CN104796694A - 基于视频纹理信息的优化帧内视频编码方法 - Google Patents
基于视频纹理信息的优化帧内视频编码方法 Download PDFInfo
- Publication number
- CN104796694A CN104796694A CN201510216023.0A CN201510216023A CN104796694A CN 104796694 A CN104796694 A CN 104796694A CN 201510216023 A CN201510216023 A CN 201510216023A CN 104796694 A CN104796694 A CN 104796694A
- Authority
- CN
- China
- Prior art keywords
- unit
- video
- coding
- encoding
- gradient
- 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
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
一种视频编码领域的基于视频纹理信息的优化帧内视频编码方法,通过I帧梯度信息计算与映射,利用视频图像梯度信息及其实际含义对帧内编码帧所有像素进行计算,并针对高效视频帧内预测模式进行映射;编码单元划分,根据当前编码单元中像素的梯度信息判定编码单元属性,并结合较大编码单元所包含四个较小编码单元的属性及方向一致性由下至上地判定划分方式,跳过不必要的划分遍历;快速模式选择,采用线下训练方式,对不同编码单元属性条件下的预测模式选择进行预测与优化。本发明结合视频纹理特性,对帧内视频编码的模式选择与编码单元划分进行了优化,在保证编码质量前提下提高了编码速度,并且保证了算法对不同视频序列编码的稳定性。
Description
技术领域
本发明涉及的是一种视频编码技术领域的帧内视频编码的方法,具体是一种基于视频纹理信息的优化帧内视频编码方法。
背景技术
视频编码技术,是将视频根据压缩标准通过一定技术压缩转换成为视频码流。目前,针对不同视频应用领域以及技术发展,存在着多种视频编码标准,主要有MPEG-x系列和H.26x系列,如MPEG-2、MPEG-4标准,H.263、H.264标准等,此外,还有国内数字音视频编解码技术标准工作组制定的音视频编码标准AVS。随着多媒体的发展,人们对于3D、高清、超高清等视频的需求增强。随之而来的是对视频编码效率的更高要求,于是诞生了HEVC(highefficiency video coding,高效视频编码),实现了相比于H.264近50%的编码效率提升。AVS工作组也制定出了新一代高效视频编码标准,AVS2。达到了与HEVC相近,甚至于在某些视频场景应用方面更加高效的视频编码标准。为了追求编码质量的提升,高效视频编码引入了大量新的编码技术,在提升质量的同时也大大增加了编码的计算复杂度,尤其集中在视频编码中的帧内编码模块,使得编码速度降低。对高效视频编码标准进行优化,是视频编码研究的一个研究热点。
空间相关性与时间相关性是视频压缩的重要依据。在帧内编码中,空间相关性往往能在编码过程中发挥重要作用。视频纹理信息正是空间相关性的体现,在图像处理与视频编码中均被广泛应用。根据对现有技术的检索了解,边缘信息、空间相关性统计、梯度信息等方式均为对空间相关性的重要应用。在视频编码过程中,利用视频纹理信息对编码方式进行预测,能够合理减少编码过程中需要遍历的预测及分割模式,在准确预测的前提下,大量减少高效视频编码的计算复杂度,从而实现高效视频编码器的合理优化。对编码过程的简化与替代往往会带来视频编码质量的下降,不合理的编码框架修改也会造成编码器的不稳定。如何准确应用视频纹理信息,与视频编码合理结合,实现准确预测,降低视频编码复杂度是当前编码研究的一个重要课题。
经过对现有技术的检索发现,中国专利文献号CN103517069A,公开(公告)日2014.01.15,公开了一种基于纹理分析的HEVC帧内预测快速模式选择方法,该方法在对编码树单元进行帧内预测之前,根据水平、垂直、左下、右下等四个方向上的梯度绝对值和确定编码树单元中每一个4×4单元的主纹理方向和纹理复杂度,并根据纹理平滑区域采用较大编码单元,纹理复杂区域采用较小编码单元的原则确定当前编码树单元的划分。在预测时,根据预测单元的主纹理方向,排除掉最不可能的若干预测模式,然后按照HEVC编码标准进行粗略模式选择和率失真优化模式选择。该技术所提出的基于纹理分析的HEVC帧内预测快速模式选择方法能够在保证编码质量的前提下,显著提高编码速度。但该现有技术与本发明相比,其无法解决的技术问题包括直接而准确的预测方向估计,精简的模式选择列表以及针对不同视频序列特征处理的预测模式选择调整和编码单元划分。在对不同视频序列帧内编码稳定性方面,本发明具有更强的稳定性与准确性。
