糊效应评估来计算视频失真度;最后,综合视频相似度和失真度得出视频客观质量.文中选用LIVE Video QualityDatabase对算法效果进行了评估,结果表明:该算法的预测精确性和单调性分别达到0.801 3和0.786 1,优于全部10种对比的视频客观质量评价方法;同时,该算法具有较低的计算复杂度,可以满足实时应用要求.     

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.     

采用深度帧内跳过模式的3D-HEVC视频水印算法

考虑到目前针对3维高效视频编码标准的视频水印算法缺乏的问题,提出一种基于深度帧内跳过模式的视频水印算法.首先,分析深度帧内跳过模式的编码过程,并将该模式的4种预测类型分为垂直、水平两大类;其次,进一步分析帧内误差传播问题,对深度帧内跳过模式的预测类型与水印值不匹配的嵌入单元进行选择,以消除传播误差.最后,根据水印嵌入前、后的率失真代价变化来决定是否修改其预测类型.结果表明:在不同的量化参数下,平均每帧嵌入容量分别为649.567,340.155,173.286和58.130 bit,平均比特率变化分别为0.043%,0.046%,0.460%和0.018%.算法对比结果还表明:文中所提算法具有更大的嵌入容量,对比特率的影响更小,在对比特率影响小的同时具有一定的抗重编码攻击性能.     

基于高斯混合模型的视频对象分割算法

针对应用高斯混合模型（GMM）进行视频建模与分割时的模型选择及参数估计初值选择的难点，提出了一种基于GMM的视频对象分割算法．首先进行特征提取，在特征矢量中引入加权运动信息，可根据不同需要选择合理的加权系数，然后通过分割投影进行模型选择及期望最大化（EM）算法的参数初始化并估计参数，这种初值选择方案使得EM算法的初值和真实值较接近，加快了迭代运算的收敛速度，从而提高了视频对象的分割速度，最后对特征矢量进行聚类分割．仿真实验表明，在保持良好分割效果的同时，所提算法的运算速度约为常规方案的76％，并且具有良好的稳定性．     

一种基于区域选择的视频对象分割算法

视频对象分割对于行动识别和视频检索等领域具有重要作用。针对现有方案的不足,提出一种新的视频对象分割算法。首先,基于物质度构建出视频主要对象的区域图,然后,视频对象的区域选择被建模为区域图中最大权重派系的寻找问题,为了避免不合理的区域选择所导致的无法求解问题,对同一派系的区域引入两种互斥约束:帧内约束和帧间约束,最后提出了一种新的最大权重派系(MWC)算法来计算满足约束条件的最大加权派系,从而实现视频对象的精确分割。将本文算法用于SegTrack数据库中的多个高难度基准视频进行测试,实验结果表明,本文算法能够实现每帧视频主要对象检测和分割自动化,且分割误差也要明显小于已有的算法。     

一种多层次语义视频对象分割算法

提出一种基于高斯马尔可夫随机场及规则化图划分的多层次语义视频对象分割算法,其主要特点是将视频序列帧中对象的分割看成是“内容树”结构中复合结点的形成过程.首先使用高斯-马尔可夫模型来进行视频帧内的最优标记场标定,然后引入规则化图划分准则进行过分割区域的合并,得到具有语义意义的视频对象.实验表明,本分割算法具有较高的准确性,误差的均值为11.375%,标准方差为0.94%.     

一种基于MPEG-2标准的数字水印技术

利用MPEG-2标准的压缩及视频流的特点，讨论了基于DCT变换帧内编码的水印嵌入方法，并提出一种改进的算法。实验证明，该算法改善了压缩视频中水印的嵌入性能。