CN111726618A - Rdoq的最优量化值的计算方法 - Google Patents

Rdoq的最优量化值的计算方法 Download PDF

Info

Publication number
CN111726618A
CN111726618A CN202010609749.1A CN202010609749A CN111726618A CN 111726618 A CN111726618 A CN 111726618A CN 202010609749 A CN202010609749 A CN 202010609749A CN 111726618 A CN111726618 A CN 111726618A
Authority
CN
China
Prior art keywords
distortion
rate
cost
quantization
rdoq
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
Application number
CN202010609749.1A
Other languages
English (en)
Other versions
CN111726618B (zh
Inventor
章旭东
田景军
潘泽民
蒋尔松
孙浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Fullhan Microelectronics Co ltd
Original Assignee
Shanghai Fullhan Microelectronics Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Fullhan Microelectronics Co ltd filed Critical Shanghai Fullhan Microelectronics Co ltd
Priority to CN202010609749.1A priority Critical patent/CN111726618B/zh
Publication of CN111726618A publication Critical patent/CN111726618A/zh
Application granted granted Critical
Publication of CN111726618B publication Critical patent/CN111726618B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/146—Data rate or code amount at the encoder output
    • H04N19/147—Data rate or code amount at the encoder output according to rate distortion criteria
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/124—Quantisation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/189—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the adaptation method, adaptation tool or adaptation type used for the adaptive coding
    • H04N19/19—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the adaptation method, adaptation tool or adaptation type used for the adaptive coding using optimisation based on Lagrange multipliers

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明提供了一种RDOQ的最优量化值的计算方法，包括：对图像的多个像素点进行编码处理和量化处理；计算量化处理过程中率失真优化代价；设定失真模型和码率估计模型；将失真模型和码率估计模型代入所述率失真优化代价，计算率失真优化代价的增量，使得得到的率失真优化代价的增量的公式包含一个变量；以率失真优化代价的增量的公式推导出RDOQ的最优量化值的计算方法；以RDOQ的最优量化值实现率失真优化量化。本发明提供的RDOQ的最优量化值的计算方法中，得到的RDO代价增量的公式只有Δk一个变量，将失真和码率通过一个变量来衡量，可以平衡失真和码率的选择，并且能使得量化后失真较低的同时码率也较低。