中国专利文献号CN103096090A,公开(公告)日2013.05.08,公开了一种用于视频压缩中的编码块划分的方法,其特征在于,包括以下步骤:读取整个LCU中的像素值,完成块合并搜索表;进入每个深度的CU,根据深度和位置信息,获取搜索表对应位置的结合块的深度和位置信息;若当前CU深度与结合块深度一致,进行由下至上的块划分方法的判断流程;否则,进行由上至下的块划分快速算法的判断流程。采用该技术结合两个方面提出的块划分快速算法在保证HEVC编码器的视频质量和输出码率基本不变的前提下,大大加快了编码速度,提高编码效率。但该现有技术与本发明相比,其无法解决的技术问题包括快捷直观的视频空间相关性与纹理信息应用。搜索表方法计算复杂且优化性较低,该现有技术更是仅对深度划分进行修正。本发明采用更加简明直观的计算方法将预测与深度划分相结合,优化速度与性能都大大提升。
发明内容
本发明针对现有技术存在的上述不足,提出一种基于视频纹理信息的优化帧内视频编码方法,采用了视频序列的梯度信息来对帧内编码的预测模式进行筛选,减少了需要进行大量复杂运算的率失真判定候选量。并采用了针对高效视频编码中递归编码单元划分框架的由下至上划分优化。根据视频纹理复杂度将编码单元划分为平滑与粗糙两种属性,再针对性的判定编码单元的合并和划分。同时为了保证编码框架对不同视频序列编码效率的稳定性,基于实验,对不同属性编码单元选用不同数量的预测模式候选,从而在保证编码质量的稳定与优良条件下,大大提升了视频编码的速度。
本发明是通过以下技术方案实现的:
本发明包括以下步骤:
第一步,对帧内编码帧,即I帧的所有像素进行梯度计算,得到代表像素运动方向的梯度值;通过对比帧内预测方向图与梯度的关系得出梯度与预测模式映射关系图,从而在编码过程中得出各像素的最优预测模式;
第二步,根据视频纹理信息对编码块进行属性分类,然后就相同属性的编码单元进行合并,再对优化后的编码单元进行可调整的编码单元划分;
所述的属性分类是指:对当前编码单元的各像素的最优预测模式进行统计,当统计结果中存在一种模式选择率超过80%,则判断在当前编码单元中,像素具有统一的运行方向,图像纹理较为简单,将该编码单元的属性设定为平滑单元;否则将该单元的属性设定为粗糙单元。
所述的合并是指:从最小的编码单元8x8模块进行分析判定,当连续的四个相同大小编码单元均为平滑属性且其主要梯度方向具有一致性,则这四个单元可以合为一个较大单元,且该较大编码单元也设定为平滑单元,梯度方向与之一致;否则选择当前编码单元大小,不对其进行合并操作。
第三步,根据编码单元的不同属性设定不同的模式候选值进行预测,然后在梯度映射统计出的梯度方向中根据模式出现频率从大到小选择出对应数量的模式进行RDcost计算,选择RDcost最小的模式,即为最佳预测模式。
所述的预测,首先通过线下训练的方式,选择不同分辨率的不同序列分别进行测试,根据编码结果选择编码速度与质量的最佳平衡点,然后围绕平衡点进行分组对比测试,实验选择出平滑单元与粗糙单元分别应选择的最佳模式候选数量。
技术效果
与现有技术相比,本发明结合视频纹理信息对帧内编码的预测模式选择以及编码单元划分进行优化,从而降低编码复杂度,提高编码速度。整个编码过程分为两个主要部分,快速模式选择与快速编码单元划分。通过视频纹理的梯度信息,以及其与预测方向和编码单元划分的关系,对预测模式选择的计算过程进行简化,并对编码单元的划分进行预测,避免不必要的编码预测计算,从而提高转码速度,节省了时间。
附图说明
图1为本发明流程示意图。
图2为序列BQ Square性能曲线比较图;
图中:QP分别为27、32、38、45。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例1
如图1所示,本实施例包括以下步骤:
步骤一、对帧内编码帧,即I帧的所有像素进行梯度计算,得到代表像素运动方向的梯度值;通过对比帧内预测方向图与梯度的关系得出梯度与预测模式映射关系图,从而在编码过程中得出各像素的最优预测模式。
HEVC为了保证预测的准确性,引入了大量的帧内预测方向,例如HEVC中的亮度模块采用了33个方向性预测模式及两个特殊预测模式(DC、planar),AVS2中采用了30个方向性预测模式与三个特殊预测模式(DC、plane、双线性),上述梯度值与HEVC中的帧内预测方向性模式有一一对应的映射关系。
步骤二、根据视频纹理信息对编码块进行分析判定,从而做出快速划分方式选择,具体为:
