论文部分内容阅读
随着视频应用的大量普及以及视频分辨率和帧率的逐渐提高,现有的H.264/AVC视频编码标准已经无法满足海量视频数据的存储和传输要求。JCT-VC制定并在2013年正式颁布了视频编码标准HEVC。与H.264相比,在不影响压缩视频视觉效果的前提下,HEVC可将视频码流减少50%。帧间编码压缩率高,是HEVC的重要组成部分之一。为找到CTU的最佳编码模式,HEVC的帧间编码会利用四叉树技术遍历所有可能的块组合方式,这种穷举搜索方法为视频编码带来了极大的计算负担。因此,HEVC的帧间编码加速具有非常重要的研究意义。本文针对CU/PU划分过程设计了两类帧间加速算法:基于统计分析的帧间加速算法与基于SVM的帧间加速算法。基于统计分析的帧间算法有3种:基于残差分析的帧间加速算法、基于图像纹理的帧间加速算法和基于深度信息的帧间加速算法。算法详细内容如下:(1)基于残差分析的帧间加速算法:残差数据可反应当前块在参考帧中的匹配效果,匹配效果的好坏会直接影响CU划分决策。该算法使用残差和离散度分析残差,离散度可由TU划分深度衡量。由统计分析可知,划分决策的预测可由简单的阈值比较完成。阈值TH_up以及TH_bottom可由已编码图像预测得到。(2)基于图像纹理的帧间加速算法:同质区域的各分部很可能拥有相似的运动轨迹,因此同质区域CU不宜划分为更小的编码单元。该算法用边缘强度判断当前CU是否为同质区域。(3)基于深度信息的帧间加速算法:统计数据表明,当所有参考CU划分决策一致时,当前CU的划分决策很可能与参考CU一致。因此可以利用参考CU对CU划分决策进行预判。基于SVM的帧间加速算法将降维后的残差作为输入特征,用在线SVM模型完成CU以及PU的划分预判。为了减少率失真损失,算法还为SVM模型设置了错误控制模块,该模块可以实现安全距离的自适应计算。实验结果表明,两类算法均可在保证图像质量和压缩率的前提下显著降低视频的编码复杂度,其中基于残差分析的算法的加速效果最好。