Description

RDOQ的最优量化值的计算方法
技术领域
本发明涉及图像编码领域，尤其是涉及一种RDOQ的最优量化值的计算方法。
背景技术
RDOQ(Rate-Distortion Optimization Quantization,率失真优化量化)技术已经应用到HEVC(High Efficiency Video Coding)视频编码标准中。
现有技术中的率失真优化量化是以失真最小为目的进行的，而在视频编码中，编码码率同样是一种影响编码性能的因素，因此需要一种新的率失真优化量化方法能平衡失真与码率。
发明内容
本发明的目的在于提供一种RDOQ的最优量化值的计算方法，可以平衡失真和码率的选择，并且能使得失真较低的同时码率也较低。
为了达到上述目的，本发明提供了一种RDOQ的最优量化值的计算方法，包括：
对图像的多个像素点进行编码处理和量化处理；
计算量化处理过程中率失真优化代价；
设定失真模型和码率估计模型；
将失真模型和码率估计模型代入所述率失真优化代价，计算率失真优化代价的增量，使得得到的率失真优化代价的增量的公式包含一个变量；
以率失真优化代价的增量的公式推导出RDOQ的最优量化值的计算方法；
以RDOQ的最优量化值实现率失真优化量化。
可选的，在所述的RDOQ的最优量化值的计算方法中，计算量化过程中率失真优化代价满足如下率失真优化代价的公式：
Figure BDA0002560568970000021
其中：JSSE为率失真优化，N为像素点个数，λSSE为失真优化的代价，di为第i+1个像素点的失真度，λSSE为拉格朗日系数，ri为第i+1个像素点的码率。
可选的，在所述的RDOQ的最优量化值的计算方法中，设定失真度的方法包括：建立失真度-拉格朗日系数模型；求得失真度-拉格朗日系数模型的表达式。
可选的，在所述的RDOQ的最优量化值的计算方法中，所述失真度-拉格朗日系数模型的表达式为：
d(λ)＝k*λSSE；
其中：d(λ)为失真度，k为仿真系数，λSSE为失真优化的代价。
可选的，在所述的RDOQ的最优量化值的计算方法中，设定码率估计模型的方法包括：采用高斯信源率失真模型：
Figure BDA0002560568970000022
其中，r(d)为码率估计，δ2为高斯信源的方差，d为失真度，α＝0.5。
可选的，在所述的RDOQ的最优量化值的计算方法中，将失真模型和码率估计模型代入所述率失真优化代价，计算率失真优化代价的增量的方法包括：
将失真模型和码率估计模型代入所述率失真优化代价得到新的率失真优化代价的表达式；
以新的率失真优化代价的表达式求得下一个像素子模块的失真度优化代价和当前像素子模块的失真度优化代价的差值作为RDO代价增量。
可选的，在所述的RDOQ的最优量化值的计算方法中，新的率失真优化代价的表达式为：
Figure BDA0002560568970000023
其中：JSSE为率失真优化，λSSE为失真优化的代价，N为像素点个数，ki为第i+1个像素点的仿真系数，λSSE为拉格朗日系数，ri为第i+1个像素点的码率，δ2为高斯信源的方差，α＝0.5。
可选的，在所述的RDOQ的最优量化值的计算方法中，所述RDO代价增量的公式为：
Figure BDA0002560568970000024
其中：ΔJSSE为RDO代价增量，λSSE为拉格朗日系数，Δk为失真度，α＝0.5，N为像素点个数。
可选的，在所述的RDOQ的最优量化值的计算方法中，所述RDOQ的最优量化值的计算公式如下：
Figure BDA0002560568970000031
其中：
Figure BDA0002560568970000032
为RDOQ的最优量化值，D为失真度，Δ为量化系数-1所带来的量化损失的恶化量，λSSE为拉格朗日系数。
可选的，在所述的RDOQ的最优量化值的计算方法中，所述RDOQ的最优量化值的计算方法还包括：对量化过程中的量化损失进行补偿，损失补偿的值如下：
Figure BDA0002560568970000033
其中：
Figure BDA0002560568970000034
为补偿值，D为失真度，Δ为量化系数-1所带来的量化损失的恶化量，λSSE为拉格朗日系数。