2.1)对当前编码单元的各像素的最优预测模式进行统计,当统计结果中存在一种模式选择率超过80%,则判断在当前编码单元中,像素具有统一的运行方向,图像纹理较为简单,将该编码单元的属性设定为平滑单元;否则将该单元的属性设定为粗糙单元。
2.2)从最小的编码单元8x8模块进行分析判定,当连续的四个相同大小编码单元均为平滑属性且其主要梯度方向具有一致性,则这四个单元可以合为一个较大单元,且该较大编码单元也设定为平滑单元,梯度方向与之一致;否则选择当前编码单元大小,不对其进行合并。
2.3)对优化后的编码单元进行可调整的编码单元划分;基于HEVC中的递归计算方式,主要的计算复杂度始于最内部的最小编码单元,即8x8编码单元,因此本发明中设计的由下至上的划分判定模式能够最大程度的减少计算量。
步骤三、快速模式选择,具体步骤包括:
3.1)采用线下训练的方式,选择不同分辨率的不同序列分别进行测试,根据编码结果选择编码速度与质量的最佳平衡点,再围绕平衡点进行分组对比测试,实验选择出平滑单元与粗糙单元分别应选择的最佳模式候选数量。
3.2)在梯度映射统计出的梯度方向中根据模式出现频率从大到小选择出对应数量的模式进行RDcost(Rate Distortion,率失真代价)计算,选择RDcost最小的模式,即为最佳预测模式。
所述的RDcost计算是指:率失真值计算,即在对应一种码率情况下图像失真值。
综上所述,本发明的优点在于:
1)结合了视频纹理特性,利用视频图像的空间相关性,对优化帧内视频编码器的预测模式选择进行了优化,减少了预测模块计算复杂度,在保证预测准确率的情况下节省了时间。
2)结合递归框架对编码单元划分进行了优化,减少了不必要的遍历,提高编码速度。
3)根据不同视频序列线下训练实验确定最佳预测模式数量选择,保证了算法对不同视频序列的编码效率稳定性。
本发明提出的算法在AVS2参考代码RD_9.0上进行测试,采用全帧内参数配置。具体视频序列选用及参数均符合其平台要求设置:
为了评估算法性能,采用以下三个参数进行分析:
PSNR(dB)=PSNRYpro-PSNRYAVS2
BR、ET、PSNR分别为码率增加百分比、编码减少时间百分比、Y信道峰值信噪比下降值。
实验结果如表1、图2所示。
表1,QP=43的算法实验结果
由表1可以看出,本发明提出的算法对现有最新AVS2编码器算法减少了48%的编码时间,且在码率与信噪比方面影响较小,对不同视频序列编码质量十分稳定。
另外,本发明不仅限于上述举例应用,对于所有基于编码单元的视频编码方法均可实现。对于其它编码标准下的根据本发明说明加以引用或变换的均应属于本发明所附权利要求的保护范围。
Claims (4)
1.一种基于视频纹理信息的优化帧内视频编码方法,其特征在于,包括以下步骤:
第一步,对帧内编码帧,即I帧的所有像素进行梯度计算,得到代表像素运动方向的梯度值;通过对比帧内预测方向图与梯度的关系得出梯度与预测模式映射关系图,从而在编码过程中得出各像素的最优预测模式;
第二步,根据视频纹理信息对编码块进行属性分类,然后就相同属性的编码单元进行合并,再对优化后的编码单元进行可调整的编码单元划分;
第三步,根据编码单元的不同属性设定不同的模式候选值进行预测,然后在梯度映射统计出的梯度方向中根据模式出现频率从大到小选择出对应数量的模式进行RDcost计算,选择RDcost最小的模式,即为最佳预测模式。
2.根据权利要求1所述的方法,其特征是,所述的属性分类是指:对当前编码单元的各像素的最优预测模式进行统计,当统计结果中存在一种模式选择率超过80%,则判断在当前编码单元中,像素具有统一的运行方向,图像纹理较为简单,将该编码单元的属性设定为平滑单元;否则将该单元的属性设定为粗糙单元。
3.根据权利要求1或2所述的方法,其特征是,所述的合并是指:从最小的编码单元8x8模块进行分析判定,当连续的四个相同大小编码单元均为平滑属性且其主要梯度方向具有一致性,则这四个单元可以合为一个较大单元,且该较大编码单元也设定为平滑单元,梯度方向与之一致;否则选择当前编码单元大小,不进行合并操作。
4.根据权利要求1所述的方法,其特征是,所述的预测,首先通过线下训练的方式,选择不同分辨率的不同序列分别进行测试,根据编码结果选择编码速度与质量的最佳平衡点,然后围绕平衡点进行分组对比测试,实验选择出平滑单元与粗糙单元分别应选择的最佳模式候选数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510216023.0A CN104796694B (zh) | 2015-04-30 | 2015-04-30 | 基于视频纹理信息的优化帧内视频编码方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510216023.0A CN104796694B (zh) | 2015-04-30 | 2015-04-30 | 基于视频纹理信息的优化帧内视频编码方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104796694A true CN104796694A (zh) | 2015-07-22 |
