一种基于H.264的帧内模式选择快速算法

帧内预测模式选择是影响H.264编码速率的瓶颈问题。在分析H.264帧内预测算法基础上,提出了一种快速模式选择算法。该算法利用16×16块帧内预测后的SAD值判断是否能够跳过4×4块帧内预测;在4×4块帧内预测中根据SAD特征缩小候选模式范围。实验结果表明：该算法较大地提高了帧内编码速度,同时保证图像质量下降在可接受范围之内。     

一种新颖的H.264帧内预测快速算法

提出了一种新颖的H.264帧内预测算法．该算法把9种4×4帧内预测(Intra_4×4)模式分为3类,用左面和上面相邻块的模式类预测当前4×4块适合采用的模式类;基于定义的变换系数索引加权绝对值和设计了一种新颖的Intra_4×4模式选择方法;利用连续I帧中16×16帧内预测(Intra_16×16)宏块位置的准平稳性降低了帧内预测的计算复杂度;利用亮度块和色度块帧内预测模式间的相关性加速了色度块的模式选择过程．实验结果表明,本文提出的帧内预测快速算法比Joint Video Team (JVT)-G013平均节省了25%的编码时间,且编码率失真性能较好． :     

P帧快速模式选择算法

针对H.264编码算法中,预测帧(P帧)编码模式的选择过程异常复杂,开销大的问题,提出了一种新的快速模式 选择算法,该算法利用直流系数能预先判定P帧编码模式的有效范围,缩小备选编码模式的可选范围,从而使模式选择的复杂 度大为降低。实验结果表明,该算法可以使编码时间降低54%～74%,峰值信噪比提高0.05dB～0.17dB,同时码率变化范围 为-3.14%～3.97%。应用结果表明,该算法在基于TI'sTMS320DM642视频压缩系统中1路D1视频的压缩速度为25帧/s。     

H.264的帧间/帧内预测模式快速选择算法

多模式运动估计使H.264比其它视频编码算法具有更高的编码效率,但同时也使计算复杂度明显提升.如果能在搜索进行之前先对模式进行筛选,除去不适用的模式,就可以减少不必要计算,大大提高运动估计的运算速度.通过分析各编码模式的特点和最佳模式分布规律,提出了帧间/帧内预测模式快速选择算法.按照从帧间模式到帧内模式、从大尺寸划分到小尺寸划分的模式选择顺序准则,基于最优匹配的检测来进行帧间/帧内模式的快速选择,略过不可能进一步降低率失真代价的模式,以降低编码过程的计算复杂度,从而提高编码速度.实验结果表明,该模式与全模式搜索相比,在图像质量和码率有少量变化的前提下,编码速度显著提高.     

基于H.264帧内模式快速选择算法

H．264采用RDO技术选择帧内预测模式以进一步提高编码的效率,但同时大幅度增加了预测的复杂度．本文提出一种快速帧内模式选择算法,该算法首先依据图像的纹理特征从9种Intra-4×4的预测模式中选出4种备选模式,然后再根据SATD的特征以及相邻块的预测模式之间的相关性,选出最佳预测模式,从而有效减少预测模式,避免了不必要的RD_Cost计算．实验证明,该算法提高编码时间效率约为35%,而峰值信噪比的减少很小．     

基于运动特性的帧间预测模式快速选择算法

高效视频编码（High Efficiency Video Coding,HEVC）大部分编码时间消耗在帧间预测,为了缩短编码时间,本文提出了一种基于CU （Coding Unit）块运动特性的帧间模式快速选择算法。首先,运用本文定义的运动特征对帧间预测模式分类;然后让CU进行尺寸N×N的帧间预测,获取子PU （Prediction Unit）块运动矢量,根据4个运动矢量的关系确定当前CU块的运动特性;最后通过运动特性确定要遍历的帧间预测模式,从而实现快速编码算法。实验结果表明,与HM16.15相比,本文提出的算法在低时延和随机接入配置下分别降低了31.6%和27.4%的编码时间,而编码器的编码性能基本不受影响。     

快速帧内预测方法

为了进一步提高编码的效率,提出了一种基于离散余弦变换(discrete cosine transform,简称DCT)的能量函数的快速Intra-4×4模式选择算法.该算法通过估计帧内预测残差的纹理复杂度达到减少进行率失真最优化计算的模式数量.实验结果表明,该算法在保持原有编码效率的基础上能节省约一半的编码时间.     