在本发明提供的RDOQ的最优量化值的计算方法中，得到的RDO代价增量的公式只有Δk一个变量，将失真和码率通过一个变量来衡量，可以平衡失真和码率的选择，并且能使得量化后失真较低的同时码率也较低。
附图说明
图1是本发明实施例提供的RDOQ的最优量化值的计算方法的流程图。
具体实施方式
下面将结合示意图对本发明的具体实施方式进行更详细的描述。根据下列描述，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
在下文中，术语“第一”“第二”等用于在类似要素之间进行区分，且未必是用于描述特定次序或时间顺序。要理解，在适当情况下，如此使用的这些术语可替换。类似的，如果本文所述的方法包括一系列步骤，且本文所呈现的这些步骤的顺序并非必须是可执行这些步骤的唯一顺序，且一些所述的步骤可被省略和/或一些本文未描述的其他步骤可被添加到该方法。
发明人发现，如今HEVC编码技术在各个领域广泛应用的解决方案中，现有技术的RDOQ技术存在以下：
1、需要逐像素确定并遍历可选量化值进行RDO计算，包括失真度的计算和码率的计算，从而确定最优量化值，这个过程不仅计算量很大，而且非常耗时，据官方提供的数据，总编码时间将增加10％～15％，对于某些实时性要求很高的应用是无法接受的；
2、结合HEVC编码标准定义的量化规范，量化值每减1，对应量化步长Qstep增大1倍，对应的量化参数QP增加6，2个可选量化值意味着，对某待量化系数进行了跨越6*2＝12级量化参数QP的尝试，跨度过大的量化参数QP配置会对主观观感产生很大的影响。
参照图1，本发明提供了一种RDOQ的最优量化值的计算方法，包括：
S1：对图像的多个像素点进行编码处理和量化处理；
S2：计算量化处理过程中率失真优化代价；
S3：设定失真模型和码率估计模型；
S4：将失真模型和码率估计模型代入所述率失真优化代价，计算率失真优化代价的增量，使得得到的所述率失真优化代价的增量的公式只包含一个变量；
S5：从率失真优化代价的增量的公式推导出RDOQ的最优量化值的计算方法；
S6：以RDOQ的最优量化值实现率失真优化量化。
进一步的，计算量化过程中率失真优化代价满足如下率失真优化代价的公式：
Figure BDA0002560568970000041
其中：JSSE为率失真优化，N为像素点个数，λSSE为失真优化的代价，di为第i+1个像素点的失真度，λSSE为拉格朗日系数，ri为第i+1个像素点的码率。
进一步的，设定失真度的方法包括：建立失真度-拉格朗日系数模型；求得失真度-拉格朗日系数模型的表达式。具体的，所述失真度-拉格朗日系数模型的表达式为：
d(λ)＝k*λSSE；
其中：d(λ)为失真度，k为仿真系数，λSSE为失真优化的代价。
进一步的，设定码率估计模型的方法包括：采用高斯信源率失真模型：
Figure BDA0002560568970000051
其中，r(d)为码率估计，δ2为高斯信源的方差，d为失真度，α＝0.5。
进一步的，将失真模型和码率估计模型代入所述率失真优化代价，计算率失真优化代价的增量的方法包括：
将失真模型和码率估计模型代入所述率失真优化代价得到新的率失真优化代价的表达式；
以新的率失真优化代价的表达式求得下一个像素子模块的失真度优化代价和当前像素子模块的失真度优化代价的差值作为RDO代价增量。
具体的，新的率失真优化代价的表达式为：
Figure BDA0002560568970000052
其中：JSSE为率失真优化，λSSE为失真优化的代价，N为像素点个数，ki为第i+1个像素点的仿真系数，λSSE为拉格朗日系数，ri为第i+1个像素点的码率，δ2为高斯信源的方差，α＝0.5。
进一步的，所述RDO代价增量的公式为：
Figure BDA0002560568970000053
其中：ΔJSSE为RDO代价增量，λSSE为拉格朗日系数，Δk为失真度，α＝0.5，N为像素点个数。
