DCT域HEVC帧内预测模式映射算法研究

高效视频编码(HEVC)算法支持的帧内预测模式扩展到了35种,使之可实现更精准的预测,从而取得更高的压缩率。通过分析图像数据DCT系数的特性,研究了DCT系数与帧内预测模式的映射关系,提出了一种DCT系数的分布特征与帧内预测模式间的映射方法,该方法可用于提高HEVC的编码速度。     

HEVC帧内CU划分快速算法研究

为了降低帧内编码单元(CU)四叉树划分的计算复杂度,本文提出了一种基于多重纹理的帧内CU划分快速算法.通过提取CU的内容复杂度、方向复杂度以及子CU的内容复杂度差异和方向复杂度差异作为纹理特征,设计了基于双SVM的CU划分决策模型,实现了对复杂纹理CU的提前划分和简单纹理CU的提前终止划分.实验结果表明,该快速算法与x265-1.7相比,码率增加0.47％,亮度峰值信噪比降低0.012 dB,编码时间减少36.87％,有效提高了帧内预测效率.     

一种快速HEVC帧内预测算法

为了提高HEVC帧内预测的编码速度,提出了一种快速帧内预测算法。该算法充分利用视频序列的时间相关性,利用相邻帧CU的大小相关性在CU(Code Unit)层提前判定CU的最佳编码尺寸以及利用相邻帧在PU层减少预测方向数目来加速帧内预测的过程。实验结果表明:提出的算法与HEVC已有快速算法相比,峰值信噪比(PSNR)平均下降0.06 dB,输出码率平均减少0.09%,而帧内预测时间平均减少了约49.81%。     

基于时域相关性的HEVC快速帧内预测算法

根据视频序列时域相关性强的特性,提出了一种基于时域的HEVC快速帧内预测算法。在帧间预测中,通过在参考帧中运动搜索找到当前预测单元(PU)的帧间最佳匹配块,当搜索当前PU的帧内预测模式时,把帧间最匹配参考块遍历帧内模式时的最佳帧内模式,当作当前PU进行帧内预测时的最佳帧内模式,以达到减少帧内预测模式数量,降低计算复杂度的目的。实验结果表明,在码率和图像质量基本不变的情况下,提出的算法将HEVC帧内预测时间平均减少了33.79%。     

Optimization for HEVC Intra Prediction

对最新视频编码标准HEVC的帧内预测算法作了分析,提出一种基于编码块的纹理特征和相邻已编码块深度的帧内预测快速算法.在全I帧模式下,该算法在HEVC校验模型(HM2.0)上的实验结果表明:在保证与原算法的性能相差不大的情况下,编码时间平均可以缩减29％.     

基于HEVC的帧内模式快速判决算法

提出了一种HEVC帧内预测优化快速算法。算法在统计总结出当前CU层与其上层CU帧内预测模式、CBF与TU分割深度、相邻CU层之间的色度帧内预测模式之间相关性的基础上,有效地减少了帧内模式的预测,降低了帧内编码计算复杂度。同时,根据不同代价函数之间,以及色度与亮度帧内预测模式之间的相关性,分别在亮度和色度帧内预测过程中添加了RMD中cost代价最小的预测模式和最佳亮度预测模式,保证了较低的编码码率和较高的编码图像质量。实验结果表明,该算法针对各类型、分辨率的视频,在码率和PSNR基本不变的情况下,帧内编码时间平均减少38.2%。     

一种图像DCT数据与HEVC帧内预测模式之间的映射方法

【】高效视频编码(HEVC)算法支持的帧内预测模式扩展到了35种,使之可实现更精准的预测,从而取得更高的压缩率。本文通过分析图像数据DCT系数的特性,研究了DCT系数与帧内预测模式的映射关系,提出了一种DCT系数的分布特征与帧内预测模式间的映射方法,该方法可用于提高HEVC的编码速度。     

基于HEVC帧内预测的复杂度控制

帧内预测在视频编码中是非常重要的模块.在视频实时编码与传输过程中,场景切换会经常出现.此时,一般会采用全Ⅰ帧编码.研究发现,即使是全Ⅰ帧编码,也往往会非常耗时.基于编码单元深度范围和帧内预测中候选预测方向个数研究了HEVC编码器的复杂度控制问题.针对不同的目标编码复杂度,算法自适应地选择不同的方法来优化编码过程.实验结果表明,该算法在保证视频质量的前提下实现了对不同复杂度目标的控制.     

