CN102647598B - 基于极大极小mv差值的h.264帧间模式优化方法 - Google Patents

Abstract

本发明公开了一种基于极大极小MV差值的H.264帧间模式优化方法，包括以下步骤：步骤一：读取待编码的视频帧，并将其划分为16×16的宏块；步骤二：对当前需要编码的宏块进行SKIP模式的多次优先判决，如果其最佳编码模式为SKIP模式，则进入步骤四；如果其最佳编码模式不为SKIP模式，则进入步骤三；步骤三：根据本发明的基于极大极小MV差值判决方法，缩小帧间模式选取范围，最后根据率失真优化理论选择最佳编码模式；步骤四：根据确定的最佳编码模式完成对当前编码块的编码，继续下一编码块。应用本方法可以在保证视频编码质量的前提下，同时极大地降低算法复杂度和视频压缩码率，满足编码实时性要求。

Description

基于极大极小MV差值的H.264帧间模式优化方法

技术领域

本发明涉及的是视频编码压缩领域，主要是针对高清视频数据量大、处理速度慢、在实际应用中局限性大以及H.264算法在提高编码效率同时增大计算复杂度的缺点而提出的。

背景技术

高清视频的优越性是公认的，它具有直观性、确切性、高效性、广泛性等优点。但是由于其信息量的庞大，存储与传输高清视频信息就会付出很大的代价，因此高效的对其进行压缩编码是一个关键问题。

传统的视频压缩编码标准主要有H.261、MPEG-1、H.262、MPEG-2、MPEG-3、H.263、MPEG-4等，这些标准都可以在满足一定的视频质量前提下达到压缩编码的目的。MPEG和VCEG联合开发一个比早期研发的MPEG和H.263性能更好的视频压缩编码标准，即H.264。H.264通过采用一些关键技术，如多模式帧内帧间预测、SP/SI帧技术、整数变换、CAVLC和CABAC熵编码等，可以大大提升编码性能。

H.264采用块大小可变的如图1所示的7种运动估计模式的穷尽搜索算法。在进行帧间模式判决时，对每一种模式进行搜索，最后根据率失真理论选择最优模式编码，虽然提高了率失真性能，但同时也大大提高算法复杂度，降低了编码实时性。而且运动估计占据整个编码计算量的一半以上，它直接影响视频压缩的编码效率和质量。

发明内容

有鉴于此，本发明的目的是提供一种基于极大极小MV差值的H.264帧间模式优化方法，可以平衡失真度和运算复杂度，在保证编码质量的前提下，降低算法复杂度，达到编码实时性要求。

本发明的目的是通过以下技术方案实现的：

该种基于极大极小MV差值的H.264帧间模式优化方法，包括以下步骤：

步骤一：读取待编码的视频帧，并将其划分为16×16的宏块；

步骤二：对当前需要编码的宏块进行SKIP模式的多次优先判决，如果其最佳编码模式为SKIP模式，则进入步骤四；如果其最佳编码模式不为SKIP模式，则进入步骤三；

步骤三：在对当前编码块进行帧间编码时，根据相邻已编码块的分割信息与运动矢量MV差值信息，可以判定当前编码块的运动剧烈情况，进而缩小搜索模式范围，选取最佳编码模式。

步骤四：根据确定的最佳编码模式完成对当前编码块的编码，继续下一编码块。

进一步，所述步骤二的最佳编码模式判断包括以下步骤：

步骤1：根据已编码块的SAD信息，定义用于判定宏块编码模式的阈值TH1、TH2；

步骤2：将当前需要编码的宏块与前一帧图像的相同位置的图像进行比较，如果像素差满足Δ≤TH1，则认为当前编码块是静止块，采取SKIP模式编码；

否则，计算16×16模式的绝对差值和SAD，将SAD与阈值TH2比较，若SAD≤TH2，则采用SKIP模式；否则，计算16×16模式与SKIP模式的匹配误差函数值J，若J_SKIP≤J_16×16，仍然采用SKIP模式编码；

步骤3：若J_SKIP＞J_16×16，则判断SKIP模式不是其最佳编码模式。

进一步，所述步骤三的最佳编码模式判断包括：

步骤1：根据相邻已编码块的MV信息，将MV分解到x和y分量，那么MV在x与y分量的差值大小就可以反映当前编码块的运动情况；

步骤2：求取MV在x与y分量的极大极小值MVx_max、MVx_min、MVy_max、MVy_min，那么就可以得到极大极小差值|MVx_max-MVx_min|与|MVy_max-MVy_min|，如果这两个差值表明临近已编码块的运动矢量较小，运动比较平缓，那么根据图像块的空间相关性与运动连续性，判定当前编码块的运动幅度比较小；

步骤3：如果极大极小差值满足|MVx_max-MVx_min|≤THx与|MVy_max-MVy_min|≤THy，那么就可以判断当前编码块的运动比较平缓，从而把搜索范围限制在16×16、16×8、8×16的大尺寸里，否则限制在8×8、8×4、4×8、4×4小尺寸范围里；