相较现有技术的的RDOQ最优量化值计算方法，本发明实施例提供的ΔJSSE-Δk的实现模型，简化了复杂的失真度计算和码率估计，可以快速实现并且实现代价很小。即，这个公式只有一个变量，不用像现有技术一样计算失真度的计算和码率，计算简单，节约时间。而且，得到的RDO代价增量的公式只有Δk一个变量，将失真和码率通过一个变量来衡量，可以平衡失真和码率的选择，尽可能地使得量化后失真较低的同时码率也较低，接下来只用计算这个变量的值就能进行量化。
进一步的，从上述RDO代价增量的公式推导出的RDOQ的最优量化值的计算公式如下：
Figure BDA0002560568970000054
其中：
Figure BDA0002560568970000061
为RDOQ的最优量化值，D为失真度，Δ为量化系数-1所带来的量化损失的恶化量，λSSE为拉格朗日系数。
每个像素点都用上述公式求得率失真优化的最优量化值，然后进行量化，其中，D和Δ都为频域分量，根据帕斯瓦尔定律，可以将时域的失真度计算通过频域计算实现。通过计算ΔJSSE值，快速的判断当前可选量化值(原量化值-1)相较于原量化值RDO计算的代价的增量。
相较现有技术的RDOQ实现需要单独实现编码量化过程，本专利提供的方法可以无缝嵌入到编码器的量化计算中，实现过程简单实时。并且，将可选量化值缩减到只有一个，确保了量化系数QP变化范围保持在±6，这样既简化了计算，同时也充分考虑到主观观感影响。
进一步的，所述RDOQ的最优量化值的计算方法还包括：对量化过程中的量化损失进行补偿，损失补偿的值如下：
Figure BDA0002560568970000062
其中：
Figure BDA0002560568970000063
为补偿值，D为失真度，Δ为量化系数-1所带来的量化损失的恶化量，λSSE为拉格朗日系数。
进一步的，当
Figure BDA0002560568970000064
时，该像素点通过量化损失补偿可以有效改善所在图像块的RDO代价。特别是在低码率应用中，某高频AC量化系数0->1的补偿过程，可能会对图像物体边界，振铃现象有很大的改善。
当
Figure BDA0002560568970000065
时，当前像素点的量化损失是可以接受的，或者量化补偿所带来的RDO代价没有改善。既然该像素点的量化损失理想且满足RDO代价的增量上限，这时我们才会考虑进行标准RDOQ最优量化值的选择。这样的操作，相比起标准RDOQ逐像素全部遍历计算RDO值的粗放做法，不仅提供了更加快速可靠的计算方法，同时也提供了更加灵活的实现方式，例如本方法中提供的配置参数，码率估算模型的α，RDO计算参数λSSE的β，代价上限阈值K0，代价下限阈值K1，都会随着编码场景不同，编码预测的准确性的不同，标准RDO模型的合理性等诸多因素而不同，可以为更加精细的码率控制，主客观质量调优提供多种调试手段。
进一步的，本发明实施例的RDOQ的最优量化值的计算方法还包括：求得Δk的值。具体的，Δk的取值范围通过如下方法判定：
通过求导
Figure BDA0002560568970000071
得到理论最小代价值时kmin＝α；
根据HEVC标准对Qstep和λSSE的定义：
Figure BDA0002560568970000072
Figure BDA0002560568970000073
其中，β为常数，HEVC标准初始为0.57。
对于当前量化系数QP对应的最大量化损失为Qstep-1，同时，考虑到HEVC标准定义的量化过程中，对于P图像或者B图像，采用f舍入偏移，取得当前QP对应最大量化损失情况下，对应的kmax:
Figure BDA0002560568970000074
其中，HEVC标准定义
Figure BDA0002560568970000075
而Δk∈[kmin,kmax]。
综上，在本发明实施例提供的RDOQ的最优量化值的计算方法中，得到的RDO代价增量的公式只有Δk一个变量，将失真和码率通过一个变量来衡量，可以平衡失真和码率的选择，并且能使得量化后失真较低的同时码率也较低。
上述仅为本发明的优选实施例而已，并不对本发明起到任何限制作用。任何所属技术领域的技术人员，在不脱离本发明的技术方案的范围内，对本发明揭露的技术方案和技术内容做任何形式的等同替换或修改等变动，均属未脱离本发明的技术方案的内容，仍属于本发明的保护范围之内。