一种快速HEVC帧内算法

为了提高HEVC帧内预测的编码速度,本文提出了一种快速帧内预测算法。该算法充分利用视频序列的时间相关性,利用相邻帧CU的大小相关性在CU（Code Unit）层提前判定CU的最佳编码尺寸以及利用相邻帧在PU层减少预测方向数目来加速帧内预测的过程。实验结果表明：本文提出的算法与HEVC已有快速算法相比,峰值信噪比（PSNR）平均下降0.06dB,输出码率平均减少0.09%,而帧内预测时间平均减少了约49.81%。     

一种基于HEVC的帧内模式快速判决算法

提出了一种HEVC帧内预测优化快速算法。算法在统计总结出当前CU层与其上层CU帧内预测模式、CBF与TU分割深度、相邻CU层之间的色度帧内预测模式之间相关性的基础上,有效地减少了帧内模式的预测,降低了帧内编码计算复杂度。同时,本文根据不同代价函数之间,以及色度与亮度帧内预测模式之间的相关性,分别在亮度和色度帧内预测过程中添加了RMD中cost代价最小的预测模式和最佳亮度预测模式,保证了较低的编码码率和较高的编码图像质量。实验结果表明,本文算法针对各类型、分辨率的视频,在码率和PSNR基本不变的情况下,帧内编码时间平均减少38.2%。     

HEVC帧内彩色边缘检测快速模式选择算法

高效视频编码(High Efficiency Video Coding,HEVC)相较于H.264/AVC,帧内预测模式有35种,编码性能得到提高的同时也引起了算法复杂度的增加,本文提出了一种基于Canny彩色算子的快速帧内预测模式选择算法。该算法基于图像物理边缘的梯度方向提前分析预测块（Prediction Unites,PU）的方向,预先确定帧内预测的模式,避免算法遍历35种帧内预测模式。实验结果表明,该算法能够有效地降低帧内编码的复杂度,算法编码时间平均减少23.36%而仅损失0.69%的BD-Rate,且率失真性能良好。     

一种HEVC帧内快速编码算法

高效视频编码(HEVC)采用编码单元(CU)四叉树的 分割结构,相比H.264/AVC显著地提升了编码效 率,但却使编码复杂度急剧增加。为此,本文提出一种帧内快速编码算法。首先,根据视 频图像纹理复 杂度,提前判断是否进行最大编码单元(LCU)分割。然后,根据空域相邻CU的深度预测当前C U的深度范围, 跳过不必要的计算;最后,根据预测模式被选为最优预测模式的统计特性,去掉可能性小的 帧内预测模式。本文算法在HM14.0的基础上实现。 仿真结果表明,本文算法在全I帧模式下与HM14.0相比,帧内编码时 间平均减少38%,码率(BR)只增加1.41%,峰值信噪比(PSNR)只降低0.29dB,在保证编码性能和视频质量几乎不变的 情况下,本文算法降低了编码的计算复杂度。     

基于邻近值的HEVC帧内预测优化

高性能视频编码(High Efficiency Video Coding,HEVC)标准中的帧内编码模式利用当前帧中像素点之间的空间相关性作出有效预测。为了解决待编码像素远离参考像素时预测不准确的问题,提出了一种基于邻近值的HEVC帧内预测优化算法。该算法的主要思想是,对于当前像素,先根据传统HEVC帧内编码方法得到其预测值,再使用该像素点左边、左上、上边位置的修正值以及该像素本身的预测值对该预测值进行修正。因为将当前像素与周围像素的相关性进行了有效的数学建模,所以HEVC帧内编码性能得到了提升。实验结果显示,所提算法与HEVC标准相比,最高节省了2.7%的码率,平均节省的码率为1.3%。     