步骤4：根据率失真优化理论选取最优编码模式，即选取代价函数值最小的作为最佳编码模式。

进一步，在帧间模式选取过程中，SAD与J通过以下公式计算得到：

$\mathrm{SAD}(s,c\left(\mathrm{MV}\right))=\underset{x=1,y=1}{\overset{M,N}{\mathrm{\Σ}}}\left|s\right[x,y]-c[x-{\mathrm{MV}}_x,y-{\mathrm{MV}}_y\left]\right|,$

J(MV,λ)＝SAD(s,c(MV))+λ*R(MV-PMV)；

其中：SAD是绝对差值和，J是匹配误差函数，S是当前编码块的原始数据，c是已编码重建的用于进行搜索运动补偿的参考帧的数据，MV是当前模式下搜索的运动矢量，λ为拉格朗日常数，PMV为中值预测矢量。

本发明的有益效果是：

应用该方案可以在保证编码质量的前提下，保证高清视频质量，同时极大地降低了算法复杂度和视频压缩码率。在高清视频的压缩编码领域里可以应用本发明减少编码时间，满足实时通信，解决高清视频数据量大难以满足实时性的瓶颈问题。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：

图1运动估计分割模式示意图；

图2图像的空间相关性示意图；

图3帧间模式判决优化流程图。

具体实施方式

以下将参照附图，对本发明的优选实施例进行详细的描述。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。

传统的帧间模式预测是对7种模式按照16×16到4×4进行运动估计和运动补偿，然后根据率失真理论获取最优的预测模式。但是各种分块模式在图像压缩编码里不是等概率分布，往往差别还很大，那么如果提前限制预测模式的范围，就可以大大减少搜索时间与计算量。本发明就是基于这种思想，根据一定的阈值比较结果，提前排除一些小概率的预测模式。

根据统计表明一幅图像的平坦部分一般占据了大部分，而细节部分只有小部分。对于这些图像的多数编码块图像进行残差变换、量化、编码的结果会全是零或接近于零，使得所有的编码操作都是冗余的。那么优先进行这种SKIP模式多次判决就可以最快得到最优预测模式，去除后面不必要的模式判断。

在帧间模式的7种模式里，可以分为16×16、16×8、8×16大尺寸分割与8×8、8×4、4×8、4×4小尺寸两种分割模式。对于运动平缓的块，可以在大尺寸模式范围里搜索，反之，对于运动剧烈的块就可在小尺寸模式范围里搜索。如图1所示的预测模式里，对于细节较多的编码块可以选取小尺寸模式，对于细节较少的编码块可以选取大尺寸模式，这样就可以使得MV、分割类型、残差信息等的比特数最少，达到压缩的目的。

对于不同的尺寸分割，基于运动矢量MV、分割类型比特数与残差比特数的平衡，快速选取最优预测模式是一个提高编码效率与性能的关键问题。一幅图像的空间相邻块具有如图2所示的相关性，所以它们的运动趋势也是具有相关性的。根据相邻已编码块的模式信息可以判断当前编码块的运动情况，从而确定预测模式范围。

本发明根据上述优化思想提出基于极大极小MV差值的H.264帧间模式优化方案，应用该方案可以保证高清视频质量，同时极大降低算法复杂度和视频压缩码率。

如图3所示，本发明的优化方法包括以下步骤：

步骤一：读取待编码的视频帧，并将其划分为16×16的宏块；

步骤二：对当前需要编码的宏块进行SKIP模式的多次优先判决，如果其最佳编码模式为SKIP模式，则进入步骤四；如果其最佳编码模式不为SKIP模式，则进入步骤三；

步骤三：在对当前编码块进行帧间编码时，根据相邻已编码块的分割信息与运动矢量MV差值信息，可以判定当前编码块的运动剧烈情况，进而缩小搜索模式范围，选取最佳编码模式；

步骤四：根据确定的最佳编码模式完成对当前编码块的编码，继续下一编码块。

其中，上述步骤二的最佳编码模式判断可以采用多种方法，如图像数据块的均匀性检验、图像的纹理特征、编码模式的统计分类选择等，本实施例中采用的方法包括以下步骤：

步骤1：根据已编码块的SAD信息，定义用于判定宏块编码模式的阈值TH1、TH2；

步骤2：将当前需要编码的宏块与前一帧图像的相同位置的图像进行比较，如果像素差满足Δ≤TH1，则认为当前编码块是静止块，采取SKIP模式编码；

否则，计算16×16模式的绝对差值和SAD，将SAD与阈值TH2比较，若SAD≤TH2，则采用SKIP模式；否则，计算16×16模式与SKIP模式的匹配误差函数值J，若J_SKIP≤J_16×16，仍然采用SKIP模式编码；