Claims (10)

1.一种RDOQ的最优量化值的计算方法，其特征在于，包括：
对图像的多个像素点进行编码处理和量化处理；
计算量化处理过程中率失真优化代价；
设定失真模型和码率估计模型；
将失真模型和码率估计模型代入所述率失真优化代价，计算率失真优化代价的增量，使得得到的率失真优化代价的增量的公式包含一个变量；
以率失真优化代价的增量的公式推导出RDOQ的最优量化值的计算方法；
以RDOQ的最优量化值实现率失真优化量化。
2.如权利要求1所述的RDOQ的最优量化值的计算方法，其特征在于，计算量化过程中率失真优化代价满足如下率失真优化代价的公式：
Figure FDA0002560568960000011
其中：JSSE为率失真优化，N为像素点个数，λSSE为失真优化的代价，di为第i+1个像素点的失真度，λSSE为拉格朗日系数，ri为第i+1个像素点的码率。
3.如权利要求1所述的RDOQ的最优量化值的计算方法，其特征在于，设定失真度的方法包括：建立失真度-拉格朗日系数模型；求得失真度-拉格朗日系数模型的表达式。
4.如权利要求3所述的RDOQ的最优量化值的计算方法，其特征在于，所述失真度-拉格朗日系数模型的表达式为：
d(λ)＝k*λSSE；
其中：d(λ)为失真度，k为仿真系数，λSSE为失真优化的代价。
5.如权利要求1所述的RDOQ的最优量化值的计算方法，其特征在于，设定码率估计模型的方法包括：采用高斯信源率失真模型：
Figure FDA0002560568960000012
其中，r(d)为码率估计，δ2为高斯信源的方差，d为失真度，α＝0.5。
6.如权利要求1所述的RDOQ的最优量化值的计算方法，其特征在于，将失真模型和码率估计模型代入所述率失真优化代价，计算率失真优化代价的增量的方法包括：
将失真模型和码率估计模型代入所述率失真优化代价得到新的率失真优化代价的表达式；
以新的率失真优化代价的表达式求得下一个像素子模块的失真度优化代价和当前像素子模块的失真度优化代价的差值作为RDO代价增量。
7.如权利要求6所述的RDOQ的最优量化值的计算方法，其特征在于，新的率失真优化代价的表达式为：
Figure FDA0002560568960000021
其中：JSSE为率失真优化，λSSE为失真优化的代价，N为像素点个数，ki为第i+1个像素点的仿真系数，λSSE为拉格朗日系数，ri为第i+1个像素点的码率，δ2为高斯信源的方差，α＝0.5。
8.如权利要求6所述的RDOQ的最优量化值的计算方法，其特征在于，所述RDO代价增量的公式为：
Figure FDA0002560568960000022
其中：ΔJSSE为RDO代价增量，λSSE为拉格朗日系数，Δk为失真度，α＝0.5，N为像素点个数。
9.如权利要求8所述的RDOQ的最优量化值的计算方法，其特征在于，所述RDOQ的最优量化值的计算公式如下：
Figure FDA0002560568960000023
其中：
Figure FDA0002560568960000024
为RDOQ的最优量化值，D为失真度，Δ为量化系数-1所带来的量化损失的恶化量，λSSE为拉格朗日系数。
10.如权利要求9所述的RDOQ的最优量化值的计算方法，其特征在于，所述RDOQ的最优量化值的计算方法还包括：对量化过程中的量化损失进行补偿，损失补偿的值如下：
Figure FDA0002560568960000025
其中：
Figure FDA0002560568960000026
为补偿值，D为失真度，Δ为量化系数-1所带来的量化损失的恶化量，λSSE为拉格朗日系数。
CN202010609749.1A 2020-06-29 2020-06-29 Rdoq的最优量化值的计算方法 Active CN111726618B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010609749.1A CN111726618B (zh) 2020-06-29 2020-06-29 Rdoq的最优量化值的计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010609749.1A CN111726618B (zh) 2020-06-29 2020-06-29 Rdoq的最优量化值的计算方法

Publications (2)

Publication Number Publication Date
CN111726618A true CN111726618A (zh) 2020-09-29
CN111726618B CN111726618B (zh) 2022-11-18

Family

ID=72571880

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010609749.1A Active CN111726618B (zh) 2020-06-29 2020-06-29 Rdoq的最优量化值的计算方法

Country Status (1)

