CN104333756A - 基于时域相关性的hevc预测模式快速选择方法 - Google Patents
基于时域相关性的hevc预测模式快速选择方法 Download PDFInfo
- Publication number
- CN104333756A CN104333756A CN201410662687.5A CN201410662687A CN104333756A CN 104333756 A CN104333756 A CN 104333756A CN 201410662687 A CN201410662687 A CN 201410662687A CN 104333756 A CN104333756 A CN 104333756A
- Authority
- CN
- China
- Prior art keywords
- prediction mode
- time domain
- optimum prediction
- unit
- coding unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000010187 selection method Methods 0.000 title abstract 4
- 230000033001 locomotion Effects 0.000 claims abstract description 71
- 238000000034 method Methods 0.000 claims description 58
- 238000013139 quantization Methods 0.000 claims description 22
- 238000002474 experimental method Methods 0.000 claims description 6
- 230000006835 compression Effects 0.000 abstract description 3
- 238000007906 compression Methods 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明公开了一种基于时域相关性的HEVC预测模式快速选择方法，主要解决高效能视频编码标准HEVC帧间编码过程中预测模式选择计算复杂度高的问题。其实现步骤为：(1)将视频序列的运动强度分为运动缓慢、运动适中、运动快三种状态；(2)分别统计运动缓慢、运动适中这两种运动强度时编码单元的最佳预测模式与其时域相邻编码单元的最佳预测模式的概率关系；(3)根据概率关系，构建候选预测模式表；(4)根据候选预测模式表，对帧间编码单元进行编码，得到最佳预测模式。本发明在视频率失真性能近似不变的前提下，有效地降低了预测模式选择计算复杂度，提升了预测模式选择速度，减少了编码时间，可用于实时的视频压缩。
Description
技术领域
本发明属于视频处理领域，特别涉及高性能视频编码HEVC中帧间编码单元候选预测模式的生成，可用于HEVC帧间编码过程。
背景技术
目前，基本上所有高质量多媒体视频应用，如数字视频、视频点播和DVD等，还在使用2003年制定的先进视频编码标准H.264/AVC。但是随着视频应用突飞猛进的发展，各种智能终端，如智能手机、平板电脑等已经成为大众娱乐的工具，对于超高清视频的需求也在不断增长，人们对于高质量、高分辨率的视频需求越来越高。为了满足视频应用不断增长的需求，新一代视频编码标准应运而生。视频编码联合小组JCT-VC在2010年开始制定新一代高效视频编码标准HEVC，并于2013年2月正式制定完成。HEVC旨在保证视频主观质量不变的情况下，压缩效率提高一倍，极大减小传输视频信号带宽。
HEVC编码框架仍然沿用H.26x系列标准的混合编码框架，使用经典的基于块的混合编码模型，联合运动补偿预测、变换编码和高效率的熵编码。与之前的视频编码标准相比，HEVC编码单元采用灵活的四叉树结构，大小从64×64到8×8，可以高效率地编码、预测和变换大尺寸图像块。HEVC标准的实验配置条件包括三种：全I帧配置、低时延配置和随机接入配置。随机接入配置时，采用分级B帧，共有4个时域分层。
预测模式选择是HEVC的关键技术，其目的是对每一个帧间编码单元从多个候选预测模式中选择最佳预测模式，以取得最优的预测精度。HEVC采用率失真优化模型进行最佳预测模式的选择。
HEVC标准中帧间编码单元的预测模式选择方法要先对SKIP,Inter 2N×2N,Inter 2N×N,Inter N×2N,Inter 2N×nU,Inter 2N×nD,Inter nL×2N,Inter nR×2N,Intra 2N×2N,Intra N×N这10种候选预测模式进行遍历，再将率失真代价最小的预测模式作为当前编码单元的最佳预测模式。这种最佳预测模式选择的过程使得HEVC编码复杂度急剧上升，给HEVC的实时应用带来极大困难。因此需要在保证编码性能基本不变的前提下，降低HEVC编码复杂度。