步骤3：若J_SKIP＞J_16×16，则判断SKIP模式不是其最佳编码模式。

本实施例中，上述步骤三的最佳编码模式判断包括以下步骤：

步骤1：根据相邻已编码块的MV信息，将MV分解到x和y分量，那么MV在x与y分量的差值大小就可以反映当前编码块的运动情况；

步骤2：求取MV在x与y分量的极大极小值MVx_max、MVx_min、MVy_max、MVy_min，那么就可以得到极大极小差值|MVx_max-MVx_min|与|MVy_max-MVy_min|，如果这两个差值表明临近已编码块的运动矢量都比较小，运动比较平缓，根据图像块的空间相关性与运动连续性，判定当前编码块的运动幅度比较小；

步骤3：如果极大极小差值满足|MVx_max-MVx_min|≤THx与|MVy_max-MVy_min|≤THy，那么就可以判断当前编码块的运动比较平缓，从而把搜索范围限制在16×16、16×8、8×16的大尺寸里，否则限制在8×8、8×4、4×8、4×4小尺寸范围里；

步骤4：根据率失真优化理论选取最优编码模式，即选取代价函数值最小的作为最佳编码模式，需要说明的是根据率失真优化理论选择最佳编码模式的方法是H.264里的常用方法，在此不再赘述。

在上述的帧间模式选取过程中，SAD与J通过以下公式计算得到：

$\mathrm{SAD}(s,c\left(\mathrm{MV}\right))=\underset{x=1,y=1}{\overset{M,N}{\mathrm{\Σ}}}\left|s\right[x,y]-c[x-{\mathrm{MV}}_x,y-{\mathrm{MV}}_y\left]\right|,$

J(MV,λ)＝SAD(s,c(MV))+λ*R(MV-PMV)；

其中：SAD是绝对差值和，J是匹配误差函数。S是当前编码块的原始数据，c是已编码重建的用于进行搜索运动补偿的参考帧的数据，MV是当前模式下搜索的运动矢量，λ为拉格朗日常数，PMV为中值预测矢量。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (1)

1.基于极大极小MV差值的H.264帧间模式优化方法，其特征在于：所述优化方法包括以下步骤：

步骤一：读取待编码的视频帧，并将其划分为16×16的宏块；

步骤二：对当前需要编码的宏块进行SKIP模式的多次优先判决，如果其最佳编码模式为SKIP模式，则进入步骤四；如果其最佳编码模式不为SKIP模式，则进入步骤三；

步骤三：在对当前编码块进行帧间编码时，根据相邻已编码块的分割信息与运动矢量MV差值信息，可以判定当前编码块的运动剧烈情况，进而缩小搜索模式范围，选取最佳编码模式；

步骤四：根据确定的最佳编码模式完成对当前编码块的编码，继续下一编码块；

所述步骤二的最佳编码模式判断包括以下步骤：

步骤21：根据已编码块的SAD信息，定义用于判定宏块编码模式的阈值TH1、TH2；

步骤22：将当前需要编码的宏块与前一帧图像的相同位置的图像进行比较，如果像素差满足Δ≤TH1，则认为当前编码块是静止块，采取SKIP模式编码；

否则，计算16×16模式的绝对差值和SAD，将SAD与阈值TH2比较，若SAD≤TH2，则采用SKIP模式；否则，计算16×16模式与SKIP模式的匹配误差函数值J，若J_SKIP≤J_16×16，仍然采用SKIP模式编码；

步骤23：若J_SKIP＞J_16×16，则判断SKIP模式不是其最佳编码模式；

所诉步骤三的最佳编码模式判断包括以下步骤：

步骤31：根据相邻已编码块的MV信息，将MV分解到x和y分量，那么MV在x与y分量的差值大小就可以反映当前编码块的运动情况；

步骤32：求取MV在x与y分量的极大极小值MVx_max、MVx_min、MVy_max、MVy_min，那么就可以得到极大极小差值|MVx_max-MVx_min|与|MVy_max-MVy_min|，如果这两个差值表明临近已编码块的运动矢量较小，运动比较平缓，那么根据图像块的空间相关性与运动连续性，判定当前编码块的运动幅度比较小；

步骤33：如果极大极小差值满足|MVx_max-MVx_min|≤THx与|MVy_max-MVy_min|≤THy，那么就可以判断当前编码块的运动比较平缓，从而把搜索范围限制在16×16、16×8、8×16的大尺寸里，否则限制在8×8、8×4、4×8、4×4小尺寸范围里；

步骤34：根据率失真优化理论选取最优编码模式，即选取代价函数值最小的作为最佳编码模式；

在帧间模式选取过程中，SAD与J通过以下公式计算得到：

$\mathrm{SAD}(s,c\left(\mathrm{MV}\right))=\underset{x=1,y=1}{\overset{M,N}{\mathrm{\Σ}}}\left|s\right[x,y]-c[x-{\mathrm{MV}}_x,y-{\mathrm{MV}}_y\left]\right|$

J(MV,λ)＝SAD(s,c(MV))+λ*R(MV-PMV)，

其中：SAD是绝对差值和，J是匹配误差函数，S是当前编码块的原始数据，c是已编码重建的用于进行搜索运动补偿的参考帧的数据，MV是当前模式下搜索的运动矢量，λ为拉格朗日常数，PMV为中值预测矢量。

Images