Country Link
CN (1) CN111726618B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1471319A (zh) * 2002-07-22 2004-01-28 中国科学院计算技术研究所 结合率失真优化的码率控制的方法及其装置
US20070064793A1 (en) * 2005-09-22 2007-03-22 Haohong Wang Two pass rate control techniques for video coding using rate-distortion characteristics
JP2015043524A (ja) * 2013-08-26 2015-03-05 学校法人早稲田大学 レート歪コスト推定装置及びプログラム
CN108322749A (zh) * 2018-03-15 2018-07-24 北京数码视讯科技股份有限公司 Rdoq的系数优化方法、rdoq的加速方法及装置
CN108429911A (zh) * 2017-02-15 2018-08-21 上海富瀚微电子股份有限公司 一种高效视频编码率失真优化量化方法
CN109688411A (zh) * 2017-10-18 2019-04-26 深圳市中兴微电子技术有限公司 一种视频编码率失真代价估计方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1471319A (zh) * 2002-07-22 2004-01-28 中国科学院计算技术研究所 结合率失真优化的码率控制的方法及其装置
US20070064793A1 (en) * 2005-09-22 2007-03-22 Haohong Wang Two pass rate control techniques for video coding using rate-distortion characteristics
JP2015043524A (ja) * 2013-08-26 2015-03-05 学校法人早稲田大学 レート歪コスト推定装置及びプログラム
CN108429911A (zh) * 2017-02-15 2018-08-21 上海富瀚微电子股份有限公司 一种高效视频编码率失真优化量化方法
CN109688411A (zh) * 2017-10-18 2019-04-26 深圳市中兴微电子技术有限公司 一种视频编码率失真代价估计方法和装置
CN108322749A (zh) * 2018-03-15 2018-07-24 北京数码视讯科技股份有限公司 Rdoq的系数优化方法、rdoq的加速方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
MOTONG XU: ""Simplified Level Estimation for Rate-Distortion Optimized Quantization of HEVC"", 《IEEE TRANSACTIONS ON BROADCASTING》 *
李娜娜等: "基于自适应量化器选择的编码率失真优化判决算法", 《郑州大学学报(工学版)》 *
魏新秀等: "基于有记忆信源模型的视频编码量化算法研究", 《电视技术》 *

Also Published As

Publication number Publication date
CN111726618B (zh) 2022-11-18

Similar Documents

Publication Publication Date Title
US10097851B2 (en) Perceptual optimization for model-based video encoding
CN101395923B (zh) 用于在图像信号编码中为图像中的像素块组确定比特分配的方法及设备
US10200687B2 (en) Sample adaptive offset for high dynamic range (HDR) video compression
US9031128B2 (en) Video encoding
US8416849B2 (en) Self-adapting code rate distribution method of video image macro-block level
CN105284112B (zh) 用于确定量化参数的值的方法和装置
CN104796705B (zh) 一种基于ssim的hevc视频编码率失真优化与码率控制算法
CN109862359A (zh) 基于分层b帧的码率控制方法、装置和电子设备
WO2016011796A1 (zh) 一种视频编码中自适应反量化方法及装置
CN109068137A (zh) 兴趣区域感知的视频编码
KR20090027590A (ko) 화상 부호화 장치 및 화상 부호화 방법
US20130235938A1 (en) Rate-distortion optimized transform and quantization system
JPH09200760A (ja) 映像符号化装置における量子化間隔決定方法及び回路
CN103945222B (zh) 一种基于hevc视频编码标准的码率控制模型更新方法
CN104320657A (zh) Hevc无损视频编码的预测模式选择方法及相应的编码方法
CN108012149A (zh) 一种视频编码中码率控制的方法
TW201904295A (zh) 改進型非局部適應性環路濾波器處理
Najafabadi et al. Mass center direction-based decision method for intraprediction in HEVC standard
CN109889837B (zh) 最优拉格朗日乘子基准定点标定方法
Jing et al. A novel intra-rate estimation method for H. 264 rate control
US11800097B2 (en) Method for image processing and apparatus for implementing the same
CN108989818A (zh) 一种图像编码参数调整方法及装置
CN113099227A (zh) 一种联合优化码率分配和率失真性能的视频编码方法
KR100708182B1 (ko) 동영상 부호화기의 비트율 제어 장치 및 방법
CN111726618B (zh) Rdoq的最优量化值的计算方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant