论文部分内容阅读
H.266/通用视频编码(Versatile Video Coding,VVC)响应时代需求被提上制定日程,预计2020年发布,其目标是与高效视频编码标准(High Efficiency Video Coding,HEVC)相比,在保持视频质量一致的前提下使编码码率下降50%。到目前为止,H.266/VVC已经获得较大程度的性能提升,一方面得益于该标准采用了许多新技术,比如三叉树划分,亮度和色度分量独立编码,分量间线性模型(Cross Component Linear Prediction,CCLM)预测模式等等;另一方面来源于对原先的编码技术进行优化,包括33种角度模式扩展到65种,多参考行帧内预测(Multi-line intra prediction,MLIP)技术可使用更远的参考行进行预测等等。帧内预测编码是视频编码技术中关键的一个环节,由于帧内帧作为后续帧的参考图像,其编码性能会影响后续帧。以降低H.266/VVC的编码码率为目标,兼顾算法复杂度,具体研究内容包括三个部分:1.CCLM模式是H.266/VVC新引入的色度预测模式,该模式利用相邻重建亮度和色度采样建立线性模型,然后基于该线性模型实现亮度分量到色度分量的预测。CCLM模式可以获得较好的编码效率,但在计算线性模型参数时使用相邻区域的参考采样。由于相邻区域和编码块有时存在较大的差异,此时CCLM模式的编码性能并不理想。H.266/VVC中,亮度分量先于色度分量编码,所以在进行CCLM模式预测的阶段,编码块的亮度值已经被重建。基于该事实,本文提出一个考虑编码块亮度特性的线性模型参数推导算法,即编码块的亮度值及其对应分布参与线性模型参数推导。用该方法,线性模型参数更接近最优的线性模型参数,可以带来更精确的预测信号。以VTM2.0的编码性能为参照,使用改进的CCLM模式在全I帧(All Intra,AI)配置下Y、U和V分量分别有0.14%、0.57%和0.63%的比特率减少,但编解码复杂度增加较明显,尤其是解码时间。所以本文进一步提出混合CCLM,此算法根据编码块大小来选择使用改进的CCLM模式还是原始CCLM模式。在全I帧配置下,混合CCLM的Y、U和V分量可获得0.13%、0.55%和0.65%的比特减少,且此时编解码复杂度没有明显增加。2.H.266/VVC的色度模式候选列表分为两部分,一部分继承H.265/HEVC中的5个预测模式,即对应亮度分量的最优预测模式、DC模式、PLANAR模式、水平(Horizontal,HOR)模式和垂直(Vertical,VER)模式;第二部分是3个CCLM类模式,分别是线性模型(Linear Model,LM)模式、LM_L模式和LM_T模式。由于LM_L和LM_T是新加入的模式,其使用的参考采样与已存在的HOR模式和VER模式的参考采样高度重叠。另外,亮度和色度独立划分导致一个色度块可能对应多个亮度块。基于上述两个原因,本文提出基于多亮度模式的色度模式候选列表优化。以VTM3.0的编码性能为参照,使用本算法在AI配置下Y、U和V分量分别有0.04%、0.58%和0.62%的比特率减少,且编解码复杂度没有明显增加。3.H.266/VVC的亮度帧内模式编码采用6个最可能预测模式(Most Probable Modes,MPM)列表的编码方式,属于MPM列表的模式使用截断一元码编码,对于非MPM模式使用截断二元码编码。由于多参考行帧内预测技术的引入,零参考行和非零参考行MPM列表的构造方法不统一,导致编解码复杂度增加且需要多个硬件处理单元。此外,非MPM列表的模式没有优先级排序,导致耗费更多的编码比特。基于此,本文提出MPM列表构造的统一和非MPM模式的优先级编码。以VTM3.0的编码性能为参照,使用本算法在AI配置下Y、U和V分量分别有0.02%、0.03%和0.01%的比特率减少。该算法虽然节省的码率较少,但实现了MPM列表统一。