CN112911307B - 4k、8k、16k超高清视频编码运动估计优化方法和装置、设备及存储介质 - Google Patents
4k、8k、16k超高清视频编码运动估计优化方法和装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112911307B CN112911307B CN202110057080.4A CN202110057080A CN112911307B CN 112911307 B CN112911307 B CN 112911307B CN 202110057080 A CN202110057080 A CN 202110057080A CN 112911307 B CN112911307 B CN 112911307B
- Authority
- CN
- China
- Prior art keywords
- motion vector
- original
- video data
- optimal
- motion
- 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.)
- Active
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
- H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
- H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
- H04N19/51—Motion estimation or motion compensation
- H04N19/513—Processing of motion vectors
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本申请公开了一种4K、8K、16K超高清视频编码运动估计优化方法,该4K、8K、16K超高清视频编码运动估计优化方法包括获取原始视频数据,将原始视频数据转换为低分辨率视频数据,对低分辨率视频数据中每帧图像数据进行运动估计得到运动矢量,将运动矢量映射至原始视频数据的尺寸得到原始运动矢量,对原始运动矢量进行优化得到最优运动矢量。从而大幅降低运动估计的计算量。
Description
技术领域
本公开涉及视频编码技术领域,尤其涉及一种4K、8K、16K超高清视频编码运动估计优化方法和装置、设备及存储介质。
背景技术
运动估计是H.264/H.265/AVS+/AVS2/AVS3等视频编码标准中最重要且最耗时的一部分。一般情况下,大约占用视频编码的60%~80%的时间。运动搜索,运动矢量预测是运动估计计算的两个主要环节。
运动搜索最常用的方法是块匹配法。最简单的块匹配法是全搜索算法(FS),其精度最高,性能最好,但是计算量太大,不适用于实时编码。在此基础上的改进算法中,比较有代表性的快速算法有早期的三步搜索法(TSS)和二维对数搜索法(LOGS)等,该类算法的特点是限制运动搜索点数而减少计算量,但是很容易陷入局部最优。目前被实际采用的算法,是改进的新三步法(NTSS),例如钻石形算法(DIAS)和六边形算法(HEXS)。
运动矢量预测包括帧内预测和帧间预测。帧内预测是指利用视频空间域相关性,使用空间临近已编码图像像素预测当前图像的像素。在帧内预测模式中,预测块是基于已编码重建块和当前块形成的,编码器通常选取预测块与编码块之间差异最小的预测模式。帧间预测是指利用视频时间域相关性,使用时间临近已编码图像像素预测当前图像的像素,以达到有效去除视频时域冗余的目的。由于视频序列通常包括较强的时域相关性,因此预测残差值接近于0,将残差信号作为后续模块的输入进行变换、量化、扫描及熵编码,可实现对视频信号的高效压缩。
随着视频编码技术的不断发展进步,新一代的编码标准围绕运动搜索和运动矢量预测两个核心环节,进行了大量的改进和提升,并由此获得了重要的视频质量提升。举例来说,从H.264发展到H.265,帧内运动预测模式,就从原来的最多9种增加到了最多35种之多。这些改进是提升视频编码质量的重要手段,但是也极大的增加了编码运算量。
发明内容
有鉴于此,本公开提出了一种4K、8K、16K超高清视频编码运动估计优化方法,包括:
获取原始视频数据,将所述原始视频数据转换为低分辨率视频数据;
对所述低分辨率视频数据中每帧图像数据进行运动估计得到运动矢量;
将所述运动矢量映射至所述原始视频数据的尺寸得到原始运动矢量;
对所述原始运动矢量进行优化得到最优运动矢量。
