新一代视频编码技术HEVC算法分析及比较

新一代视频编码标准HEVC更倾向于处理高清视频,实现在设备复杂度有一定增加的前提下提高视频,尤其是高清视频的编码效率。结合现行的H.264标准,对比了HEVC标准在编码结构、帧内预测、帧间预测以及熵编码技术上的改进和算法上的优化。对HEVC的具体编码技术进行分析,并将HEVC与H.264编码性能进行了比较。实验结果表明,HEVC在编码性能上有了明显提高。     

新一代基于HEVC的3D视频编码技术

HEVC标准出台后,新一代基于HEVC的多视点加深度编码也将正式推出。基于HEVC的3D视频编码作为HEVC标准的扩展部分,主要面向立体电视和自由立体视频。从该编码方式的基本结构出发,较全面地介绍了视频编码方式、深度图编码方式和对深度图的编码控制三个方面的关键技术,包括视点间运动预测、深度图建模模式和视点合成优化等技术。     

H.266/VVC视频编码图像划分技术研究

国际上新一代视频编码H.266/VVC(Versatile Video Coding)在上一代视频编码H.265/HEVC(High Effciency Video Coding)基础上,采用了四叉树和多类型树递归划分的划分结构,可以更好的适应图像内容,提升编码效率。本文重点研究H.264/AVC、H.265/HEVC、H.266/VVC视频编码标准中图像划分技术的演进过程,分析不同编码标准图像划分技术的差异,为我国未来编码技术演进提供技术参考。     

浅析超高清数字电视视频压缩编码技术

近期超高清数字电视成为各国研究的热点,由于超高清电视具有超高分辨率的特点,造成了其信号数据量庞大,原视频编码标准H.264/AVC已经无法满足高压缩比的要求,必须采用新的视频压缩编码方案。新一代视频压缩标准HEVC正是面向高清和超高清视频图像而被提出,它可以保证在与H.264相同视频质量的前提下,使得视频流的码率减少50%。重点介绍了超高清电视的视频压缩编码技术HEVC,包括HEVC的四叉树块分割结构、帧内预测编码技术和滤波技术。     

基于深层特征学习的高效率视频编码中帧内快速预测算法

高效视频编码(HEVC)标准相对于H.264/AVC标准提升了压缩效率,但由于引入的编码单元四叉树划分结构也使得编码复杂度大幅度提升。对此,该文提出一种针对HEVC帧内编码模式下编码单元(CU)划分表征矢量预测的多层特征传递卷积神经网络(MLFT-CNN),大幅度降低了视频编码复杂度。首先,提出融合CU划分结构信息的降分辨率特征提取模块;其次,改进通道注意力机制以提升特征的纹理表达性能;再次,设计特征传递机制,用高深度编码单元划分特征指导低深度编码单元的划分;最后建立分段特征表示的目标损失函数,训练端到端的CU划分表征矢量预测网络。实验结果表明,在不影响视频编码质量的前提下,该文所提算法有效地降低了HEVC的编码复杂度,与标准方法相比,编码复杂度平均下降了70.96%。     

新一代高效视频编码标准HEVC的技术架构

一、HEVC编码结构HEVC采用基于块的预测变换混合编码框架,在编码时,输八视频信号的每帧图像被划分成一定大小的编码块。编码器编码的第一帧（或者是随机切入点Random Access后的第一帧）一定是采用帧内预测,它利用帧内块区域空间相关性进行预测编码,而不需要参考其他任何视频帧。视频序列中剩余视频帧,则大多采用帧间预测模式进行编码。     

一种HEVC快速编码单元划分方法

新一代视频编码标准HEVC(High Efficiency Video Coding)巨大的编码优势将成为数字视频产业的首选编解码标准.压缩率的提高导致了计算复杂度的大幅度增加,因此本文针对HEVC视频编码标准的特性,基于四叉树的编码结构,通过将编码单元的划分与SSIM(Structural Similarity index,结构相似度)相结合,优化了帧内编码效率.     

基于深层特征学习的高效率视频编码中帧内快速预测算法

高效视频编码(HEVC)标准相对于H.264/AVC标准提升了压缩效率,但由于引入的编码单元四叉树划分结构也使得编码复杂度大幅度提升.对此,该文提出一种针对HEVC帧内编码模式下编码单元(CU)划分表征矢量预测的多层特征传递卷积神经网络(MLFT-CNN),大幅度降低了视频编码复杂度.首先,提出融合CU划分结构信息的降分辨率特征提取模块;其次,改进通道注意力机制以提升特征的纹理表达性能;再次,设计特征传递机制,用高深度编码单元划分特征指导低深度编码单元的划分;最后建立分段特征表示的目标损失函数,训练端到端的CU划分表征矢量预测网络.实验结果表明,在不影响视频编码质量的前提下,该文所提算法有效地降低了HEVC的编码复杂度,与标准方法相比,编码复杂度平均下降了70.96％.     

