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%。     

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%。     

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%。     

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。     

一种低复杂度的HEVC帧内快速编码算法

为了降低高效视频编码(HEVC)帧内编码复杂度,提出一种HEVC帧内快速编码算法。根据视频图像的纹理复杂性,提前跳过或者中止部分尺寸的编码单元(CU)的划分,减少CU深度遍历区间;同时,根据粗选过程后预测模式和代价值的统计特性采用阈值法或者梯度模式直方图法进一步筛选掉粗选后可能性较小的预测模式,从而减少最后进行率失真(RD)代价计算的帧内预测模式数量,进一步降低编码复杂度。实验结果表明,本文算法与HEVC原始平台相比,在全I帧编码模式下编码时间平均减少42.20%,码率(BR)上升约1.75%,峰值信噪比(PSNR)降低了0.108dB,有利于实时应用。     

分级自适应的HEVC帧内预测模式快速选择算法*

针对HEVC帧内预测编码计算复杂度高的问题,提出了一种基于分组自适应的帧内预测模式快速选择算法.该算法抽选12个候选模式进行预测方向初步判断,然后根据初步判断结果再精选预测模式;并根据粗选的HCost代价排除部分可能性较低的候选模式,以达到减少候选模式数量,降低计算复杂度的目的.在HEVC参考软件HM12.0上的测试表明,该算法在BD-PSNR平均损失0.041 dB的情况下,平均可降低36.521％的编码时间,显著提高了编码速度.实验结果显示,该算法的适应性强,对不同尺寸、不同纹理和运动特点的测试序列均有明显效果,具有良好的实际应用价值.     

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.     

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。     

AVS2帧内预测模式快速选择算法

AVS2是我国新一代具有自主知识产权的视频编码标准,相比于同代国际标准HEVC在压缩效率上基本相当,而比上一代国标AVS在压缩效率上提升了一倍左右.然而随着压缩效率的大幅度提升,其编码复杂度也急剧增加,例如复杂的块划分,更多的预测模式等.为提升编码速度,使其适用于实时应用,提出一种快速帧内模式选择的算法,一方面通过对各帧内模式的利用率分析,避免了RMD(Rough Mode Decision)野蛮遍历各种模式;另一方面,通过先验知识构成终止RDO(Rate-Distortion Optimized)条件,且根据纹理估计进一步优化其终止条件,可有效提高RDO的效率.实验结果表明,在图像质量几乎不下降的前提下,优化后的RMD模式命中率高达98％,全Ⅰ帧编码BD-Rate大约增加0.96％,而编码时间节省了约34％,大幅提升了AVS2帧内编码的速度.     

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%。     

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.     

Fast algorithm based on the sole- and multi-depth texture measurements for HEVC intra coding

In High Efficiency Video Coding (HEVC), intra coding plays an important role, but also involves huge computational complexity due to a flexible coding unit (CU) structure and a large number of prediction modes. This paper presents a fast algorithm based on the sole- and multi-depth texture measurements to reduce the complexity from CU size and prediction mode decisions. For the CU size decision, evaluation results in the CU coding with one and multiple depths are utilized to classify CUs into heterogeneous, homogeneous, depth-prominent and other ones. Fast CU size decisions are made for different kinds of CUs. For the prediction mode decision, the tendencies for different CU sizes are detected based on multiple depths. The number of searching modes is decreased adaptively for the CU size with fewer tendencies. Experimental results show the proposed algorithm by off-line training reduces 53.32% computational complexity, with 1.47% bit-rate increasing.     

H.264帧内预测模式选择算法研究

由于H.264支持的帧内预测模式数较多，使预测的复杂度大幅度增加，因此研究了采用RDO技术下帧内模式选择过程，各种快速帧内模式选择算法的特点及其性能，并指出了快速帧内模式选择算法的未来发展方向。     

利用纹理结构的HEVC快速帧内模式选择算法

高性能视频编码（HEVC）是刚确立的最新一代的视频编码标准。对于帧内编码,HEVC最大的特点是采用了从64×64至8×8的编码单元划分和35种帧内预测模式,HEVC通过遍历所有的分块和帧内预测模式,选取最优的预测方式,这种帧内预测方式在提高预测精度的同时也大大增加了编码的计算复杂度。为了降低帧内预测的计算复杂度,HM2.0版以上的HEVC测试软件采用一种基于两步预测的快速帧内模式选择算法。在此基础上本文首先提出了一种基于纹理方向的快速粗选方案,减少参与计算的粗选模式数,进而提出基于结构相关的决策方法,利用同质图像区域的纹理相似性,减少参与率失真代价函数计算的候选模式数量,进一步降低了帧内预测计算复杂度。实验结果表明,本文所提出的快速算法,在保持编码质量基本不变的条件下,可以使基于两步预测的快速帧内模式选择时间缩短25%。      

一种新的用于屏幕图像编码的HEVC帧内模式

由于传统编码方式对屏幕图像的编码效果不佳,该文根据屏幕图像包含大量非连续色调内容的特点,在HEVC(High Efficiency Video Coding)基础上,提出一种新的帧内编码模式称为帧内串匹配(Intra String Copy, ISC)。基本思想是在HEVC的编码单元(Coding Unit, CU)级别上,引入字典编码工具：编码时,在一定长度的字典窗口内,利用散列表,对当前CU内的像素,进行串搜索和匹配;解码时,根据像素串匹配的距离和匹配长度,在重建缓存内复制相应位置像素重建当前CU像素。实验结果表明,在编码复杂度增加很少的情况下,对于典型的屏幕图像测试序列,在全帧内(All Intra, AI),随机接入(Random Access, RA),低延迟(Low-delay B, LB)3种配置下,有损编码模式比HEVC分别节省码率15.1%, 12.0%, 8.3%,无损编码模式分别节省码率23.3%, 14.9%, 11.6%。     

基于快速编码单元划分和自适应模式决策的HEVC效率改进算法

为提高HEVC在实时视频中的编码效率,文中提出了基于快速编码单元划分和自适应模式决策的HEVC效率改进算法。通过利用上边和左边相邻编码单元的分离深度信息,确定当前编码单元能否提早分离或提早结束。当不满足该条件时,利用训练帧在线学习确定率失真代价阀值使编码单元可以尽早结束其四叉树分离。通过最小的率失真代价模式和第二小的率失真代价模式减少候选集的数量并确定候选集CS₅。然后最优化CS₅以减少候选率失真优化数量,最后进行率失真优化计算选择最优模式,达到减少预测模式数量的目的。实验结果证实,与HM标准测试结果相比,文中算法在保证编码质量的前提下可降低45.93%的视频编码时间,仅伴有0.597 8%的BDBR上升。