在一种可能的实现方式中,将所述原始视频数据转换为低分辨率视频数据时采用像素抽样的方式进行。
在一种可能的实现方式中,将所述原始视频数据转换为低分辨率视频数据包括:
依据预设的抽样比例对所述原始视频数据进行下变换得到低分辨率视频数据。
在一种可能的实现方式中,所述预设的抽样比例的范围为四分之一至十六分之一。
在一种可能的实现方式中,将所述运动矢量映射至所述原始视频数据的尺寸得到原始运动矢量包括:
将所述运动矢量依据所述抽样比例进行上变换得到原始运动矢量。
在一种可能的实现方式中,对所述原始运动矢量进行优化得到最优运动矢量包括:
以所述原始运动矢量为起点在预设范围内进行运动搜索;
使用最小误差和算法计算最小匹配误差;
所述最小匹配误差对应的矢量为所述最优运动矢量。
在一种可能的实现方式中,还包括:
若所述原始运动矢量与相邻的运动矢量的矢量差小于设定阈值;
所述相邻的运动矢量依据所述原始运动矢量对应的最优运动矢量进行修正。
在一种可能的实现方式中,所述相邻的运动矢量依据所述原始运动矢量对应的最优运动矢量进行修正包括:
依据所述原始运动矢量与所述原始运动矢量对应的最优运动矢量得到修正量;
将所述相邻的运动矢量与所述修正量相加。
根据本公开的另一方面,提供了一种4K、8K、16K超高清视频编码运动估计优化装置,包括数据获取模块、运动估计模块、原始运动矢量计算模块和原始运动矢量优化模块;
所述数据获取模块,被配置为获取原始视频数据,将所述原始视频数据转换为低分辨率视频数据;
所述运动估计模块,被配置为对所述低分辨率视频数据中每帧图像数据进行运动估计得到运动矢量;
所述原始运动矢量计算模块,被配置为将所述运动矢量映射至所述原始视频数据的尺寸得到原始运动矢量;
所述原始运动矢量优化模块,被配置为对所述原始运动矢量进行优化得到最优运动矢量。
根据本公开的另一方面,提供了一种4K、8K、16K超高清视频编码运动估计优化设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述可执行指令时实现前面任一所述的方法。
根据本公开的另一方面,提供了一种非易失性计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现前面任一所述的方法。
通过获取原始视频数据,将原始视频数据转换为低分辨率视频数据,对低分辨率视频数据中每帧图像数据进行运动估计得到运动矢量,将运动矢量映射至原始视频数据的尺寸得到原始运动矢量,对原始运动矢量进行优化得到最优运动矢量。从而大幅降低运动估计的计算量。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面,并且用于解释本公开的原理。
图1示出本公开实施例的4K、8K、16K超高清视频编码运动估计优化方法的流程图;
图2示出本公开实施例的4K、8K、16K超高清视频编码运动估计优化方法的另一流程图;
图3示出本公开实施例的4K、8K、16K超高清视频编码运动估计优化方法的下变换原理图;
图4示出本公开实施例的4K、8K、16K超高清视频编码运动估计优化装置的框图;
图5示出本公开实施例的4K、8K、16K超高清视频编码运动估计优化设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外,为了更好的说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
图1示出根据本公开一实施例的4K、8K、16K超高清视频编码运动估计优化方法的流程图。如图1所示,该4K、8K、16K超高清视频编码运动估计优化方法包括:
步骤S100,获取原始视频数据,将原始视频数据转换为低分辨率视频数据,步骤S200,对低分辨率视频数据中每帧图像数据进行运动估计得到运动矢量,步骤S300,将运动矢量映射至原始视频数据的尺寸得到原始运动矢量,步骤S400,对原始运动矢量进行优化得到最优运动矢量。
通过获取原始视频数据,将原始视频数据转换为低分辨率视频数据,对低分辨率视频数据中每帧图像数据进行运动估计得到运动矢量,将运动矢量映射至原始视频数据的尺寸得到原始运动矢量,对原始运动矢量进行优化得到最优运动矢量。从而大幅降低运动估计的计算量。
具体的,参见图1,执行步骤S100,获取原始视频数据,将原始视频数据转换为低分辨率视频数据。