利用边缘方向检测实现H.264帧内预测编码的新算法

提出了一种能够快速实现帧内预测编码的新算法,该算法先利用宏块分割进行宏块边界方向检测,得到图像纹理的方向,只在最可能的几个模式中进行模式选择,从而降低了运算量．对不同的视频测试序列的仿真结果表明,使用该算法后帧内编码时间平均可以减少72.64％．同时保持相近的图像压缩质量和码率水平．     

一种新的H.264快速帧内预测模式选择算法

对H.2641AVC帧内预测模式选择算法进行了分析,通过采用亚采样方案计算边缘方向、利用边缘矢量幅值进行预测模式判决和在一定条件下提前结束Intra_4×4模式等方法对PAN算法进行了改进.结果表明,该方法在不影响图像失真度和码率性能的前提下,降低了帧编码时间,减小了编码复杂度.     

面向MPEG Type-1视频编码器的UMHexagonS算法

针对Type-1视频编码平台中的帧间预测仅有全搜索算法,从而计算复杂度很高的问题,提出了改进的UMHexagonS快速搜索算法.该算法采用了UMHexagonS算法的框架,针对该算法在参考帧数目和编码模式受限的条件下,建立了一种起始位置运动矢量预测模型;同时,为了解决UMHexagonS算法中第2类提前截止阈值计算不准...     

H.264 SVC层间预测选择快速算法

针对H.264 SVC采用层间预测编码工具而引起的高计算复杂度问题,提出H.264 SVC层间预测选择快速算法.在层间残差预测方面,先作一次运动搜索,估计宏块在2种层间残差预测选择结果之间的模式代价比,利用该模式代价比预测残差数据对增强层宏块编码的影响,从而快速选择层间残差预测.在层间运动预测方面,利用宏块的运动信息和模式代价信息来快速选择层间运动预测.实验结果表明,与参考算法相比,该算法在同等质量条件下,编码速度平均提高了30%左右.该算法可以与模式选择快速算法结合使用,进一步提高编码速度．     

利用信息熵判定HEVC预测单元尺寸快速算法

为提高HEVC编码器的帧内预测速度,提出一种基于信息熵的high efficiency video coding(HEVC)帧内预测单元(PU)尺寸快速判定算法.利用图像的信息熵随图像中细节的丰富程度产生不同的值这一特性,判断PU是否需要进行分割处理.首先计算每个LCU的信息熵,根据信息熵的结果从64×64至4×4的PU中找到最优的分割尺寸,进而确定最佳编码深度,再从该编码深度内进行帧内角度预测.实验结果表明,在保证编码性能基本不变的前提下,帧内预测编码时间平均缩短了约22.6%.该算法精简了遍历搜索模式中不必要的率失真代价计算过程,在保证图像质量的前提下,缩短了帧内预测编码时间.     

带有模式选择的快速运动估计算法

为了减少视频编码标准H.264运动估计模块的计算复杂度，提出了一种带有模式选择的快速运动估计算法.基于编码块模式最终选择结果的统计分析，讨论了图像特征与模式选择之间的关系，得出大块模式选择的比例远高于小块模式.采用运动估计块匹配过程中得到的中间结果绝对值误差和（SAD）与运动矢量，分别给出了三条模式选择准则.将运动估计的直接搜索过程改进为先进行编码块模式判断，再进行选中块匹配搜索过程.实验结果表明，与全搜索算法相比，该算法平均搜索时间明显减少，同时保持了非常近似的解码图像质量和编码码率，保持了多模式运动估计的优点.     