目前为止，已提出的HEVC预测模式快速选择方法有以下几种：
提案JCTVC-F045“Early termination of CU encoding to reduce HEVC complexity”，通过编码块标志CBF的取值对预测模式进行简化判决。该方法提出除了Inter N×N之外的其他帧间预测模式的编码块标志CBF＝0时，剩下的预测模式的选择过程将被终止，不再进行计算，从而降低了编码复杂度。该方法称为编码块标志快速模式CFM方法。
提案JCTVC-G543“Early SKIP Detection for HEVC”提出，检测SKIP模式之前先搜索Inter 2N×2N模式，然后检测Inter 2N×2N模式的运动矢量差值DMV和编码块标志CBF，若DMV等于(0,0)，并且CBF等于0，则当前编码单元的最佳预测模式就被设为SKIP模式，不再对其余的预测模式进行遍历，从而大大降低了编码复杂度。该方法称为早期SKIP检测ESD方法。
Jong-Hyeok Lee等人在论文“Novel Fast PU Decision Algorithm for the HEVC VideoStandard”中提出一种基于时空域和编码深度相关性的快速方法。该方法利用运动复杂度将编码单元划分为不同运动区域：若当前编码单元运动复杂度小于阈值Th1，则判断当前编码单元为缓慢运动区域，只对SKIP和Inter 2N×2N模式进行遍历；若当前编码单元运动复杂度大于阈值Th1且小于阈值Th2，则判断当前编码单元为适中运动区域，对SKIP、Inter 2N×2N、Inter 2N×N和Inter N×2N模式进行遍历，否则判断当前编码单元为快运动区域，对10种预测模式都进行遍历，这样就跳过了冗余的预测模式，有效降低了编码复杂度。
以上方法均在一定程度上降低了HEVC的编码复杂度。但是，目前这些方法都没有对时域相关性进行详尽的分析，使得HEVC预测模式选择速度未能得到进一步提升。
发明内容
本发明的目的在于针对上述已有技术的不足，提出一种基于时域相关性的HEVC预测模式快速选择方法，以在保证视频压缩性能基本不变的情况下，进一步降低编码复杂度，提升预测模式选择速度。
实现本发明目的技术思想是：在预测模式选择过程中，根据时域相邻编码单元的最佳预测模式，给出当前编码单元的候选预测模式，跳过尽可能多的冗余预测模式，然后从候选预测模式中选择最佳预测模式，提高编码速度，其实现步骤包括如下：
(1)将视频序列的运动强度分为：运动缓慢、运动适中、运动快这三种状态；
(2)确定编码单元的最佳预测模式与其时域相邻编码单元的最佳预测模式的相关性：
2.1)输入视频序列和实验配置条件，从第2个非I帧开始，对每一个帧间编码单元，使用此编码单元的编号在参考帧中搜索与其相同位置的编码单元，得到时域相邻编码单元；
2.2)判断实验配置条件的类别：
若实验配置条件为低时延，则对[20,26]、[27,31]、[32,36]、[37,41]这四种不同的量化参数范围，分别统计运动缓慢、运动适中这两种运动强度的编码单元的最佳预测模式与其时域相邻编码单元的最佳预测模式的概率关系；
若实验配置条件为随机接入，则在1、2、3、4这四个时域分层中，分别对[20,26]、[27,31]、[32,36]、[37,41]这四种不同的量化参数范围，统计运动缓慢、运动适中这两种运动强度的编码单元的最佳预测模式与其时域相邻编码单元的最佳预测模式的概率关系；
(3)根据实验配置条件、量化参数范围、运动强度和时域分层这些情况下编码单元的最佳预测模式与其时域相邻编码单元最佳预测模式的概率关系，构建低时延配置候选预测模式表和随机接入配置候选预测模式表：
3.1)分别选择时域相邻编码单元的最佳预测模式为SKIP,Inter 2N×2N,Inter 2N×N,InterN×2N,Inter 2N×nU,Inter 2N×nD,Inter nL×2N,Inter nR×2N,Intra 2N×2N,Intra N×N这10种预测模式中的每一种，计算当前编码单元的最佳预测模式为这10种预测模式的概率，并按概率从大到小排序；
3.2)从概率最大的预测模式开始，选择概率之和不小于90％且数量最少的预测模式作为候选预测模式，并设定候选预测模式总数不超过5种，从而构建候选预测模式表；
(4)根据候选预测模式表，选取候选预测模式，并对帧间编码单元进行编码，得到最佳预测模式：
4.1)输入视频序列和实验配置条件，采用HEVC标准的预测模式选择方法对I帧和第1个非I帧的编码单元进行编码，得到每个编码单元的最佳预测模式；
4.2)从第2个非I帧开始，对每一个帧间编码单元，判断其运动强度的类别：
若当前编码单元的运动强度为运动缓慢，执行步骤4.3)；若当前编码单元的运动强度为运动适中，执行步骤4.4)；否则，采用HEVC标准的预测模式选择方法对编码单元进行编码，得到最佳预测模式；
4.3)判断运动缓慢的实验配置条件类别：
若实验配置条件为低时延，则根据量化参数QP和时域相邻编码单元的最佳预测模式，在低时延配置下运动缓慢编码单元的候选预测模式表中选择相应的候选预测模式进行遍历，得到最佳预测模式；
若实验配置条件为随机接入，则根据时域分层、量化参数QP和时域相邻编码单元的最佳预测模式，在随机接入配置下运动缓慢编码单元的候选预测模式表中选择相应的候选预测模式进行遍历，得到最佳预测模式；
4.4)判断运动适中的实验配置条件类别：
若实验配置条件为低时延，则根据量化参数QP和时域相邻编码单元的最佳预测模式，在低时延配置下运动适中编码单元的候选预测模式表中选择相应的候选预测模式进行遍历，得到最佳预测模式；
若实验配置条件为随机接入，则根据时域分层、量化参数QP和时域相邻编码单元的最佳预测模式，在随机接入配置下运动适中编码单元的候选预测模式表中选择相应的候选预测模式进行遍历，得到最佳预测模式。
本发明与现有方法相比具有如下优点：
(a)本发明由于根据时域相关性，跳过了冗余的预测模式，使得预测模式选择计算复杂度较小，减少了大量的编码时间；
(b)本发明由于在选择候选预测模式时，根据不同运动强度进行选择，使得模式选择结果更加精确。
附图说明
图1是本发明的实现流程图；
图2是当前编码单元的周围编码单元集合位置示意图。
具体实施方式
下面将结合附图和实施例对本发明作进一步详细描述。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体操作过程，但本发明的保护范围不限于下述实施例。
参照图1，本发明的实现步骤如下：
步骤一：对视频序列的运动强度进行分类。
1a)对当前编码单元CU0建立运动矢量集合{mv1,mv2,mv3,mv4,mv5}，
其中mvi是当前编码单元CU0周围编码单元CUi的运动矢量，mvi＝(xi,yi),i＝1,...,5，xi和yi分别为运动矢量的横坐标和纵坐标；CU0周围编码单元集合包括其左边相邻编码单元CU1、上边相邻编码单元CU2、右上边相邻编码单元CU3、左上边相邻编码单元CU4和时域相邻编码单元CU5，如图2所示；
1b)计算运动矢量集合中每个运动矢量的长度l：
l(mvi)＝|xi|+|yi|；
1c)在步骤1b)得到的运动矢量长度集合中选择长度的最大值L：
L＝max{l(mv1),l(mv2),l(mv3),l(mv4),l(mv5)}，
1d)设置运动缓慢阈值L0和运动适中阈值L1：
1d1)输入分辨率为416×240的视频序列和实验配置条件；
1d2)从第一个非I帧开始，判断实验配置条件的类别：
若实验配置条件为低时延，则输出视频序列的运动矢量，根据运动矢量的大小和视频分辨率，并参照Zeng方法中运动缓慢状态的阈值T0和运动适中状态的阈值T1，设定阈值L0和L1；
若实验配置条件为随机接入，则输出视频序列不同时域分层的运动矢量，根据运动矢量的大小和视频分辨率，并参照Zeng方法中运动缓慢状态的阈值T0和运动适中状态的阈值T1，设定不同时域分层的阈值L0和L1；
所述的Zeng方法见Huanqiang Zeng,Canhui Cai等人的文章“A Novel Fast ModeDecision for the H.264/AVC Based on Local MacroblockMotion Activity”；
1d3)重复步骤1d1)和步骤1d2)分别得到分辨率为832×480、1280×720、1920×1080、2560×1600的视频序列的运动缓慢阈值L0和运动适中阈值L1，得到最终不同分辨率视频序列运动缓慢阈值L0和运动适中阈值L1的，如表1和表2：
表1 低时延配置运动缓慢状态阈值L0和运动适中状态阈值L1
| 视频序列分辨率 | 阈值L0 | 阈值L1 |
| 416×240 | 2 | 8 |
| 832×480、1280×720 | 3 | 12 |
| 1920×1080 | 8 | 32 |
表2 随机接入配置运动缓慢状态阈值L0和运动适中状态阈值L1
1e)根据实验配置条件、视频分辨率和时域分层，从表1或表2中选择运动缓慢阈值L0和运动适中阈值L1，将步骤1c)中得到的长度最大值L，与阈值L0和阈值L1进行比较：
若L＜L0，则定义运动强度为运动缓慢；
若L0≤L＜L1，则定义运动强度为运动适中；
若L≥L1，则定义运动强度为运动快。
步骤二：确定编码单元的最佳预测模式与其时域相邻编码单元的最佳预测模式的相关性。
2a)输入视频序列BQSquare和实验配置条件，从第2个非I帧开始，对每一个帧间编码单元，使用此编码单元的编号在参考帧中搜索与其相同位置的编码单元，得到时域相邻编码单元；
2b)判断实验配置条件的类别：
若实验配置条件为低时延，则测试视频序列BQSquare的前100帧，对[20,26]、[27,31]、[32,36]、[37,41]这四种不同的量化参数范围，分别统计运动缓慢、运动适中这两种运动强度的编码单元最佳预测模式与其时域相邻编码单元最佳预测模式的概率关系；
若实验配置条件为随机接入，则测试视频序列BQSquare的前65帧，在1、2、3、4这四个时域分层中，分别对[20,26]、[27,31]、[32,36]、[37,41]这四种不同的量化参数范围，统计运动缓慢、运动适中这两种运动强度的编码单元的最佳预测模式与其时域相邻编码单元的最佳预测模式的概率关系；
2c)重复步骤2a)和步骤2b)分别得到视频序列BasketballPass和Johnny的编码单元的最佳预测模式与其时域相邻编码单元的最佳预测模式的概率关系，对上述这三个视频序列的概率关系作平均，得到最终的低时延配置和随机接入配置下不同运动强度的编码单元与其时域相邻编码单元的最佳预测模式的概率关系，下面只给出低时延配置下量化参数范围为[20,26]时的概率关系，以及随机接入配置下时域分层为1且量化参数范围为[20,26]的概率关系，如表3至表6：
表3 低时延配置运动缓慢编码单元与时域相邻编码单元的最佳预测模式的概率关系
表4 低时延配置运动适中编码单元与时域相邻编码单元的最佳预测模式的概率关系
表5 随机接入配置运动缓慢编码单元与时域相邻编码单元的最佳预测模式的概率关系
表6 随机接入配置运动适中编码单元与时域相邻编码单元的最佳预测模式的概率关系
上述表3-表6中，模式0代表SKIP,模式1代表Inter 2N×2N,模式2代表Inter 2N×N,模式3代表Inter N×2N,模式4代表Inter 2N×nU,模式5代表Inter 2N×nD,模式6代表InternL×2N,模式7代表Inter nR×2N,模式8代表Intra 2N×2N,模式9代表Intra N×N。
步骤三：根据表3-表6，构建低时延配置候选预测模式表和随机接入配置候选预测模式表。
3a)编码单元与其时域相邻编码单元的最佳预测模式包括：SKIP,Inter 2N×2N,Inter2N×N,Inter N×2N,Inter 2N×nU,Inter 2N×nD,Inter nL×2N,Inter nR×2N,Intra 2N×2N,IntraN×N这10种预测模式；选择时域相邻编码单元的最佳预测模式为SKIP模式，计算当前编码单元的最佳预测模式分别为上述10种预测模式的概率，并按概率从大到小排序；
3b)重复步骤3a)分别选择时域相邻编码单元的最佳预测模式为其他9种预测模式，计算当前编码单元的最佳预测模式为上述10种预测模式的概率，并按概率从大到小排序；
3c)从概率最大的预测模式开始，选择概率之和不小于90％且数量最少的预测模式作为候选预测模式，并设定候选预测模式总数不超过5种，从而构建候选预测模式表，如表7-表10；
表7 低时延配置运动缓慢编码单元候选预测模式表
表8 低时延配置运动适中编码单元候选预测模式表
表9 随机接入配置运动缓慢编码单元候选预测模式表
表10 随机接入配置运动适中编码单元候选预测模式表
步骤四：根据表7-表10，选取候选预测模式，对表11中每个视频序列的帧间编码单元进行编码，得到最佳预测模式。
4a)输入视频序列，采用HEVC标准的预测模式选择方法对I帧和第1个非I帧的编码单元进行编码，得到每个编码单元的最佳预测模式；
4b)从第2个非I帧开始，对每一个帧间编码单元，判断其运动强度：
若当前编码单元的运动强度为运动缓慢，执行步骤4c)；若当前编码单元的运动强度为运动适中，执行步骤4d)；否则，采用HEVC标准的预测模式选择方法对编码单元进行编码，得到最佳预测模式；
4c)判断运动缓慢的实验配置条件类别：
若实验配置条件为低时延，则根据量化参数QP和时域相邻编码单元的最佳预测模式，在表7中选择相应的候选预测模式进行遍历，得到最佳预测模式；
若实验配置条件为随机接入，则根据时域分层、量化参数QP和时域相邻编码单元的最佳预测模式，在表9中选择相应的候选预测模式进行遍历，得到最佳预测模式；
4d)判断运动适中的实验配置条件类别：
若实验配置条件为低时延，则根据量化参数QP和时域相邻编码单元的最佳预测模式，在表8中选择相应的候选预测模式进行遍历，得到最佳预测模式；
若实验配置条件为随机接入，则根据时域分层、量化参数QP和时域相邻编码单元的最佳预测模式，在表10中选择相应的候选预测模式进行遍历，得到最佳预测模式。
本发明的效果可通过以下仿真进一步说明：
1.实验环境
使用VS2010编码环境，用参考软件HM16.0进行测试，实验配置条件为低时延配置和随机接入配置。
实验测试的视频序列详细信息如表11：
表11 视频序列详细信息
2.实验内容
使用本发明方法、CFM快速方法、ESD快速方法和Lee快速方法分别对表11中的所有视频序列进行编码，记录编码时间和率失真性能估计量BD-PSNR。本发明与这三种快速方法的编码性能比较如表12-表14，其中表12是本发明方法与CFM快速方法编码性能的比较，表13是本发明方法与ESD快速方法编码性能的比较，表14是本发明方法与Lee快速方法编码性能的比较。
其中，表12-表14中的表示本发明方法与现有快速选择方法相比时间变化量，“-”表示本发明方法比现有快速方法在时间方面提速了。BD-PSNR表示在给定的同等码率下，两种方法的亮度峰值信噪比PSNR-Y的差异，其单位是dB，“-”表示本发明方法比现有快速方法PSNR-Y降低了。
表12 本发明方法与CFM快速方法比较
由表12可见，本发明方法与CFM快速方法相比，低时延配置时在BD-PSNR平均降低0.07dB的情况下，编码时间平均提速了4.69％，随机接入配置时在BD-PSNR平均降低0.07dB的情况下，编码时间平均提速了8.43％。
表13 本发明方法与ESD快速方法比较
由表13可见，本发明方法与ESD快速方法相比，低时延配置时在BD-PSNR平均降低0.095dB的情况下，编码时间平均提速了13.81％，随机接入配置时在BD-PSNR平均降低0.10dB的情况下，编码时间平均提速了11.68％。
表14 本发明方法与Lee快速方法比较
由表14可见，本发明方法与Lee快速方法相比，随机接入配置时在BD-PSNR平均降低0.04dB的情况下，编码时间平均提速了4.22％。
综上，本发明利用时域相关性，跳过冗余的预测模式，在BD-PSNR基本相同的情况下，进一步提升了预测模式选择的速度。
上述描述为本发明的优选实例，显然本领域的研究人员可参考本发明的优选实例和附图对本发明做出各种修改和替换，这些修改和替换都应落入本发明的保护范围之内。
Claims (2)
1.一种基于时域相关性的HEVC预测模式快速选择方法，其特征在于，包括如下步骤：
(1)将视频序列的运动强度分为：运动缓慢、运动适中、运动快这三种状态；
(2)确定编码单元的最佳预测模式与其时域相邻编码单元的最佳预测模式的相关性：
2.1)输入视频序列和实验配置条件，从第2个非I帧开始，对每一个帧间编码单元，使用此编码单元的编号在参考帧中搜索与其相同位置的编码单元，得到时域相邻编码单元；
2.2)判断实验配置条件的类别：
若实验配置条件为低时延，则对[20,26]、[27,31]、[32,36]、[37,41]这四种不同的量化参数范围，分别统计运动缓慢、运动适中这两种运动强度的编码单元的最佳预测模式与其时域相邻编码单元的最佳预测模式的概率关系；
若实验配置条件为随机接入，则在1、2、3、4这四个时域分层中，分别对[20,26]、[27,31]、[32,36]、[37,41]这四种不同的量化参数范围，统计运动缓慢、运动适中这两种运动强度的编码单元的最佳预测模式与其时域相邻编码单元的最佳预测模式的概率关系；
(3)根据实验配置条件、量化参数范围、运动强度和时域分层这些情况下编码单元的最佳预测模式与其时域相邻编码单元最佳预测模式的概率关系，构建低时延配置候选预测模式表和随机接入配置候选预测模式表：
3.1)分别选择时域相邻编码单元的最佳预测模式为SKIP,Inter 2N×2N,Inter2N×N,Inter N×2N,Inter 2N×nU,Inter 2N×nD,Inter nL×2N,Inter nR×2N,Intra2N×2N,Intra N×N这10种预测模式中的每一种，计算当前编码单元的最佳预测模式为这10种预测模式的概率，并按概率从大到小排序；
3.2)从概率最大的预测模式开始，选择概率之和不小于90％且数量最少的预测模式作为候选预测模式，并设定候选预测模式总数不超过5种，从而构建候选预测模式表；
(4)根据候选预测模式表，选取候选预测模式，并对帧间编码单元进行编码，得到最佳预测模式：
4.1)输入视频序列和实验配置条件，采用HEVC标准的预测模式选择方法对I帧和第1个非I帧的编码单元进行编码，得到每个编码单元的最佳预测模式；
4.2)从第2个非I帧开始，对每一个帧间编码单元，判断其运动强度的类别：
若当前编码单元的运动强度为运动缓慢，执行步骤4.3)；若当前编码单元的运动强度为运动适中，执行步骤4.4)；否则，采用HEVC标准的预测模式选择方法对编码单元进行编码，得到最佳预测模式；
4.3)判断运动缓慢的实验配置条件类别：
若实验配置条件为低时延，则根据量化参数QP和时域相邻编码单元的最佳预测模式，在低时延配置下运动缓慢编码单元的候选预测模式表中选择相应的候选预测模式进行遍历，得到最佳预测模式；
若实验配置条件为随机接入，则根据时域分层、量化参数QP和时域相邻编码单元的最佳预测模式，在随机接入配置下运动缓慢编码单元的候选预测模式表中选择相应的候选预测模式进行遍历，得到最佳预测模式；
4.4)判断运动适中的实验配置条件类别：
若实验配置条件为低时延，则根据量化参数QP和时域相邻编码单元的最佳预测模式，在低时延配置下运动适中编码单元的候选预测模式表中选择相应的候选预测模式进行遍历，得到最佳预测模式；
若实验配置条件为随机接入，则根据时域分层、量化参数QP和时域相邻编码单元的最佳预测模式，在随机接入配置下运动适中编码单元的候选预测模式表中选择相应的候选预测模式进行遍历，得到最佳预测模式。
2.如权利要求1所述的基于时域相关性的HEVC预测模式快速选择方法，其特征在于：所述步骤(1)中将视频序列的运动强度分为：运动缓慢、运动适中、运动快这三种状态，按如下步骤进行：
1a)对当前编码单元CU0建立运动矢量集合{mv1,mv2,mv3,mv4,mv5}，
其中mvi是当前编码单元CU0周围编码单元CUi的运动矢量，mvi＝(xi,yi),i＝1,...,5，xi和yi分别为运动矢量的横坐标和纵坐标；CU0周围的编码单元包括其左边相邻编码单元CU1、上边相邻编码单元CU2、右上边相邻编码单元CU3、左上边相邻编码单元CU4和时域相邻编码单元CU5；
1b)计算运动矢量集合中每个运动矢量的长度l：
l(mvi)＝|xi|+|yi|，
1c)在步骤1b)得到的运动矢量长度集合中选择长度的最大值L：
L＝max{l(mv1),l(mv2),l(mv3),l(mv4),l(mv5)}，
1d)将步骤1c)得到的长度最大值L与运动缓慢阈值L0和运动适中阈值L1进行比较：
若L＜L0，则定义运动强度为运动缓慢；
若L0≤L＜L1，则定义运动强度为运动适中；
若L≥L1，则定义运动强度运动快。
其中，运动缓慢阈值L0和运动适中阈值L1，根据运动矢量的大小和视频分辨率，并参照Zeng方法确定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410662687.5A CN104333756B (zh) | 2014-11-19 | 2014-11-19 | 基于时域相关性的hevc预测模式快速选择方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410662687.5A CN104333756B (zh) | 2014-11-19 | 2014-11-19 | 基于时域相关性的hevc预测模式快速选择方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104333756A true CN104333756A (zh) | 2015-02-04 |
| CN104333756B CN104333756B (zh) | 2017-10-24 |
Family
ID=52408395
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410662687.5A Expired - Fee Related CN104333756B (zh) | 2014-11-19 | 2014-11-19 | 基于时域相关性的hevc预测模式快速选择方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104333756B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104902271A (zh) * | 2015-05-15 | 2015-09-09 | 腾讯科技（北京）有限公司 | 预测模式选择方法及装置 |
| CN106170089A (zh) * | 2016-08-25 | 2016-11-30 | 上海交通大学 | 基于h.265的多路编码***及方法 |
| CN106331699A (zh) * | 2015-06-19 | 2017-01-11 | 华为技术有限公司 | 图像编码方法和图像编码器 |
| CN107566846A (zh) * | 2017-09-20 | 2018-01-09 | 北京维境视讯信息技术有限公司 | 视频编码跳过模式决策方法、装置、设备及存储介质 |
| CN108989801A (zh) * | 2018-07-27 | 2018-12-11 | 福州大学至诚学院 | 一种基于时空特性的自适应模式选择快速方法 |
| CN112839224A (zh) * | 2019-11-22 | 2021-05-25 | 腾讯科技（深圳）有限公司 | 一种预测模式选择方法、装置、视频编码设备及存储介质 |
| CN113596456A (zh) * | 2019-09-23 | 2021-11-02 | 杭州海康威视数字技术股份有限公司 | 编解码方法、装置及设备 |
| US11363298B2 (en) | 2020-08-03 | 2022-06-14 | Wiston Corporation | Video processing apparatus and processing method of video stream |
| US11880966B2 (en) | 2020-08-03 | 2024-01-23 | Wistron Corporation | Image quality assessment apparatus and image quality assessment method thereof |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102984521A (zh) * | 2012-12-12 | 2013-03-20 | 四川大学 | 基于时域相关性的高性能视频编码帧间模式判决方法 |
| US20130336384A1 (en) * | 2012-06-15 | 2013-12-19 | General Instrument Corporation | Method and apparatus for efficient slice header processing |
-
2014
- 2014-11-19 CN CN201410662687.5A patent/CN104333756B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130336384A1 (en) * | 2012-06-15 | 2013-12-19 | General Instrument Corporation | Method and apparatus for efficient slice header processing |
| CN102984521A (zh) * | 2012-12-12 | 2013-03-20 | 四川大学 | 基于时域相关性的高性能视频编码帧间模式判决方法 |
Non-Patent Citations (3)
| Title |
|---|
| LEE J H等: "Novel fast PU decision algorithm for the HEVC video standard", 《IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING》 * |
| ZENG HUANQIANG等: "A Novel Fast Mode Decision for the H.264/AVC Based on Local Macroblock Motion Activity", 《IEEE INTERNATIONAL CONFERENCE ON IMAGE AND GRAPHICS》 * |
| 许东旭等: "高效率视频编码帧内快速算法", 《计算机应用》 * |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104902271B (zh) * | 2015-05-15 | 2017-12-29 | 腾讯科技（北京）有限公司 | 预测模式选择方法及装置 |
| CN104902271A (zh) * | 2015-05-15 | 2015-09-09 | 腾讯科技（北京）有限公司 | 预测模式选择方法及装置 |
| CN106331699B (zh) * | 2015-06-19 | 2019-04-26 | 华为技术有限公司 | 图像编码方法和图像编码器 |
| CN106331699A (zh) * | 2015-06-19 | 2017-01-11 | 华为技术有限公司 | 图像编码方法和图像编码器 |
| CN106170089A (zh) * | 2016-08-25 | 2016-11-30 | 上海交通大学 | 基于h.265的多路编码***及方法 |
| CN106170089B (zh) * | 2016-08-25 | 2020-05-22 | 上海交通大学 | 基于h.265的多路编码方法 |
| CN107566846A (zh) * | 2017-09-20 | 2018-01-09 | 北京维境视讯信息技术有限公司 | 视频编码跳过模式决策方法、装置、设备及存储介质 |