在一种可能的实现方式中,将原始视频数据转换为低分辨率视频数据时采用像素抽样的方式进行。其中,在将原始视频数据转换为低分辨率视频数据包括:依据预设的抽样比例对原始视频数据进行下变换得到低分辨率视频数据,预设的抽样比例的范围为四分之一至十六分之一。举例来说,参见图2,执行步骤S101,获取原始视频数据,获取到的原始视频数据的清晰度为4K,在获取到原始视频数据之后,执行步骤S102,对原始视频数据进行像素抽样,预设的抽样比例为四分之一,则对清晰度为4K的原始视频数据进行下变换至原来分辨率的四分之一,示例性的,参见图3,在8×8的像素块中,分别取1、3、5、7行像素和1、3、5、7列像素,即得到了低分辨率视频数据。这样,由于计算量基本与图像面积成正比,在下变换分辨率为原来的小比例时,相关计算量也接近这个比例,从而极大的节省了计算量。
进一步的,参见图1,执行步骤S200,对低分辨率视频数据中每帧图像数据进行运动估计得到运动矢量。
在一种可能的实现方式中,获取到的原始视频数据的清晰度为4K,在获取到原始视频数据之后,对原始视频数据进行像素抽样,预设的抽样比例为四分之一,则对清晰度为4K的原始视频数据进行下变换至原来分辨率的四分之一,即得到了低分辨率视频数据。将低分辨率视频数据中的每帧图像按原编码过程相同的运动搜索算法和运动矢量预测算法进行运动估计得到所有运动矢量,由于图像的分辨率已经降低,所以对应的图像块划分也使用等比例缩小的尺寸。
需要说明的是,运动估计可以使用本领域的常规技术手段,此处不再进行赘述。
进一步的,参见图1,执行步骤S300,将运动矢量映射至原始视频数据的尺寸得到原始运动矢量。
在一种可能的实现方式中,参见图3,一个图像块在原始分辨率下(8x8的分辨率),其对应的运动矢量为MV-L,将原始视频数据下变换为原始分辨率的1/4之后,取1、3、5、7行像素和1、3、5、7列像素,该图像块的尺寸也变为原始尺寸的1/4,其对应的运动矢量为MV-S。从图上可以直接看出,运动矢量MV-L和MV-S在方向上是一致的,且保持平行关系,MV-L的长度为MV-S长度的两倍。也就是说等比例下变换之后,运动矢量保持等比例变换关系。这样,将运动矢量映射至原始视频数据的尺寸得到原始运动矢量包括:将运动矢量依据抽样比例进行上变换得到原始运动矢量。举例来说,获取到的原始视频数据的清晰度为4K,在获取到原始视频数据之后,对原始视频数据进行像素抽样,预设的抽样比例为四分之一,则对清晰度为4K的原始视频数据进行下变换至原来分辨率的四分之一,即得到了低分辨率视频数据。将低分辨率视频数据中的每帧图像原编码过程相同的运动搜索算法和运动矢量预测算法进行运动估计,得到所有运动矢量,再将这些运动矢量按照原原始视频数据的尺寸进行上变换得到原原始视频数据的所有的运动矢量,示例性的,在H.265编码时,将原视频下变换分辨率为原分辨率的四分之一的时候,PU(预测单元)尺寸对应关系如表一所示:
表一
即,将低分辨率视频数据上的每个PU的坐标值乘以2,得到原始视频数据的PU坐标,每个运动矢量乘以2,得到原始视频数据的运动矢量,也就是得到了原始运动矢量。
进一步的,参见图1,执行步骤S400,对原始运动矢量进行优化得到最优运动矢量。
在一种可能的实现方式中,对原始运动矢量进行优化得到最优运动矢量包括:以原始运动矢量为起点在预设范围内进行运动搜索,使用最小误差和算法计算最小匹配误差,最小匹配误差对应的矢量为最优运动矢量。举例来说,以步骤S300中获得的原始运动矢量进行小范围的搜索,示例性的,设定以原始运动矢量为起点,搜索范围为4,进行小范围的运动搜索,使用SAD算法计算最小匹配误差,最小匹配误差对应的运动矢量即为最优运动矢量。
需要说明的是,运动搜索算法可以使用任何一种高效率的运动搜索算法,本发明不进行限定。
进一步的,参见图2,在一种可能的实现方式中,本公开的4K、8K、16K超高清视频编码运动估计优化方法还包括步骤S500:若原始运动矢量与相邻的运动矢量的矢量差小于设定阈值,相邻的运动矢量依据原始运动矢量对应的最优运动矢量进行修正。其中,相邻的运动矢量依据原始运动矢量对应的最优运动矢量进行修正包括:依据原始运动矢量与原始运动矢量对应的最优运动矢量得到修正量,将相邻的运动矢量与修正量相加。举例来说,在其中一个原始运动矢量经过步骤S400中的优化后,若该原始运动矢量的相邻的运动矢量的矢量差小于2的时候,则将该原始运动矢量与该原始运动矢量经过优化后的最优运动矢量的差值作为修正值,示例性的,原始运动矢量为A,经过优化后的最优运动矢量为S,S和A之间的差值为2,则以2为修正值,相邻的运动矢量不用经过小范围的运动搜索进行优化,直接与修正量相加,得到新的运动矢量,这样使得多个相似运动矢量可以共享优化结果,不需要逐个进行运动搜索,从而进一步节省运算量。
需要说明的是,尽管以上述各个步骤作为示例介绍了4K、8K、16K超高清视频编码运动估计优化方法如上,但本领域技术人员能够理解,本公开应不限于此。事实上,用户完全可根据个人喜好和/或实际应用场景灵活设定4K、8K、16K超高清视频编码运动估计优化方法,只要达到所需功能即可。