CN104796694B CN104796694B (zh) | 2017-08-15 |
Family
ID=53561172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510216023.0A Expired - Fee Related CN104796694B (zh) | 2015-04-30 | 2015-04-30 | 基于视频纹理信息的优化帧内视频编码方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104796694B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106101711A (zh) * | 2016-08-26 | 2016-11-09 | 成都杰华科技有限公司 | 一种快速实时视频编解码压缩算法 |
CN108259897A (zh) * | 2018-01-23 | 2018-07-06 | 北京易智能科技有限公司 | 一种基于深度学习的帧内编码优化方法 |
CN109413421A (zh) * | 2018-10-26 | 2019-03-01 | 西安科锐盛创新科技有限公司 | 视频编码方法、设备以及视频解码方法、设备 |
CN109510983A (zh) * | 2018-10-26 | 2019-03-22 | 西安科锐盛创新科技有限公司 | 带宽压缩中复杂纹理的多模式选择预测方法 |
CN109587481A (zh) * | 2018-10-26 | 2019-04-05 | 西安科锐盛创新科技有限公司 | 视频编码方法及设备 |
CN109660793A (zh) * | 2018-10-26 | 2019-04-19 | 西安科锐盛创新科技有限公司 | 用于带宽压缩的预测方法 |
CN109982079A (zh) * | 2019-04-03 | 2019-07-05 | 北京电子工程总体研究所 | 一种结合纹理空间相关性的帧内预测模式选择方法 |
CN110213584A (zh) * | 2019-07-03 | 2019-09-06 | 北京电子工程总体研究所 | 基于纹理复杂度的编码单元分类方法和编码单元分类设备 |
CN110708551A (zh) * | 2019-10-22 | 2020-01-17 | 腾讯科技(深圳)有限公司 | 视频编码方法、装置、计算机可读存储介质和计算机设备 |
CN111953987A (zh) * | 2020-07-15 | 2020-11-17 | 广州柯维新数码科技有限公司 | 视频转码方法、计算机设备和存储介质 |
CN111953988A (zh) * | 2020-07-15 | 2020-11-17 | 广州柯维新数码科技有限公司 | 视频转码方法、计算机设备和存储介质 |
CN113194311A (zh) * | 2021-04-27 | 2021-07-30 | 北京京东方技术开发有限公司 | 图像处理方法、图像处理器及存储介质 |
CN114449273A (zh) * | 2020-11-06 | 2022-05-06 | 北京大学 | 基于hevc增强型块划分搜索方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010132977A1 (en) * | 2009-05-21 | 2010-11-25 | Ecole De Technologie Superieure | Method and system for efficient video transcoding |
JP2011525094A (ja) * | 2008-06-16 | 2011-09-08 | ドルビー・ラボラトリーズ・ライセンシング・コーポレーション | ビデオ符号化のための、スライス依存性に基づくレート制御モデル適合化 |
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 |
CN103096090A (zh) * | 2013-02-20 | 2013-05-08 | 广州柯维新数码科技有限公司 | 一种用于视频压缩中的编码块划分的方法 |
CN103888762A (zh) * | 2014-02-24 | 2014-06-25 | 西南交通大学 | 一种基于hevc标准的视频编码框架 |
