随着互联网、多媒体、电子芯片等技术的快速发展和改进,数字视频拍摄的摄像头可以为用户提供的分辨率已经从传统的720P发展到了 2K、4K等超高清时代,因此视频拍摄的容量也越来越大,造成了带宽传输资源的不足。为了满足新时期数据传输的实时性,满足保密单位、城市交通、金融银行等视频监控分析的需求,人们提出了 HEVC技术,该技术可以将视频压缩编码,降低视频的容量。HEVC视频压缩编码过程中,为了提高压缩编码效率,采用了帧内预测的关键技术,帧内预测可以充分利用视频流之间的时间相关性来改进HEVC编码过程,尽可能的降低率失真代价,保持视频图像的质量,同时减少视频压缩编码时间。论文提出了一种HEVC帧内预测的快速模式选择算法,主要工作包括以下三个方面:首先,论文详细地描述HEVC视频编码整体流程,分析HEVC的视频编码框架,分析HEVC的编码图像划分种类,这些种类包括编码树单元及编码树结构设计、编码单元和编码块、预测单元和预测块、变换单元和变化块等几个类型,分析每一种模式的原理。HEVC在编码过程中采用的关键技术较多,分别是HEVC帧内预测、HEVC帧间预测、变换及量化、熵编码、去方块滤波、样本自适应偏移等技术,这些技术可以为HEVC预测编码提供技术支撑。分析了提高HEVC编码成效的相关技术,这些技术可以优化HEVC效果,包括SAD代价函数、STAD代价函数、率失真代价函数和RQT技术。其次,论文归纳了 HEVC帧内预测技术存在的问题,重点分析Hammond变换和粗选择模式存在的视频压缩效率较低、压缩质量较差等问题,提出一种基于分组的自适应帧内预测快速模式选择算法,该算法引入了数据挖掘聚类的基本思想,充分挖掘视频图像压缩编码过程中的空间相关性,进一步删减粗选择之后的候选模式,更好地降低视频图像压缩编码的时效,分组自适应算法运行主要包括两个关键阶段:1、针对粗选择之后的候选模式利用数据挖掘聚类思想进行分组,可以针对不同的模式组采取相关的边缘预测处理方法选择RDO候选模式;2、针对16×16、32×32和64×64等多种预测单元进行分析,RDO的候选模式数量就可以大大降低,为HEVC帧内预测的时间降低起到重要的作用。最后,为了验证本文算法的运行结果,论文采用HEVC官方测试版本HM16.7进行了实验和结果分析,实验结果显示本文提出的基于分组自适应的HEVC算法在保持图像压缩质量的前提下,可以大大的降低帧内预测编码的时间,并且适用于各类尺寸的图像和不同性质的图像。