这样,通过获取原始视频数据,将原始视频数据转换为低分辨率视频数据,对低分辨率视频数据中每帧图像数据进行运动估计得到运动矢量,将运动矢量映射至原始视频数据的尺寸得到原始运动矢量,对原始运动矢量进行优化得到最优运动矢量。从而大幅降低运动估计的计算量。
进一步的,根据本公开的另一方面,还提供了一种4K、8K、16K超高清视频编码运动估计优化装置100。由于本公开实施例的4K、8K、16K超高清视频编码运动估计优化装置100的工作原理与本公开实施例的4K、8K、16K超高清视频编码运动估计优化方法的原理相同或相似,因此重复之处不再赘述。参见图4,本公开实施例的4K、8K、16K超高清视频编码运动估计优化装置100包括数据获取模块110、运动估计模块120、原始运动矢量计算模块130和原始运动矢量优化模块140;
数据获取模块110,被配置为获取原始视频数据,将原始视频数据转换为低分辨率视频数据;
运动估计模块120,被配置为对低分辨率视频数据中每帧图像数据进行运动估计得到运动矢量;
原始运动矢量计算模块130,被配置为将运动矢量映射至原始视频数据的尺寸得到原始运动矢量;
原始运动矢量优化模块140,被配置为对原始运动矢量进行优化得到最优运动矢量。
更进一步地,根据本公开的另一方面,还提供了一种4K、8K、16K超高清视频编码运动估计优化设备200。参阅图5,本公开实施例4K、8K、16K超高清视频编码运动估计优化设备200包括处理器210以及用于存储处理器210可执行指令的存储器220。其中,处理器210被配置为执行可执行指令时实现前面任一所述的4K、8K、16K超高清视频编码运动估计优化方法。
此处,应当指出的是,处理器210的个数可以为一个或多个。同时,在本公开实施例的4K、8K、16K超高清视频编码运动估计优化设备200中,还可以包括输入装置230和输出装置240。其中,处理器210、存储器220、输入装置230和输出装置240之间可以通过总线连接,也可以通过其他方式连接,此处不进行具体限定。
存储器220作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序和各种模块,如:本公开实施例的4K、8K、16K超高清视频编码运动估计优化方法所对应的程序或模块。处理器210通过运行存储在存储器220中的软件程序或模块,从而执行4K、8K、16K超高清视频编码运动估计优化设备200的各种功能应用及数据处理。
输入装置230可用于接收输入的数字或信号。其中,信号可以为产生与设备/终端/服务器的用户设置以及功能控制有关的键信号。输出装置240可以包括显示屏等显示设备。
根据本公开的另一方面,还提供了一种非易失性计算机可读存储介质,其上存储有计算机程序指令,计算机程序指令被处理器210执行时实现前面任一所述的4K、8K、16K超高清视频编码运动估计优化方法。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (5)
1.一种4K、8K、16K超高清视频编码运动估计优化方法,其特征在于,包括:
获取原始视频数据,将所述原始视频数据转换为低分辨率视频数据;
对所述低分辨率视频数据中每帧图像数据进行运动估计得到运动矢量;
将所述运动矢量映射至所述原始视频数据的尺寸得到原始运动矢量;
对所述原始运动矢量进行优化得到最优运动矢量;
其中,将所述原始视频数据转换为低分辨率视频数据时采用像素抽样的方式进行;
将所述原始视频数据转换为低分辨率视频数据包括:
依据预设的抽样比例对所述原始视频数据进行下变换得到低分辨率视频数据;
所述预设的抽样比例的范围为四分之一至十六分之一;
还包括:
若所述原始运动矢量与相邻的运动矢量的矢量差小于设定阈值;其中,所述设定阈值的取值为2;
所述相邻的运动矢量依据所述原始运动矢量对应的最优运动矢量进行修正;
所述相邻的运动矢量依据所述原始运动矢量对应的最优运动矢量进行修正包括:
依据所述原始运动矢量与所述原始运动矢量对应的最优运动矢量得到修正量;
将所述相邻的运动矢量与所述修正量相加;
其中,所述修正量为所述原始运动矢量与所述原始运动矢量经过优化后的最优运动矢量的差值;
对所述原始运动矢量进行优化得到最优运动矢量包括:
以所述原始运动矢量为起点在预设范围内进行运动搜索;其中,所述预设范围为4;
使用最小误差和算法计算最小匹配误差;
所述最小匹配误差对应的矢量为所述最优运动矢量。
2.根据权利要求1所述的方法,其特征在于,将所述运动矢量映射至所述原始视频数据的尺寸得到原始运动矢量包括:
将所述运动矢量依据所述抽样比例进行上变换得到原始运动矢量。
3.一种4K、8K、16K超高清视频编码运动估计优化装置,其特征在于,包括数据获取模块、运动估计模块、原始运动矢量计算模块和原始运动矢量优化模块;
所述数据获取模块,被配置为获取原始视频数据,将所述原始视频数据转换为低分辨率视频数据;
所述运动估计模块,被配置为对所述低分辨率视频数据中每帧图像数据进行运动估计得到运动矢量;
所述原始运动矢量计算模块,被配置为将所述运动矢量映射至所述原始视频数据的尺寸得到原始运动矢量;
所述原始运动矢量优化模块,被配置为对所述原始运动矢量进行优化得到最优运动矢量;
其中,将所述原始视频数据转换为低分辨率视频数据时采用像素抽样的方式进行;
将所述原始视频数据转换为低分辨率视频数据包括:
依据预设的抽样比例对所述原始视频数据进行下变换得到低分辨率视频数据;
所述预设的抽样比例的范围为四分之一至十六分之一;
还包括:
若所述原始运动矢量与相邻的运动矢量的矢量差小于设定阈值;其中,所述设定阈值的取值为2;
所述相邻的运动矢量依据所述原始运动矢量对应的最优运动矢量进行修正;
所述相邻的运动矢量依据所述原始运动矢量对应的最优运动矢量进行修正包括:
依据所述原始运动矢量与所述原始运动矢量对应的最优运动矢量得到修正量;
将所述相邻的运动矢量与所述修正量相加;
其中,所述修正量为所述原始运动矢量与所述原始运动矢量经过优化后的最优运动矢量的差值;
对所述原始运动矢量进行优化得到最优运动矢量包括:
以所述原始运动矢量为起点在预设范围内进行运动搜索;其中,所述预设范围为4;
使用最小误差和算法计算最小匹配误差;
所述最小匹配误差对应的矢量为所述最优运动矢量。
4.一种4K、8K、16K超高清视频编码运动估计优化设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述可执行指令时实现权利要求1或2任意一项所述的方法。
5.一种非易失性计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1或2任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110057080.4A CN112911307B (zh) | 2021-01-15 | 2021-01-15 | 4k、8k、16k超高清视频编码运动估计优化方法和装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110057080.4A CN112911307B (zh) | 2021-01-15 | 2021-01-15 | 4k、8k、16k超高清视频编码运动估计优化方法和装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112911307A CN112911307A (zh) | 2021-06-04 |
CN112911307B true CN112911307B (zh) | 2022-09-02 |
Family
ID=76113812
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110057080.4A Active CN112911307B (zh) | 2021-01-15 | 2021-01-15 | 4k、8k、16k超高清视频编码运动估计优化方法和装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112911307B (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7983341B2 (en) * | 2005-02-24 | 2011-07-19 | Ericsson Television Inc. | Statistical content block matching scheme for pre-processing in encoding and transcoding |
CN101720039B (zh) * | 2009-09-08 | 2011-08-24 | 广东工业大学 | 一种基于菱形搜索的多分辨率的快速运动估计方法 |
CN104301736B (zh) * | 2014-10-13 | 2017-08-01 | 上海交通大学 | 一种减少存储带宽需求的超高清帧率上变换*** |
-
2021