面向绘制质量的深度图像快速帧内编码

与彩色视频用来直接显示不同,在三维视频系统中深度视频序列的作用是在绘制虚拟视点时提供所需的几何信息,所以直接将现有编码算法应用于深度图像存在一定的局限性.针对深度视频序列的作用以及深度图像自身特征,提出了一种面向绘制质量的深度图像快速帧内编码方法,该方法包括基于深度图像统计特性和空域相关性的图像区域划分算法、HEVC的快速编码单元(CU)和预测块(PB)决策算法和帧内编码模式预先选择算法.实验结果表明:与直接利用HEVC测试软件编码深度视频相比,该快速算法在保证几乎相同的主客观绘制质量的前提下,每个视点的编码速度平均提升了35％以上.     

基于Syntax级分组和多线程处理的HEVC熵编码并行算法

新一代视频编码标准HEVC获得了较高的编码效率,但是同时需要较大的计算量。 HEVC并行算法能够提高编码速度,如何开发适用于多核处理器的并行编码算法对于满足高清视频实时传输和大规模共享具有十分重要的意义。提出了一种基于Syntax级分组和多线程处理的HEVC熵编码并行算法。该算法首先将HEVC中一个编码树单元的编码信息按照语法元素进行分组;其次,根据编码块数据间的相关性构建Syntax级并行编码器;然后结合多线程技术实现HEVC帧级编码的并行计算。实验结果表明,在编码图像的主客观质量上没有太大损失的情况下,该并行算法框架与传统的串行算法框架相比具有65%~70%的加速效果。     

超高清电视系统关键技术

本文研究了超高清电视国内外发展现状,对超高清电视系统的图像参数进行了分析介绍;在我们追求信息量大和视觉享受更美好的同时带来的问题是数据量的急剧增加,对视频的压缩编码和传输都提出了很高的要求,本文介绍了高效视频编码(HEVC)技术框架,分析了HEVC的关键技术.     

结合卷积神经网络的HEVC帧内编码压缩改进算法

近年来,卷积网络深度学习已在图像处理、目标检测等领域取得巨大成功。受其启发,将卷积神经网络(CNN)应用于传统视频压缩标准已成为一个新的研究热点。本文提出一种集成卷积神经网络的高效视频编码(HEVC)压缩改进算法,将下采样过程、HEVC的编解码过程、上采样及质量增强过程集成为一体。为高效提取视频帧的结构特征,在所提压缩算法中集成了两个卷积神经网络。提出了一种下采CNN(DwSCNN)代替双三次下采,在有效降低分辨率的同时保留细节信息,得到更为紧凑的低分辨率视频序列,将此低分辨率视频序列通过HEVC帧内编码进行进一步的数据量压缩,通过提出一个质量增强CNN(PPCNN)来改善解码后恢复到原始分辨率的降质视频序列。实验结果显示,本文压缩改进算法在低码率段与标准HEVC相比,能达到更好的质量重建,并且在接近一致的PSNR值时,能节省39.46%的时间和11.04%的比特率,本文算法的视频压缩性能优于HEVC标准算法和相关文献方法。     

HEVC／H-265视频压缩编码标准综述

HEVC是ITU—T视频编码专家组（VCEG）和ISO／IEC动态图像专家组（MPEG）联合创立的视频编码联合组（JCT—VC）发布的最新视频编码标准。     

基于HEVC标准视频框架下帧内预测技术的研究

新一代视频编码标准HEVC采纳当前视频主流压缩技术研究的新成果,使其编码性能基本达到H.264/AVC标准的2倍,然而随着这种压缩性能提高的同时也加剧了编码计算的复杂度。该文针对此难题,对HEVC在块划分层面和预测模式筛选上的优化进行了研究,以期提高编码速度。     