基于相似度的HEVC帧内低复杂度算法

针对高清视频编码(HEVC)标准帧内编码计算 复杂度过高的问题,提出了基于最大编码单元(LCU)相似度的 深度范围及率 失真代价阈值预测低复杂度算法。首先分析LCU相似性并将其量化,然后利用该量化变量概 率密度分布规律, 采用贝叶斯分类方法估计当前编码LCU深度范围;同时考虑到编码单元(CU)之 间相关性,自 适应设定率失真代价阈值,用以提前结束模式选择及继续分割过程:通过LCU编码深度范围 预测和率失真代 价阈值实现快速CU划分方案。实验结果表明,在性能几乎不变的情况下,本文算法较标准 编码算法编码 时间平均减少了39.55%,平均BDBR增加在1%以内,BD-PSNR仅降低了 0.03dB,在保持良好视频质量下有效降低了编码复杂度。     

一种HEVC帧内预测编码CU结构快速选择算法

为了提升高效视频编码(HEVC) 帧内预测编码部分的编码效率,提出了一种HEVC帧内预测编码编码单元(CU)结构快速选择算 法。算法通过 对CTU(coding tree unit)四叉树结构的遍历过程进行优化,设计了两种不同的最优CU结 构快速决策算 法,分别从最大划分深度和最小划分深度开始遍历,并在每一步遍历之前,判断是否提前终 止遍历操作。 同时,在对每个CTU进行求解时,依据其纹理复杂度和当前编码状态,从两种算法中选择出 最优快速决策 算法对其进行求解。在HM 15.0的基础上实现了提出的快速选择算法 。实验结果表明,本文算法能够在 保证编码性能的同时,降低31.14%的编码时间,提高了HEVC的编码效 率。     

基于像素分组的帧内预测快速算法

为了降低HEVC帧内编码的复杂度,基于HM 12.0提出了一种帧内预测快速算法.首先将35种预测方向分成5组,然后基于像素提取PU块的梯度方向信息并匹配到其中一组,最后在RDO运算时根据统计信息适当降低了候选模式的数量.实验结果表明,与JCTVC最新源码HM 12.0相比,该算法平均能够节省20％的编码时间,峰值信噪比和码率变化不大.     

基于模式分组的帧内预测模式快速选择算法

针对高效率视频编码(HEVC)帧内预测中增加的预测模式引起的的粗选择模式(RMD)与率失真优化(RDO)算法计算复杂度高的问题。本文充分利用候选模式集中排列第一的预测模式与最优预测模式之间的强相关性,提出了一种基于模式分组的帧内预测模式快速选择算法,有效的降低了HEVC帧内预测算法的计算复杂度。实验表明本文所提出的算法与HEVC的测试模型HM10.0相比,在保证视频质量和码率基本不变的前提下(码率仅增加了0.78%,Y-PSNR只降低了0.12dB),减少了41.8％的编码时间,提高了编码效率。     

基于机器学习的HEVC帧内模式快速决策算法

针对高效视频编码(HEVC)计算复杂度过高的情况, 提出了一种基于机器学习的帧内快速决策算法。根据图像内容的平滑 程度将PU划分成3类,对具有一定平滑度的预测单元(PU)不需要遍历完所有的帧内预测模式 ,从而有效降低算法的计算复杂度。首 先,计算各个PU的左边参考像素方差、上边参考像素方差和总参考像素的方差,以及各个P U采用的最优的帧内预测模式, 这些方差反映了参考像素的平滑程度;然后,利用机器学习软件Weka对得到的数据进行分类 处理,得到分类决策树; 最后,根据决策树来判定各个PU需要测试的帧内模式,再对各个PU 遍历这些帧内模式,确 定最优的模式,减少不必要 预测,从而降低编码复杂度。实验结果表明,本文算法相对于标准的HEVC 15.0编码算法,在高码率的情况下,编码时间平 均节省约16.18%,BD-rate平均升高约0.25%,BD-PSNR平均降低约0.02 dB;在低码率的情况下,编码时 间平均节省约20.75%,BD-rate平均升高 约0.04%,BD-PSNR平均降低约0.00dB。