- 2021-01-15 CN CN202110057080.4A patent/CN112911307B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112911307A (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5669278B2 (ja) | 画像シーケンスのブロックを符号化する方法およびこのブロックを再構成する方法 | |
US9451255B2 (en) | Image encoding apparatus, image encoding method, image decoding apparatus, and image decoding method | |
US8705611B2 (en) | Image prediction encoding device, image prediction encoding method, image prediction encoding program, image prediction decoding device, image prediction decoding method, and image prediction decoding program | |
CN107318026B (zh) | 视频编码器以及视频编码方法 | |
CN110741640B (zh) | 用于视频代码化中的运动补偿预测的光流估计 | |
WO2016050051A1 (zh) | 图像预测方法及相关装置 | |
US11172220B2 (en) | Video encoding method, and storage medium thereof | |
US20160080769A1 (en) | Encoding system using motion estimation and encoding method using motion estimation | |
JP2011160438A (ja) | ビデオ圧縮システムにおける動き推定 | |
US9135717B2 (en) | Image coding method, image decoding method, image coding apparatus, and image decoding apparatus | |
KR20080016660A (ko) | 압축 도메인의 dct-기반 비디오 시퀀스들에 대한 이미지프로세싱 | |
AU2008245952B2 (en) | Image compression and decompression using the pixon method | |
CN109348234A (zh) | 一种高效亚像素运动估计方法及*** | |
CN104937934A (zh) | 图像边界邻域中的自回归像素预测 | |
WO2005002233A1 (en) | Method of encoding for handheld apparatuses | |
US20110194610A1 (en) | Motion-Vector Estimation | |
CN102801982B (zh) | 一种应用于视频压缩且基于块积分的快速运动估计方法 | |
CN112911307B (zh) | 4k、8k、16k超高清视频编码运动估计优化方法和装置、设备及存储介质 | |
US10893292B2 (en) | Electronic circuit and electronic device performing motion estimation through hierarchical search | |
US20060209962A1 (en) | Video encoding method and video encoder for improving performance | |
JP5043849B2 (ja) | ビデオシーケンスにおける可変形状動き推定 | |
CN114040209A (zh) | 运动估计方法、装置、电子设备及存储介质 | |
CN113347417A (zh) | 提高率失真优化计算效率的方法、装置、设备及存储介质 | |
CN108900842B (zh) | Y数据压缩处理方法、装置、设备及WebP压缩*** | |
CN111784733A (zh) | 图像处理方法、装置、终端和计算机可读存储介质 |
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 |