CN104378643A (zh) * | 2014-12-04 | 2015-02-25 | 南京理工大学 | 一种3d视频深度图像帧内预测模式选择方法及*** |
-
2015
- 2015-04-30 CN CN201510216023.0A patent/CN104796694B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011525094A (ja) * | 2008-06-16 | 2011-09-08 | ドルビー・ラボラトリーズ・ライセンシング・コーポレーション | ビデオ符号化のための、スライス依存性に基づくレート制御モデル適合化 |
WO2010132977A1 (en) * | 2009-05-21 | 2010-11-25 | Ecole De Technologie Superieure | Method and system for efficient video transcoding |
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 |
CN103096090A (zh) * | 2013-02-20 | 2013-05-08 | 广州柯维新数码科技有限公司 | 一种用于视频压缩中的编码块划分的方法 |
CN103888762A (zh) * | 2014-02-24 | 2014-06-25 | 西南交通大学 | 一种基于hevc标准的视频编码框架 |
CN104378643A (zh) * | 2014-12-04 | 2015-02-25 | 南京理工大学 | 一种3d视频深度图像帧内预测模式选择方法及*** |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106101711A (zh) * | 2016-08-26 | 2016-11-09 | 成都杰华科技有限公司 | 一种快速实时视频编解码压缩算法 |
CN106101711B (zh) * | 2016-08-26 | 2019-03-01 | 成都杰华科技有限公司 | 一种快速实时视频编解码压缩算法 |
CN108259897A (zh) * | 2018-01-23 | 2018-07-06 | 北京易智能科技有限公司 | 一种基于深度学习的帧内编码优化方法 |
CN108259897B (zh) * | 2018-01-23 | 2021-08-27 | 北京易智能科技有限公司 | 一种基于深度学习的帧内编码优化方法 |
CN109587481B (zh) * | 2018-10-26 | 2020-07-10 | 江苏怀业信息技术股份有限公司 | 视频编码方法及设备 |
CN109413421B (zh) * | 2018-10-26 | 2021-01-19 | 张豪 | 视频编码方法、设备以及视频解码方法、设备 |
CN109660793A (zh) * | 2018-10-26 | 2019-04-19 | 西安科锐盛创新科技有限公司 | 用于带宽压缩的预测方法 |
CN109413421A (zh) * | 2018-10-26 | 2019-03-01 | 西安科锐盛创新科技有限公司 | 视频编码方法、设备以及视频解码方法、设备 |
CN109587481A (zh) * | 2018-10-26 | 2019-04-05 | 西安科锐盛创新科技有限公司 | 视频编码方法及设备 |
CN109510983B (zh) * | 2018-10-26 | 2020-08-11 | 苏州龙盈软件开发有限公司 | 带宽压缩中复杂纹理的多模式选择预测方法 |
CN109510983A (zh) * | 2018-10-26 | 2019-03-22 | 西安科锐盛创新科技有限公司 | 带宽压缩中复杂纹理的多模式选择预测方法 |
CN109982079A (zh) * | 2019-04-03 | 2019-07-05 | 北京电子工程总体研究所 | 一种结合纹理空间相关性的帧内预测模式选择方法 |
CN110213584A (zh) * | 2019-07-03 | 2019-09-06 | 北京电子工程总体研究所 | 基于纹理复杂度的编码单元分类方法和编码单元分类设备 |
CN110708551A (zh) * | 2019-10-22 | 2020-01-17 | 腾讯科技(深圳)有限公司 | 视频编码方法、装置、计算机可读存储介质和计算机设备 |
CN111953987A (zh) * | 2020-07-15 | 2020-11-17 | 广州柯维新数码科技有限公司 | 视频转码方法、计算机设备和存储介质 |
CN111953988A (zh) * | 2020-07-15 | 2020-11-17 | 广州柯维新数码科技有限公司 | 视频转码方法、计算机设备和存储介质 |
CN111953987B (zh) * | 2020-07-15 | 2022-08-09 | 广州柯维新数码科技有限公司 | 视频转码方法、计算机设备和存储介质 |
CN114449273A (zh) * | 2020-11-06 | 2022-05-06 | 北京大学 | 基于hevc增强型块划分搜索方法和装置 |
CN113194311A (zh) * | 2021-04-27 | 2021-07-30 | 北京京东方技术开发有限公司 | 图像处理方法、图像处理器及存储介质 |
CN113194311B (zh) * | 2021-04-27 | 2022-12-27 | 北京京东方技术开发有限公司 | 图像处理方法、图像处理器及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104796694B (zh) | 2017-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104796694A (zh) | 基于视频纹理信息的优化帧内视频编码方法 | |
CN111147867B (zh) | 一种多功能视频编码cu划分快速决策方法及存储介质 | |
CN104378643B (zh) | 一种3d视频深度图像帧内预测模式选择方法及*** | |
CN107277509B (zh) | 一种基于屏幕内容的快速帧内预测方法 | |
CN103873861B (zh) | 一种用于hevc的编码模式选择方法 | |
CN106534846B (zh) | 一种屏幕内容与自然内容划分及快速编码方法 | |
CN103618900B (zh) | 基于编码信息的视频感兴趣区域提取方法 | |
CN102984521A (zh) | 基于时域相关性的高性能视频编码帧间模式判决方法 | |
CN101710993A (zh) | 基于块的自适应超分辨率视频处理方法及*** | |
CN105898332B (zh) | 针对3d-hevc编码标准的快速深度图帧内模式判决方法 | |
US9883200B2 (en) | Method of acquiring neighboring disparity vectors for multi-texture and multi-depth video | |
CN103338370B (zh) | 一种多视点深度视频快速编码方法 | |
CN103813178B (zh) | 一种基于编码单元深度时空相关性的快速hevc编码方法 | |
Chen et al. | A novel fast intra mode decision for versatile video coding | |
CN105187826B (zh) | 针对高效率视频编码标准的快速帧内模式判决方法 | |
CN103237222B (zh) | 多模式搜索的运动估计方法 | |
CN107018412B (zh) | 一种基于关键帧编码单元划分模式的dvc-hevc视频转码方法 | |
CN105791862B (zh) | 基于边缘复杂度的三维视频编码深度图内部模式选择方法 | |
CN108712648A (zh) | 一种深度视频快速帧内编码方法 | |
CN105791826A (zh) | 一种基于数据挖掘的hevc帧间快速模式选择方法 | |
CN109587503A (zh) | 一种基于边缘检测的3d-hevc深度图帧内编码模式快速决策方法 | |
CN105208387A (zh) | 一种hevc帧内预测模式快速选择方法 | |
CN110213584A (zh) | 基于纹理复杂度的编码单元分类方法和编码单元分类设备 | |
CN110446052A (zh) | 一种3d-hevc帧内深度图快速cu深度选择方法 | |
CN106303530A (zh) | 一种融合视觉感知特性的码率控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate 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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170815 Termination date: 20200430 |