用于H.264宏块预测模式决策的失真度量方法

H．264中常见的预测模式决策算法以简单但不大符合HVS（人类视觉系统）特性的SAD（残差绝对值和）或SSD（残差平方和）作为主要选择依据。首先了提出一种基于模糊积分的图像失真度量及其快速计算方法，该度量将评价图像失真作为1个多维评价过程。其次，使用该度量准则在H．264视频编码算法中进行宏块预测模式选择。实验结果表明，所提出的图像失真度量方法比较符合HVS特性，并且因为其计算简单，使得该度量能够用于诸如H．264等视频压缩领域中。     

Mining association rules in incomplete information systems

Based on the rough set theory which is a powerful tool in dealing with vagueness and uncertainty, an algorithm to mine association rules in incomplete information systems was presented and the support and confidence were redefined. The algorithm can mine the association rules with decision attributes directly without processing missing values. Using the incomplete dataset Mushroom from UCI machine learning repository, the new algorithm was compared with the classical association rules mining algorithm based on Apriori from the number of rules extracted, testing accuracy and. execution time. The experiment results show that the new algorithm has advantages of short execution time and high accuracy.     

基于神经网络的建筑能耗混合预测模型

为了提升建筑能耗预测的精度、鲁棒性和泛化能力,提出树种算法（TSA）优化的径向基函数（RBF）神经网络与长短时记忆（LSTM）神经网络结合的混合预测模型. 采用基于自适应噪声的完全集成经验模态分解算法,将建筑能耗数据分解为1组本征模态函数（IMF）分量和1个残余分量,利用样本熵算法将各分量划分为高频分量和低频分量. 采用最小绝对收缩与选择算子（LASSO）方法进行特征选择. 分别利用TSA算法优化后的RBF模型与LSTM模型对低频分量和高频分量进行预测,并叠加重构得到最终预测结果. 模型评估结果表明,混合预测模型的精度为98. 72%. 相比于RBF、TSA-RBF、LSTM模型,所提模型的预测效果更好,且具有较强的鲁棒性和泛化能力,能够更为有效地用于建筑逐时电力能耗预测.     

基于H.264空时SVC编码的快速模式决策算法

提出一种简单可行的快速模式决策算法,该算法利用空域和时域分级视频编码的宏块模式相关特性,选取参考帧宏块中率失真代价较小的一部分已用模式作为当前宏块的候选模式,使得增强层的运动预测计算量大大降低。实验结果表明,该算法能够在峰值信噪比损失不大的情况下,有效地减少编码时间。     

基于递推模式的帧内预测快速算法

针对H．264帧内预测中存在的边缘像素预测不精确问题,提出一种基于递推模式的帧内预测算法．利用宏块内部像素之间相关性更强的特点,参考同一块内已经预测过的像素预测其他像素．为了降低H．264帧内编码的复杂性,提出一种基于递推模式的帧内预测快速算法．利用4×4块在空域和频域上的特性,采用层次性结构选择需要考察的候选模式,减少帧内预测所要计算的模式数量．根据4×4块与16×16宏块之间的关系,充分利用4×4块的预测结果,快速选择16×16宏块的预测模式．实验结果证明:与以前的快速算法不同,这种基于递推模式的快速算法不仅能在很大程度上减少预测以及重构的计算量,降低帧内编码的计算复杂度,还能提高帧内编码的效率．     

AVS的SKIP和帧内模式快速选择的研究

AVS是我国拥有自主知识产权的数字音视频编码技术标准.AVS利用RDO进行模式的选择,计算所有模式的RDO,所需计算量庞大.本文提出一种提前判决SKIP模式和有选择的帧内预测的算法,可以有效减少模式数量.仿真结果表明,该方法保持原有的视频质量和比特率略有上升的情况下,能有效减少时间.     

基于自适应预选的快速帧间模式选择算法

针对率失真性能和算法复杂度约束,提出基于偏移量自适应模式预选的高效帧间模式选择算法.计算所有可能模式率失真优化关闭判据下的编码代价,对代价进行自适应偏移量调整.基于调整后的代价进行模式预选,选择几种性能可能较优的候选模式,对这些模式进行率失真优化模式选择.由于该算法采用统计分析建模方法,自适应地确定偏移量参数,显著提高了模式预选准确率,较好地平衡了复杂度和算法性能.针对典型视频测试序列进行算法验证.实验表明,与完全率失真优化模式选择算法相比,该算法的复杂度大大降低,视频质量仅存在轻微退化.