| CN107566846B (zh) * | 2017-09-20 | 2020-04-14 | 北京字节跳动网络技术有限公司 | 视频编码跳过模式决策方法、装置、设备及存储介质 |
| CN108989801A (zh) * | 2018-07-27 | 2018-12-11 | 福州大学至诚学院 | 一种基于时空特性的自适应模式选择快速方法 |
| CN108989801B (zh) * | 2018-07-27 | 2021-10-08 | 福州大学至诚学院 | 一种基于时空特性的自适应模式选择快速方法 |
| CN113596456A (zh) * | 2019-09-23 | 2021-11-02 | 杭州海康威视数字技术股份有限公司 | 编解码方法、装置及设备 |
| CN112839224A (zh) * | 2019-11-22 | 2021-05-25 | 腾讯科技（深圳）有限公司 | 一种预测模式选择方法、装置、视频编码设备及存储介质 |
| US11363298B2 (en) | 2020-08-03 | 2022-06-14 | Wiston Corporation | Video processing apparatus and processing method of video stream |
| US11880966B2 (en) | 2020-08-03 | 2024-01-23 | Wistron Corporation | Image quality assessment apparatus and image quality assessment method thereof |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104333756B (zh) | 2017-10-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104333756A (zh) | 基于时域相关性的hevc预测模式快速选择方法 | |
| CN102984521B (zh) | 基于时域相关性的高性能视频编码帧间模式判决方法 | |
| CN103873861B (zh) | 一种用于hevc的编码模式选择方法 | |
| CN105141954B (zh) | 一种hevc帧间编码快速模式选择方法 | |
| CN104754357B (zh) | 基于卷积神经网络的帧内编码优化方法及装置 | |
| CN104394409B (zh) | 基于空域相关性的hevc预测模式快速选择方法 | |
| CN105306947B (zh) | 基于机器学习的视频转码方法 | |
| CN104539962A (zh) | 一种融合视觉感知特征的可分层视频编码方法 | |
| CN105791826A (zh) | 一种基于数据挖掘的hevc帧间快速模式选择方法 | |
| CN103997645B (zh) | 一种快速的hevc帧内编码单元和模式决策方法 | |
| CN102763411A (zh) | 对视频编码的方法和设备以及对视频解码的方法和设备 | |
| CN103384325A (zh) | 一种avs-m视频编码快速帧间预测模式选择方法 | |
| CN104883565A (zh) | 一种高效视频编码的帧内预测模式决策方法及装置 | |
| CN105657420B (zh) | 一种面向hevc的快速帧内预测模式判决方法和装置 | |
| CN104853191A (zh) | 一种hevc的快速编码方法 | |
| CN104168480A (zh) | 基于hevc标准的帧内预测编码模式快速选择方法 | |
| CN101304529A (zh) | 宏块模式的选择方法和装置 | |
| CN106937116A (zh) | 基于随机训练集自适应学习的低复杂度视频编码方法 | |
| CN103533355A (zh) | 一种hevc快速编码方法 | |
| CN103888763B (zh) | 一种基于hevc的帧内编码方法 | |
| CN104333754A (zh) | 基于预测模式快速选择的shvc增强层视频编码方法 | |
| CN104581152A (zh) | 一种hevc帧内预测模式选择加速方法 | |
| CN101895761B (zh) | 一种快速帧内预测算法 | |
| CN103702131B (zh) | 一种基于模式预处理的帧内编码优化方法和*** | |
| CN101883275B (zh) | 视频编码方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171024 |