屏幕图像提前终止算法

作为新一代视频编解码标准HEVC，对每一帧不同图像块先尝试HEVC帧内预测、IBC和P2M三种编码算法，通过RD-Cost判定采用哪种编码算法。本文提出一种判定算法，通过设定颜色数量阈值，提前终止某些计算过程，以达到节省编码时间的目的。在HM14.0RExt7.0SCM1.0模型上进行了实验，结果表明，在几乎不牺牲编码性能的前提下，提高了编码速度。与参考编码算法相比，本文的提前终止算法可以降低约20%的编码时间。     

新一代视频编码标准HEVC变换方法的研究

高性能视频编码( HEVC)将成为国际最新的视频编解码标准.该标准主要针对目前应用日益广泛的高清甚至超高清视频而开发,其编码的性能目标是在保持原来H.264/AVC的视频质量的同时,将比特率再降低一半.与原有标准一样,HEVC对帧内或帧间的残差信号进行正交变换以集中能量至矩阵左上角,然而H.264/AVC标准中的传统DCT方法对于高清视频的处理已不能有较好效果.讨论研究目前针对HEVC正交变换提出的变换方法,包括基于模式的方向变换MDDT、自适应离散余弦/正弦变换(DCT/DST)、旋转变换(ROT)、IDCT修剪和变换跳过模式(TSM)等方法.实验结果显示了上述几种方法在比特率降低、编码时间缩短、软硬件实现复杂度降低和客观视频质量等方面的改进.最后,提出了对HEVC正交变换的进一步研究方向.     

参数重用的HEVC多描述视频编码

为了提高视频编码的容错性能,保证视频经不可靠信道传输后的重建质量。本文提出了一种面向高效视频编码标准（High Efficiency Video Coding,HEVC）的基于参数重用的多描述视频编码方法。原始视频进行空间梅花下采样,生成四个行列交错的子序列,其中两个子序列采用标准编码器进行编码,并在编码过程中提取视频中每个编码单元（Coding Unit,CU）的深度信息、预测单元（Predicting Unit,PU）的分割方式以及帧内预测模式。而其余两个子序列利用已编码的视频序列信息,进行简化的编码过程。选取一个经标准编码的子序列,与一个简化编码的子序列,结合生成描述1,其余子序列生成描述2,不同描述分信道传输。多描述的编码结构可以保证即使只接收到单一描述也能保证视频的重建质量,参数重用的方法利用子序列间的相关性,减少了冗余信息,降低了编码开销。实验结果表明,参数重用的HEVC多描述视频编码针对高清视频编码效果明显,边缘解码质量PSNR值仅略低于中心解码0.7 dB,有效地提高了高清视频编码的容错性能。进行简化编码子序列的平均编码时间节省了91.7%,实现了高编码效率、低复杂度的HEVC容错编码。      

HEVC中基于前后景区域的错误隐藏

新一代视频编码标准HEVC采用四叉树编码结构,能够高效地进行视频编码,尤其适用于高清视频。然而,网络信道的不可靠性会导致视频数据的受损或丢失,HEVC的编码特性决定了视频数据的受损或丢失可能会发生在不同尺寸编码块中。因此,在分析各种不同尺寸编码块自身特性的基础上,提出首先对视频进行前景、后景区分,其中利用OBMA算法区分出边界处与运动物体,然后对于不同区域的错误块分别进行隐藏。     

下一代视频编码标准关键技术

新一代视频压缩标准(High Efficient Video Coding,HEVC)是视频压缩领域继H.264/AVC之后的又一重大突破,主要面向高清电视(HDTV)以及视频编解码系统,提供从QVGA至1 080p以至超高清电视(7 680×4 320)不同级别的视频应用。首先从HEVC基本结构出发,较全面地介绍了HEVC在预测估计、DCT变换、滤波补偿以及熵编码方面采用的关键技术,最后介绍了HEVC当前的研究热点及其最新发展方向。     

全新视频压缩标准将于明年出台

《Via Satellite》,2012年9月刊下一代视频压缩编码技术——高效视频编码(HEVC,或H.265)的国际标准将于2013年1月正式出台,兼容HEVC标准的接收机和机顶盒最快将于2014年上半年面世。与MPEG-4(H.264)标准相比,HEVC技术的压缩效率将提高30%～50%,意味着传输同等画质视频的带宽需求可能将降低到现在的一半。由于卫星系统的带宽相对有限且成本较高,卫星运营商一直乐于尝试最新的视频压缩技术。目前,美国卫星电视运营商"回声星"(EchoStar)公司的全部高清电视频道均已采用MPEG-4编码,使其成为下一代视频压缩编码技术——高效视频编码(HEVC,或H.265)的国际标